页面准备好后会自动显示。等待期间仍可使用顶部导航切换。
SEEKINGDAO / FIELD NOTES
从真实业务出发，看清 AI 如何落地。读懂做法、成效与边界，把案例变成自己的判断。
它解决了什么业务问题？用了哪些数据？披露的效果是实绩、试点，还是计划？
THE INDEX
找到 155 条
清除筛选Commonwealth Bank + Apate.ai
电话和短信诈骗仍是澳大利亚重大风险。2024 年官方数据中，电话诈骗造成最高总体损失，短信是第二常见接触方式。诈骗团伙也在使用 AI 提升话术和规模，银行仅靠事后报案和交易拦截难以及时掌握新套路。
每天部署数千个 AI 机器人画像。 2024 年底试点后规模和复杂度继续扩大。 已有数十万通诈骗电话被转移到机器人。 收集的情报帮助生成近实时警报和拦截，保护 CommBank 客户。 每让诈骗者与机器人多耗一分钟，就少一分钟用于攻击真实居民。
交通银行
大型银行推进 AI 不能只靠单点应用，需要算力、算法、数据、模型治理和业务场景一起规划。交通银行在多年 AI 深耕基础上，发布 2025-2026 年行动方案，目标是推动“AI+金融”生态模式变革。
已构建千亿级金融大模型。 2024 年通过大小模型协同新增落地 100+ 应用场景。 应用领域包括反洗钱、反欺诈、客户服务、集中营运等。 行动方案覆盖 2025-2026 年。
兴业银行
产业金融和普惠金融的难点在于企业分散、信息不透明、抵质押不足、经营数据难获取。农批市场、产业园区、小微企业和农业种植主体都有融资需求，但传统授信依赖人工尽调和静态报表，效率和覆盖面有限。
科技队伍 5 年间从 2000 多人扩充到近 8000 人。 科技投入从每年 40 多亿元增至 80 多亿元。 智慧市场系统截至 2025 年 9 月末在全国 280+ 专业市场上线，全场景融资余额超 350 亿元。 园区金融生态服务平台覆盖全国 750+ 园区，平台引流融资余额超 640 亿元。 金服云上线金融产品 1200+ 项，解决需求金额超 1.3 万亿元。 2025 年 6 月贵阳分行通过卫星遥感农业种植 2.0 监测方案，为辣椒种植企业发放 200 万元贷款。
中信银行 + 豆包大模型
银行营销正在从单向投放变成互动共创。春节等节点既是金融服务高峰，也是品牌情感连接的重要时点。传统活动通常是海报、优惠券或线下装置，而 AIGC 可以让客户参与内容生成，提升互动感和传播性。
官方将该活动定位为银行业首个 AIGC 新春祝福视频共创活动，面向全民参与，结合春节金融惠民活动、借记卡消费满减、话费充值、信用卡返现、个人养老金开户缴存和理财等服务，形成“品牌互动 + 金融服务”的组合。
Itaú Unibanco
财富管理服务长期存在“专业建议稀缺”和“客户自主决策困难”的矛盾。很多客户已经在手机银行或超级 App 中完成交易，但面对产品选择、风险收益解释、组合配置、赎回时点等问题，仍需要投顾或客户经理帮助。对大型零售银行来说，如果所有咨询都依赖人工顾问，服务覆盖率、服务成本和响应速度都会成为瓶颈。 Itaú 的场景特别适合观察银行投资顾问如何从“人找报告、人问专家”转向“客户直接对话 AI + 必要时接入人工专家”。该项目不是单纯做一个金融知识问答，而是把生成式 AI、投资产品货架、
官方披露，Itaú 已经拥有 1,300 多个在用 AI 模型，应用范围从产品建模到客户服务渠道。此次投资智能体把原本更偏运营效率的 AI 能力推向客户直接体验，并尝试把 5,000 多个投资产品以更简单、更直观的方式提供给客户。 项目上线前经过多学科团队和认证专业人员的严格测试，并由 2,000 多名员工参与体验和反馈。官方强调，该方案可以提供 7×24 小时投资支持，在数秒内回答问题，使投资建议在不增加客户成本的情况下更容易规模化。
BBVA
大型银行的 AI 转型难点不在于做一个聊天机器人，而在于把客户交互、风险管理、流程运营、软件研发、员工工作方式和数据底座统一成可规模化的体系。单点试点容易出效果，但如果没有统一架构、数据治理、复用机制和组织能力，很快会变成重复建设和局部自动化。 BBVA 在 2025 年披露的 The Eight，把 AI 转型拆成六个“机器人”与两个基础支柱，体现了银行从“工具采用”进入“运营模式重塑”的趋势。它的目标不只是节省时间，而是让银行能更主动地理解客户需求、提供个性化建议、提升风
BBVA 披露，Blue 已能处理 150 多类查询并执行简单交易，未来将演进为面向数百万客户的智能财务助手。BBVA 内部员工已经创建 20,000 多个专用 GPT，其中 4,000 多个被频繁使用。 内部测量显示，部分任务节省时间超过 76%，员工反馈每周接近节省 3 小时。这说明企业级 GenAI 价值不只来自单个爆款应用，也来自大量小型、贴近岗位的自定义助手。
UniCredit + Google Cloud
跨国银行的技术基础设施通常分散在多个国家、多个核心系统和多个历史平台之上。要真正规模化 AI，不仅需要模型能力，还需要统一的数据、云、算力、身份权限、网络安全和弹性架构。否则，AI 只能停留在局部 PoC，难以跨市场复用。 UniCredit 与 Google Cloud 的 10 年合作说明，大型银行正在把 AI 作为云转型和技术现代化的一部分来推进。该项目不是单一应用，而是为 13 个核心市场逐步迁移关键应用、建立统一平台，并在此基础上开发客户体验、投行洞察、运营优化和金
官方披露，这是一个 10 年协议，覆盖 UniCredit 的 13 个核心市场，定位为该行数字战略的关键支柱。它将支持大量应用景观迁移，包括集团层面的遗留系统，并提供统一的可扩展基础。 该项目的价值不在于短期单一指标，而在于把 AI、数据和虚拟化基础设施推进到核心运营与一线客户方案。UniCredit 高管强调，合作需要满足网络安全态势和韧性要求，并支撑未来市场扩张和并购后的快速适配。
CaixaBank
当银行内部同时出现机器学习、生成式 AI、智能体和外部供应商 AI 服务时，传统的项目审批和模型管理机制很难覆盖完整生命周期。业务部门希望快速创新，合规和风控部门又必须确保伦理、监管、数据保护、模型稳健性和实际业务价值。 CaixaBank 的 AI Office 体现了一个重要趋势：银行不再把 AI 治理仅仅放在技术部门，而是建立集团级的单一入口和跨职能团队，覆盖所有类型 AI 项目的需求提交、策略制定、运行管理、文化培训和合规控制。
CaixaBank 在 2025-2027 战略计划中安排 50 亿欧元投资于流程和技术，并将生成式 AI 用于渠道更新、商业能力和客户服务能力建设。官方披露，AI 已经用于远程签约支持、App 客户产品探索、业务与运营流程自动化、员工决策支持和 IT 运维自动化。 在已披露效果上，CaixaBank 表示 AI 使客户查询响应能力提升 20%，银行卡相关事件响应时间降低 80%。该行还拥有西班牙金融业最大的数字客户基础，约 1,250 万数字客户。
平安银行
手机银行 App 往往承载大量产品、资讯、权益和活动，但很多内容以散点方式呈现，客户被动接收，缺少参与感和连续陪伴。长尾客户尤其难以获得高频、个性化、有温度的金融服务，传统人工客户经理又无法覆盖所有人。 平安银行的“小安”案例展示了零售银行如何把 AI、大数据、虚拟人、外呼和 App 内服务结合起来，把客户经营从“统一活动推送”改造成“基于客户旅程和实时事件的个性化陪伴”。同时，该行建设大模型开放平台，将能力复用到营销、客服、风险、办公等多个领域。
平安银行官方披露，截至 2024 年 9 月末，该行已落地超 100 个大模型应用场景。2024 年 1 月至 9 月，AI 外呼应用场景超过 550 个，外呼规模约 4.4 亿通；AI 质检配置模型超过 780 个，调用量超过 6.84 亿次。 这组数据说明，银行 AI 已经从“单个聊天机器人”走向“高频运营基础设施”。AI 外呼、质检、营销和风险政策问答等场景，虽然每个单点不一定都很炫，但能在大规模客户经营和运营管理中释放效率。
Commonwealth Bank of Australia + OpenAI
澳大利亚银行面对的核心挑战之一是诈骗和欺诈快速升级，尤其是社交工程、实时支付和跨渠道欺诈。同时，大型银行内部有大量员工需要处理客户服务、文档、分析、运营和技术工作，AI 能力如果只停留在小团队试点，很难形成组织级生产力。 CommBank 与 OpenAI 的多年期合作，代表银行将先进生成式 AI 同时用于客户保护、个性化服务和员工能力建设。它不是简单购买 ChatGPT，而是让双方工程师共同探索银行级 AI 解决方案，并通过企业级工具和培训建立负责任使用能力。
OpenAI 后续案例披露，CommBank 正在向接近 50,000 名员工推广 ChatGPT Enterprise，把 AI 从有限试点变成全组织核心能力。目标是把 AI 融入日常工作流，再扩展到智能体驱动的客户服务、欺诈和诈骗响应等高影响场景。 CommBank CEO Matt Comyn 表示，合作目标是把世界级能力带到澳大利亚，探索 AI 如何提升客户体验、保护客户并为澳大利亚企业释放新机会。Sam Altman 也强调，CommBank 每天服务大量个人和企业，双方希望让先进 AI 对澳大利亚人更有用。
招商银行
零售银行客户数量大、需求碎片化、产品组合复杂，是最适合 AI 探索的场景之一。客户需要随时查询账户、权益、理财、贷款、信用卡和生活服务，员工则需要快速理解制度、产品、流程和客户情况。如果客户侧和员工侧各自割裂，服务体验和运营效率都难以提升。 招商银行副行长王颖在 2025 年业绩说明会上表示，招行 AI 建设和应用主要聚焦“AI 小招”和“AI 小助”。这体现了一个清晰路径：客户侧用 AI 提升自助服务和个性化陪伴，员工侧用 AI 覆盖全岗位，形成“客户助手 + 员工助手”的
经济参考报 2025 年 9 月报道，招商银行“AI 小招”每月服务客户超过 2,000 万，“AI 小助”已覆盖全行所有岗位。招行还持续夯实“云 + AI + 中台”科技底座，并推动企业级 AI 中台支持全行大模型应用推广。 这组数据的价值在于说明，银行 AI 不再只是“少数员工试用的工具”，而是开始接入真实客户规模和全岗位员工规模。对学习者来说，招行案例适合理解零售银行 AI 的规模化入口。
工商银行
大型银行的信贷和市场风险管理需要处理制度、行业、财务、交易、抵质押、舆情、外部市场和客户经营等大量信息。传统流程依赖人工收集、人工阅读和人工判断，容易出现效率低、信息遗漏、风险传导不及时等问题。 工商银行的案例显示，AI 在风险管理中的价值正在从“辅助查询”升级到“智能体矩阵 + 风控平台”。它既覆盖市场风险智能排查，也进入对公信贷、评审助手和信用风险监控等核心风控环节。
官方披露的关键效果包括：企业级千亿金融大模型已赋能 20 余个主要业务领域、200 余个场景；2025 年新增 100 余个 AI 应用场景；智能风控平台覆盖全部境内分行和 130 多个风控决策场景。 这些指标表明，工行 AI 应用已经进入企业级规模化阶段，尤其是在市场风险和信贷风险等高价值场景中形成了平台化能力。对银行学习者而言，该案例适合理解“AI + 风控”不是一个模型，而是一组平台、知识、智能体和人工审批机制。
内容整理自金融 AI 长期进化实验室。银行用例、开源项目与 Skill 工作流分开展示；商业合作、计划和试点的表述按原分析保留，披露指标不等同于独立审计结果。
业务分类和技术标签按公开规则归纳；同机构不同项目、同名但来源不同的 Skill 独立保留。总览与正文只计一次，相同机构项目或相同上游路径合并并保留来源版本。当前 462 条来源记录，合并 0 条重复记录。
每日检查公开仓库，更新时保留上一版有效内容；如果来源删除已有记录或结构发生变化，暂停覆盖，等待核对。最近检查：2026/11/14（香港时间）。当前来源修订：06778e55 ↗。