UC-093银行用例 ／ 风控合规
Axis Bank
企业活期账户的 ReKYC 和经营资料更新是典型的高频、强监管、低体验流程。客户要提交营业信息、经营性质、KYC 文件，分支机构和运营团队再做人工核验、补件、录入和复核。传统做法不仅慢，也容易因为文件质量、字段缺失和代码选择错误造成返工。 Axis Bank 把这个流程作为 AI 改造对象，说明银行生成式 AI 不只适合客服问答，也适合放到监管流程的“入口处”。客户体验目标是无纸化、即时提交和少跑网点；银行目标则是降低 NFTR、减少人工负荷、提高 First Time Ri
披露摘要官方披露，该方案已在印度全国范围推出，覆盖非个人活期账户客户中约 90% ReKYC 量对应的主要客户类型。资料更新原本需要大量人工、纸质材料和较长处理时间，现在可实现端到端数字化、即时提交和更高准确率。 Axis Bank 还披露早期结果显示返工和跟进显著减少，周转时间更快，分支和运营团队生产率提升。虽然没有披露具体分钟数和节约金额，但案例清楚说明 LLM 与税务经营数据、文档智能和工作流结合，可以在合规流程中创造可度量价值。
UC-094银行用例 ／ 数据与研发
U.S. Bank
嵌入式银行的客户往往不是个人用户，而是企业产品团队、软件服务商、聚合器和外部开发者。他们要把支付、资金管理、数据聚合、消费金融等能力嵌入自己的平台，真正的难点不是“有没有 API”，而是能否快速理解哪个服务适用、怎样鉴权、怎样写代码、怎样排错。 U.S. Bank 的 Developer Portal 已经承载全球公司开发者访问，并支持数十亿次 API 请求。随着 API 产品增多，传统文档、人工技术咨询和支持工单会成为集成速度瓶颈，因此该行把 GenAI 放到开发者门户里，
披露摘要官方披露，Developer Portal 支持数十亿次 U.S. Bank API 请求；2025 年门户拥有 20,000 多名独立访客和 149,000 多次会话。Developer Assistant 的目标是显著减少技术咨询和支持工单，把平均客户集成时间缩短数周。 该门户曾获 2024 年 Devportal Awards 的 Best Findability of Products in a Devportal。Developer Assistant 在这个基础上继续提升外部开发者体验，使银行能力更容易嵌入客户业务平台。
UC-095银行用例 ／ 风控合规
U.S. Bank
银行数字产品设计不仅要好看，还必须满足可访问性、品牌、内容、组件复用、风险提示和工程可实现性等要求。设计师在出交付规格时常常要做大量细碎检查，既耗时又容易遗漏，后续还会造成工程返工和质量风险。 U.S. Bank 把 AI 用在设计系统和设计工具里，说明银行 AI 场景可以覆盖产品研发前端。它关注的不是自动替代设计师，而是让设计师更快发现不合规组件、获得替换建议，并把更多精力放到客户体验和业务结果上。
披露摘要官方披露，该工具已在 2025 年 12 月面向公司全部体验设计师推出，并已经完全纳入日常工作流程。银行称其产生了可衡量的生产率收益，包括实时分析设计、可访问性、内容和品牌标准合规情况。 U.S. Bank 强调，Design Assistant 不只是效率工具，也支持更大规模的个性化和品牌发布，让团队在更少工作量下更有信心地交付一致体验。这体现了银行内部 AI 从“写文档”走向“嵌入专业工具链”的趋势。
UC-096银行用例 ／ 客户服务
Discover Financial Services + Google Cloud
Discover 拥有近 10,000 名客户关怀坐席，问题覆盖余额、支付、政策、流程、金融概念和复杂客户情况。传统坐席需要在内部知识库中关键词搜索、翻阅政策和流程文档，客户等待时间会被“找答案”拉长。 金融客服对准确性要求很高。坐席必须解释正确政策，不能因为生成式 AI 说得流畅就采纳错误答案。因此 Discover 与 Google Cloud 合作时，重点不是开放式聊天，而是用 GenAI 做实时搜索辅助、政策摘要和经过测试的内部答案。
披露摘要官方披露，该方案赋能近 10,000 名客服坐席。GenAI 能力从 2024 年初开始集成并推出，早期结果显示，坐席可降低通话处理时长，并将政策和流程搜索时间最多改善 70%。 Discover 还计划进一步增强电话转写、来电主题分类、客户情绪分析，以及把 AI 能力注入内部 CRM 系统。这说明客服 AI 可以从“找答案”逐步扩展到“理解通话、分类意图、生成摘要、沉淀客户洞察”。
UC-097银行用例 ／ 平台治理
Crédit Mutuel Alliance Fédérale + IBM
Crédit Mutuel Alliance Fédérale 自 2016 年开始采用 AI，已经形成较成熟的顾问辅助、文档理解、风险和合规能力。到生成式 AI 阶段，问题不再是能否做一个试点，而是怎样在银行自有基础设施、伦理 AI 承诺和大规模顾问网络之间实现工业化。 该集团强调自身是“主权技术银行”，大量 IT 处理运行在自有数据中心。对于欧洲银行而言，这一点尤其重要：生成式 AI 要创造价值，同时要满足数据主权、客户关系、内控和审计要求。
披露摘要官方披露，该集团 25,000 名顾问每天使用 AI，2023 年 AI 释放近 100 万小时行政工作时间，使顾问能更好服务客户和会员。35 个新用例计划从 2024 年夏天开始逐步上线首批能力。 案例也说明，生成式 AI 工业化不是从零开始，而是在已有 AI 文化、顾问使用习惯、内部数据中心和 Cognitive Factory 基础上继续升级。对银行来说，这种“已有 AI 能力 + 新大模型平台”的路径比纯试点更可复制。
UC-098银行用例 ／ 客户服务
Rabobank
很多银行 AI 项目失败，不是模型能力不够，而是没有进入员工每天真实使用的流程。Rabobank 的经验强调，企业价值不来自更炫的模型，而来自稳固集成到日常工作流：摘要、知识检索、客户历史梳理、流程支持。 客服和客户顾问的低价值消耗通常很“无聊”：读长对话、找历史记录、翻内部流程、总结上次互动。这些任务不适合完全自动决策，却非常适合 LLM 做信息蒸馏和检索增强，让员工把时间用在高质量服务上。
披露摘要官方披露，仅 12 月单月 Rabobank 就向 20,000 多名独立用户交付超过 100 万份摘要，支持超过 300,000 次互动。文章估算，如果每通帮助台对话只节省 1 分钟，就相当于客户少等 1 分钟，员工合计节省 6,000 小时繁琐工作。 这个案例的价值在于，它给出了一种务实指标：不必先证明模型能“替代人”，而是证明它能在大规模互动中每次减少一点重复劳动。银行可用这种方式把 AI 价值从单次炫技变成累计运营收益。
UC-099银行用例 ／ 运营提效
ABN AMRO Bank
ABN AMRO 已经运行多个聊天机器人，但生成式 AI 和新对话平台出现后，客户对数字助手的期望提高。银行不仅要回答问题，还要支持荷兰语理解、语音 IVR、员工门户、监控、生命周期管理和持续交付。 该案例代表“传统机器人迁移到智能体平台”的路径。银行不是单点做一个 chatbot，而是把客户文本 / 语音助手 Anna、员工门户助手 Abby、Azure AI Language、Azure Speech、Azure DevOps、Power BI 和监控体系组合起来。
披露摘要微软案例披露，ABN AMRO 迁移到 Copilot Studio 并部署新智能体后，荷兰语意图识别准确率提升 7%。Anna 在文本和语音渠道保持高客户满意度，IVR bot 降低了放弃率和转接率；Abby 则成为更有效、可靠的员工支持工具。 该行还因 Copilot Studio 内置能力降低了运营和维护成本，并提高扩展 AI 能力的能力。这个案例适合学习“语言模型 + 语音 + 中间件 + 指标仪表盘 + CI/CD”的完整交付方式。
UC-100银行用例 ／ 平台治理
KASIKORNBANK / KASIKORN Business-Technology Group（KBTG）
泰国 KBank 的技术子公司 KBTG 把 2025 年定位为 Agentic AI 时代，目标不是单纯引入工具，而是把人才发展、AI 平台和社会价值结合起来。它提出 Human-First x AI-First Transformation，强调人和 AI 协同而非简单替代。 银行科技组织面临两类压力：一方面要把 AI 用到 eKYC、视频分析、文档 OCR、客服和数据分析等真实业务；另一方面要避免每个团队重复造助手、重复接模型、缺少治理。因此 KBTG 推出 Athen
披露摘要官方披露，KBTG 目标是在未来五年创造超过 100 亿泰铢业务影响。其 AI 编码助手已生成超过 500,000 行代码，并至少减少开发者 20% 工作时间。KBTG 还获得 Global Finance 2024 Innovators 奖中的 eKYC 防面部欺诈创新类别。 该案例也披露 KBTG 在 AI 研发上有较强积累，包括 AINU、THaLLE、Future You、Koo Kid、AI-Enabled Video Analytics、Document OCR，以及 30 篇国际期刊论文和 ACL 2024 论文成果。
UC-101银行用例 ／ 公司银行
Crédit Agricole CIB
公司与投行业务客户复杂、产品多、数据分散，客户经理需要理解客户画像、融资需求、交易银行、贸易金融、现金管理和风险信息。Crédit Agricole CIB 的数字化转型由 ACT 项目推动，目标是改善客户和员工体验，同时优化绩效。 该行一方面建设面向客户的 Optimall 平台和 API marketplace，另一方面建设 Augmented Banker，使高级银行家能在同一界面找到相关客户信息。这说明公司银行 AI 的核心不是单纯聊天，而是把分散客户信息、产品数据和
披露摘要官方年报披露，AI Factory 在 2023 和 2024 年交付超过 100 个 AI 生产用例，其中包括 6 个生成式 AI 用例。Receivables and Supply Chain Finance 数字解决方案在 2024 年贡献 34% NBI 份额。 Optimall 平台已服务超过 100 家客户，并逐步整合 Trade Finance 和 Cash Management 服务。该行计划在 2025 年进一步普及 AI 项目，并扩大云等新技术使用。
UC-102银行用例 ／ 财富投研
Maybank Indonesia
东南亚零售银行客户正在从“查余额、转账”转向“理解资产、规划目标、获得个性化建议”。Maybank Indonesia 希望在移动 App 中提供统一入口，让客户查看投资组合、支出、资产负债，并围绕长期财务目标做计划和跟踪。 该行特别考虑年轻专业人士、年轻家庭、中年人和银发 / 黄金年龄客群的不同痛点。财富管理 AI 的关键不是推一个产品，而是根据客户生命周期、风险偏好、交易模式和目标，提供不同层次的建议和可视化。
披露摘要ServiceNow 案例披露，该功能已在印尼市场推出，并显示出转型潜力。虽然项目仍处于较早阶段，但 Maybank 将印尼经验视为可迁移到集团其他市场的学习样本。 案例还显示，Maybank Indonesia 建立了三人高层治理委员会，包括首席数字官、CEO 和数字零售董事，监督银行所有转型举措执行。这说明财富 AI 上线不仅是产品功能，更是治理和组织转型。
UC-103银行用例 ／ 财富投研
State Street Investment Management
投资管理面对的不是单一客户问题，而是海量市场数据、非结构化文本、风险因子、交易信号和投资组合约束。AI 可以提升预测、研究和风险分析能力，但如果模型不可解释、过度复杂或对输入过度敏感，就可能影响投资纪律。 State Street Investment Management 的案例强调“AI backed by investment principles”。它把 AI 看作放大人类判断的工具，而不是替代投资专家的黑箱。对于银行资管、理财和投研团队来说，这种纪律性尤其重要。
披露摘要官方文章披露，AI/ML 已在投资流程中服务交易、预测、风险分析和研究自动化。该机构持续增强量化投资平台，并用生成式 AI 强化这些平台的灵活性、可扩展性和自动化。 虽然文章没有给出收益率提升数字，但它提供了非常重要的治理框架：在投资领域，能否解释、能否稳健、能否融入流程，比单次预测准确率更关键。这对银行学习 AI 投研尤其有价值。
UC-104银行用例 ／ 保险服务
BMO Insurance
寿险顾问在客户现场沟通时，常常需要快速回答医学核保问题、理解承保规则、判断还需哪些资料。传统方式依赖顾问查阅大量文档或回到后台咨询核保人员，会拖慢销售和服务节奏，也影响客户体验。 BMO Insurance 将生成式 AI 用于 field underwriting，说明银行集团的 AI 不只局限于银行账户和支付，也可以延伸到保险、财富和综合金融服务。关键目标是让顾问在现场拿到准确、及时的信息，同时保持核保专业边界。
披露摘要官方披露，该方案于 2024 年 8 月内部推出，并计划 2024 年 11 月 30 日开始外部分阶段推出。BMO 称其为加拿大个人寿险行业首个同类 AI 助手。 虽然官方未披露具体节省时间，但明确表示方案可加快 field underwriting 流程，帮助顾问减少复杂查询和文档搜索时间，把更多精力放在客户关系和个性化保障需求上。