UC-117银行用例 ／ 风控合规
PT Bank Central Asia Tbk（BCA）
东南亚大型零售银行的 AI 价值往往不只来自一个“爆款助手”，而是来自大量高频运营流程的持续优化。ATM 现金和 CRM 补货、EDC 终端耗材、抵押品估值、欺诈检测、数字开户安全、客户问答，都是数据密集且影响客户体验的场景。 BCA 在 2025 年举办首届 BCA Data Conference，主题为“Ignite the Future with AI”，并将 AI 治理、伦理、监管和透明解决方案放在公开议题中。这个案例适合学习银行如何把 AI 能力与负责任采用框架一起
披露摘要2025 年 6 月 BCA Data Conference 约 400 名客户参与。 BCA 披露 AI 已用于 ATM/CRM 补货、EDC/热敏纸预测、欺诈检测、DIVA 抵押估值、VIRA 客服、生物识别和数字开户验证。 DIVA 创新获得 2024 年 Brandon Hall Group Excellence in Technology Awards 认可。 BCA 曾获得 DataGovAI Summit, Expo & Awards 2018 银行数字服务最佳数据治理奖。
UC-118银行用例 ／ 信贷融资
Allica Bank
成熟中小企业申请融资时，银行需要处理财务报表、银行流水、工商资料、资产信息、经营说明和担保材料。传统流程中，大量时间消耗在材料收集、人工录入、初步核对和跨团队传递上，客户感受到的是等待，信贷团队感受到的是重复劳动。 Allica Bank 在 Qorus-Infosys Finacle Banking Innovation Awards 2026 提交的案例强调，用 AI 去除人工瓶颈、加速信用决策、改善企业客户体验。该案例虽然公开细节有限，但足以反映英国中小企业银行把 AI
披露摘要2026 年 4 月作为 Qorus-Infosys Finacle Banking Innovation Awards 2026 银行创新案例披露。 官方摘要称其改变了成熟企业申请融资的体验。 目标是用 AI 消除人工瓶颈、加速信用决策并改善客户体验。 属于真实银行提交的创新案例，但公开页面为 Premium，细节披露有限。
UC-119银行用例 ／ 运营提效
Yapı Kredi
现金运营看似传统，却是银行最典型的数据优化问题之一。养老金发放周、工资发放日、节假日前后，分行、主金库和 ATM 现金需求具有规律，但如果预测和调拨不准，就会出现一边现金积压占用资金，另一边客户取不到现金的双重问题。 Yapı Kredi 的案例把 Composite AI 用于跨分行、主金库和 ATM 的现金优化，说明 AI 不只服务客户聊天，也能直接改善资产效率和运营成本。这个场景对仍有大量网点和 ATM 的银行很有借鉴意义。
披露摘要2026 年 4 月 Qorus-Infosys Finacle Banking Innovation Awards 2026 案例披露。 官方摘要称在养老金周和工资日等周期性需求下优化现金配置。 披露效果包括释放 6,000 万美元资金、成本下降 10%。 目标状态是没有客户因现金配置错误而无法取现。
UC-121银行用例 ／ 公司银行
DBS Group
公司银行和现金管理中仍存在大量“手工付款”场景：客户提交的付款指令、附件、表格或非标准文本需要运营人员阅读、录入和校验。手工处理不仅慢，而且容易产生录入错误、重复沟通和运营风险。 DBS 的 IBGO 案例聚焦用生成式 AI 改造手工付款提取和处理，从印度和新加坡开始，再扩展到亚洲重点市场。这说明即使是数字化领先银行，后台支付运营中仍有大量可被 AI 重构的非结构化流程。
披露摘要2025 年 6 月 Qorus-Infosys Finacle Banking Innovation Awards 2025 案例披露。 官方摘要称 DBS Bank 的 IBGO 用生成式 AI 改造手工付款。 从印度和新加坡开始，计划到 2026 年扩展到亚洲重点市场。 目标是告别手工数据录入，提升自动化效率。
UC-122银行用例 ／ 保险服务
KBC Bank / KBC Insurance
银行集团往往同时经营银行和保险，理赔处理是非常适合 AI 的知识工作流。家庭责任险等案件需要处理事故报告、邮件、信函、第三方沟通和保单条款，理赔员要判断文件是否齐全、责任是否明确、是否需要补充信息。 KBC 的 AI Agents 4 Claims 不是让 AI 直接决定赔不赔，而是让 AI 把新案件准备成“可决策”状态，让理赔员专注于覆盖范围、责任和损害判断。这是金融场景中较清晰的“智能体准备、人工决策”模式。
披露摘要2026 年 2 月 Qorus-NTT DATA Innovation in Insurance Awards 2026 案例披露。 面向家庭责任险理赔，目标是减少理赔员行政负担和长处理周期。 AI Agent 可抽取关键数据、识别缺失信息、生成沟通和摘要报告。 KBC 表示 2026 年将继续扩展到新能力和新产品，目标是减少理赔生命周期中的人工触点。
UC-123银行用例 ／ 信贷融资
ING
按揭是银行最复杂、客户体验痛点最明显的零售流程之一。需求波峰、材料多、审批链条长、客户焦虑强，都会导致响应时间变慢。与此同时，大型银行还要维护大量遗留系统，迁移成本高、风险大、周期长。 ING 零售银行负责人在 2026 年访谈中明确提到，AI 已不再局限于运营效率，而可能让更多客户获得过去只服务高端客群的金融建议。其 Agentic AI 测试从按揭开始，同时覆盖对话式 AI、遗留系统迁移和竞品监控，体现了银行从单点助手走向工作流智能体。
披露摘要2026 年 4 月 ING 官方新闻发布访谈。 Agentic AI 从按揭开始测试，并计划扩展到欧洲层面。 目标是在需求高峰中保持响应速度，同时推动更自然的客户交互。 遗留系统迁移 agents 处于 pilot 阶段，访谈称可将成本减半。 大语言模型用于监测竞争对手并持续审查，提高适应市场能力。
UC-125银行用例 ／ 信贷融资
Grupo Financiero Banorte
Banorte 的案例来自墨西哥银行零售信贷和信用卡申请中的高频、重复、强合规流程。客户在申请工资贷款、即时信用卡等产品时，需要提交身份证明、地址证明等材料；银行后台必须抽取文件信息、核验真实性，并与内部系统进行比对。传统做法依赖人工逐件查看，容易在高峰期形成积压，也会把运营人员长期困在机械性校验工作里。 这个场景的价值在于它不是“炫技型生成式 AI”，而是把 AI 与流程机器人放进真实银行运营链条，直接改造客户开户、授信、发卡和合同流程中的瓶颈。对于大型零售银行，文档验证速
披露摘要Banorte 披露，该项目获得 SS&C Blue Prism Customer Excellence Awards 2025 区域奖项，被评为 Innovation Brilliance 类别的代表案例。银行披露，文档验证能力从人工分析师 1 至 1.5 小时处理约 100 个案例，提升到系统每小时可验证多达 500 个信贷或新卡案例。 运营指标改善非常具体：信贷和工资贷款申请中的文档审核时间下降 86.6%；此类申请自动审批率从 2022 年的 70% 提升至 2024 年的 91%；工资贷款拒绝率从 1.12% 降至 0.2%。银行也强调，项目释放了员工在机械任务上的时间，使其转向更具分析性、战略性和创新性的工作。
UC-129银行用例 ／ 客户服务
China Construction Bank (Asia)
银行客户在寻找产品和服务时，经常遇到信息过载、回答不一致和缺乏个性化的问题。尤其在全功能商业银行中，零售、商业、企业、跨境、绿色金融等产品线复杂，客户和前线人员都需要更准确、更快速的服务入口。传统搜索和固定菜单很难理解自然语言意图，也很难根据客户特征生成合适回应。 建行（亚洲）在金管局第一期 GenA.I. 沙盒中测试 Smart Engage，并在第二期继续以 Smart RM Assistant 探索客户经理辅助。这个案例把客户自助问答和客户经理经营连接起来：前者解决客户
披露摘要建行（亚洲）披露，第一期沙盒成功验证了 GenA.I. 在优化服务流程、增强个性化交互和提升服务体验方面的应用效能。验证结果显示，通过高质量数据驱动、高效技术适配、灵活模型分层和混合合规架构，GenA.I. 可在银行业实现精准回应、快速迭代与安全扩展，有效提升客户体验。 该用例还在金管局公众展览上展示，并为第二期 Smart RM Assistant 积累经验。第二期重点将从“客户问答”延伸到“关系经理经营”，聚焦客户关系管理痛点，用 AI 提升客户服务质量和服务连续性。
UC-132银行用例 ／ 风控合规
PAObank + OneConnect Financial Technology
深度伪造正在改变数字银行的身份核验风险。过去银行主要防范证件伪造、盗用资料、设备异常和黑产脚本；现在攻击者可以用换脸、合成视频、AI 生成图像和接口注入方式欺骗远程开户、贷款申请和交易认证流程。数字银行没有线下网点缓冲，因此更依赖实时、高准确率的线上识别能力。 PAObank 与 OneConnect 入选金管局第二期 GenA.I. 沙盒，聚焦深度伪造欺诈检测。这个案例的价值在于，它把 AI 用于对抗 AI：用更强的视觉识别、活体检测、设备风险和文件核验能力，防御生成式 A
披露摘要公开材料披露，OneConnect 的方案在反深度伪造类别中防御成功率达到 99%。截至 2025 年中，OneConnect 服务 21 个国家和地区的 214 家企业，并成为香港超过半数传统零售银行可信赖的 eKYC 和反欺诈合作伙伴。 PAObank 表示，参与沙盒将帮助其提升风险管理、强化欺诈调查和客户保护能力，并把经验分享给行业，支持 GenA.I. 技术在银行业更广泛、负责任地采用。该案例也体现了数字银行依托集团科技能力和外部科技伙伴构建防诈能力的路径。
UC-133银行用例 ／ 风控合规
livi bank
香港虚拟银行面向高度数字化客户，业务天然依赖远程身份识别、手机银行交互、线上交易监控和数字客服。随着诈骗、冒名开户、洗钱和社交工程攻击不断升级，数字银行需要更快地识别异常行为，同时不能牺牲客户体验和普惠金融目标。 livi bank 参与金管局与数码港合作推出的首批 GenA.I. 沙盒，专注开发先导反诈骗解决方案，以侦测和预防诈骗。这个案例虽然公开细节较少，但它代表了监管沙盒在虚拟银行中的作用：让银行在风险可控环境下试验 GenAI 防诈能力，并获得监管和技术反馈。
披露摘要2024 年 12 月，livi bank 正式宣布成为金管局 GenA.I. 首批沙盒参与机构，聚焦反诈骗方案开发。公开资料未披露量化成果，但确认该方案处于监管沙盒测试路径，并将获得算力资源和监管反馈。 该案例对学习者的价值在于：不是所有真实银行 AI 案例都会一开始披露节省多少时间或减少多少损失。对于反欺诈和反洗钱等敏感场景，早期公开信息往往只有方向、沙盒机制和治理安排。仍然可以从中学习“先沙盒、后上线、强监管反馈”的落地方法。
UC-140银行用例 ／ 财富投研
Nomura + OpenAI
资产管理和资本市场研究需要持续吸收大量内外部数据，包括宏观经济、公司信息、市场行情、研究报告、客户需求和投资组合约束。传统投研流程高度依赖专业人员阅读、筛选、综合和撰写观点，面对信息爆炸时容易出现效率瓶颈。 Nomura 与 OpenAI 的战略合作不是简单采购通用聊天工具，而是围绕资产管理和资本市场服务，把 Nomura 的自有数据、专业经验和 OpenAI 的 Deep Research 能力结合，探索更高附加值的投资建议、市场分析和数据解决方案。
披露摘要2025 年 11 月，Nomura 正式宣布与 OpenAI 建立战略合作。Nomura 集团 CEO 表示，生成式 AI 的力量不仅在提升效率，还能从根本上改变金融服务；合作将结合 Nomura 广泛数据资产和深厚专业能力，与先进 AI 一起提供更高级投资建议和市场分析，并创造超越传统业务模式的新收入机会。 公开资料尚未披露量化成效，但该案例代表了投研和资管 AI 的前沿方向：AI 不只是总结报告，而是参与研究计划、信息收集、观点综合和客户方案设计，前提是数据安全、治理和专业人员复核必须到位。
UC-142银行用例 ／ 公司银行
DNB
小企业、创业者和会计人员常常把记账视为耗时且容易出错的工作。发票、收据、增值税代码、会计科目、付款和异常检查需要专业知识；如果客户不熟悉会计系统，就必须在菜单中寻找功能并猜测正确科目。对银行而言，中小企业金融服务不只包括账户和贷款，也包括帮助客户管理经营财务。 DNB 在 DNB Regnskap 中推出 Micro，作为首个直接面向客户的 AI 助理，目标是让小企业更容易记账并掌握财务状况。这个案例非常接近“执行型 AI”：它不是只回答问题，而是理解上下文并通过 API 在
披露摘要DNB 披露，用户在试点中最看重的是减少猜测和减少错误。产品负责人表示，客户不再需要纠结会计科目和增值税代码，而是获得可立即记账的具体建议。长期目标是让会计系统从“档案库”变成主动经济伙伴，提出行动和洞察，而不只是展示数字。 官方材料还披露，长期来看，大部分记账可以自动进行，Micro 处理 70%-80% 的交易，并让用户审批异常。这个目标展示了银行中小企业服务从“工具提供”转向“智能运营伙伴”的方向。