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-137银行用例 ／ 财富投研
MUFG Bank
高净值客户的财富管理需求通常跨越银行、信托、证券、家族资产、事业传承和人生目标。客户不仅需要产品，也需要及时市场信息、长期规划和跨集团解决方案。对于客户经理而言，挑战在于如何整合客户总资产、目标、现金流、市场信息和集团内多机构资源，形成高质量提案。 MUFG 在 2026 年把生成式 AI 扩展到富裕客群会员网站和财富管理数字平台，说明银行财富管理 AI 正从“顾问查询助手”进入“客户内容体验 + 顾问规划工具”组合。它同时面向客户侧资讯服务和员工侧咨询提案效率。
披露摘要公开材料披露，OPUS 会员网站上线后访问量超过初始预期，MUFG 计划继续引入摩根士丹利的全球专业内容，如 Thoughts on the Market。WMPF 的三个核心能力包括统合 View、NBA（Next Best Action）和 GPS（Goal Planning System），生成式 AI 将增强这些能力。 该案例没有披露节省小时数，但对财富管理非常有代表性：银行用 AI 把市场内容、客户同意、集团协同、总资产视图、下一步行动和目标规划连接起来。它把财富管理从“单个产品推荐”提升为“客户人生目标和资产整体规划”的数字支持体系。
UC-139银行用例 ／ 客户服务
Sumitomo Mitsui Banking Corporation + JRI + IBM Japan
日本零售金融服务日益数字化和现金less化，资产形成相关制度和产品也越来越多。客户希望银行能随时解释产品、费用、活动和办理流程，尤其是对数字服务不熟悉的客户，更需要低门槛支持。传统客服中心在夜间、节假日和高峰期容易出现等待，且固定 IVR 难以处理自然语言问题。 SMBC AI Operator 是三井住友银行首次面向客户查询使用生成式 AI 的服务，第一阶段服务 Olive 个人综合金融服务的一般咨询。这个案例代表银行客服从“按键式 IVR/固定 FAQ”升级到“自然语音对
披露摘要官方披露，该服务作为生成式 AI 客户查询应用，是 SMBC、日本总研和日本 IBM 的国内初服务。其服务特点包括 24×365 自由发话咨询、广范围回答、自助解决范围扩大，以及在复杂咨询或需要身份确认时无缝转接人工客服。 系统还建立质量提升循环：持续分析 AI 应答内容、转人工数据和通话记录，用于改善回答质量，并将高频咨询反馈到产品服务改进。银行计划未来从 Olive 一般咨询扩展到更广业务，以提升客户支持和减轻客服人员负担。
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-141银行用例 ／ 运营提效
Raiffeisen Bank International
Raiffeisen Bank International 总部位于维也纳，服务中东欧 11 个市场的 1,650 万客户，拥有约 43,000 名员工。跨市场银行面对大量法律、监管、银行文档、公共新闻、财务报告和客户问题，员工需要快速找到可信信息并生成高质量回应。 RBI 希望通过 AI 自动化重复任务和文档智能，帮助员工更快总结法律、监管和银行文件，并为未来客户服务应用打基础。其目标不是单点提高效率，而是让生成式 AI 成为全行数字化转型的核心能力。
披露摘要微软案例披露，RBI ChatGPT 最初部署给 2,000 名用户，现在活跃用户超过 20,000。员工反馈，过去耗时的任务现在可以快速完成，从而有更多时间处理增值任务或帮助客户解决复杂问题。银行还观察到更强协作和更快客户问题解决。 RBI 的案例说明，企业内部 ChatGPT 如果只做通用聊天，价值有限；真正价值来自与搜索、知识库、安全内容审核、监管问答和员工共创机制结合。yellowGPTs 让一线员工参与构建领域知识库，是一个值得学习的内部扩展模式。
UC-143银行用例 ／ 客户服务
BankUnited
中小企业客户在联系银行时，常常询问账户服务、产品政策、流程要求、文件材料、异常处理等问题。对区域银行来说，挑战在于政策和流程文档分散、更新频繁，客服与客户经理需要在多个系统之间检索，容易造成通话时间长、回答不一致、客户体验不稳定。 BankUnited 总部位于美国佛罗里达，是一家区域性金融服务机构，服务个人和企业客户。该行披露，其政策和流程系统包含约 400 份文档。员工过去需要在这些文档中寻找答案，既影响服务效率，也影响客户和员工满意度。中小企业客户尤其重视响应速度，因为
披露摘要AWS 案例披露，SAVI 达到 95% 准确率，响应时间低于 10 秒，并建立 24×7 支持模式。这说明生成式 AI 在银行客服后台最直接的价值，是把“人工翻文档”的过程压缩成实时问答，从而降低客户等待时间并提升坐席信心。 该案例还体现了区域银行采用生成式 AI 的务实路径：不是先做大而全的平台，而是从约 400 份政策流程文档切入，把知识密集但边界清晰的场景做深。对中小企业银行业务而言，这类能力可以进一步扩展到开户材料核对、账户维护流程、贷款材料准备、现金管理产品问答等场景。
UC-144银行用例 ／ 客户服务
bunq
bunq 是欧洲数字银行，2012 年成立，持有荷兰银行牌照，面向数字游民和泛欧洲用户提供账户、支付、预算、储蓄和投资等服务。AWS 案例披露，bunq 用户超过 1,100 万，估值约 16.5 亿欧元，并计划继续向英国和美国扩展。 数字银行的客户服务压力与传统银行不同：用户增长快、服务渠道高度线上化、客户期望响应即时，同时还必须遵守 GDPR 等数据保护要求。随着用户从单一国家扩展到多个市场，客服问题会涉及多语言、跨境支付、账户安全、卡片、费用、身份验证和产品使用。仅依靠
披露摘要AWS 案例披露，bunq 的支持效率提升 3 倍，输出准确率约 90%。这些指标显示，生成式 AI 已经进入数字银行的核心运营效率体系，而不是只做实验或营销展示。 同时，bunq 的案例强调了安全与合规：其扩张依赖可扩展基础设施，同时需要保护欧洲用户数据并符合 GDPR。对银行学习者而言，这个案例的价值在于说明“AI 客服效率提升”必须与“云安全、数据保护、权限治理、监管要求”一起设计，不能把模型能力和银行控制体系割裂。
UC-145银行用例 ／ 运营提效
KB Life Insurance
KB Life Insurance 隶属于 KB Financial Group。保险金融机构的典型痛点是文档量大、流程复杂、跨部门协作频繁：产品、核保、理赔、合规、销售支持、客户沟通都依赖大量文档和会议。员工不仅要处理 Office 文档、邮件、会议纪要和报告，还要在严格监管环境下保证信息安全和合规。 Microsoft 案例披露，KB Life Insurance 于 2024 年 11 月全公司部署 Microsoft 365，经过约 6 个月试点后，于 2025 年
披露摘要Microsoft 案例披露，KB Life Insurance 是韩国金融机构中首个全组织部署 Microsoft 365 Copilot 的案例。该行把 Copilot 与集中化文档、智能 AI 工作场所和未来 Agent 路线图结合，意在让员工熟悉 AI 协作方式，并为后续业务智能体采用打基础。 虽然案例没有给出单一节省小时数指标，但它展示了金融机构大规模采用 Copilot 的关键前提：先统一协作与文档底座，再结合监管沙盒、安全控制、数据保护和组织培训，使 AI 成为日常工作方式的一部分，而不是零散试点。
UC-149银行用例 ／ 客户服务
SpareBank 1 Østlandet
SpareBank 1 Østlandet 是挪威储蓄银行，服务超过 49.6 万名客户。它从 2017 年开始与 boost.ai 合作，较早探索会话式 AI。随着客户越来越习惯数字服务，银行需要在网站和其他渠道提供更直观的服务入口，减少 FAQ 搜索和人工排队。 在受监管行业使用生成式 AI，主要障碍不是“能不能回答”，而是“能不能安全回答”。客户咨询可能涉及账户、贷款、保险、储蓄和个人情况；如果 AI 生成错误内容或让客户误以为是人工建议，会带来信任和合规风险。因此，S
披露摘要案例披露，Ida 自上线以来累计处理 230 万+ 客户对话，其中自 2024 年 12 月 1 日以来处理约 85,000 次。生成式 AI 已驱动 10% 的对话，超过 6,800 次。Ida 目前承接 28% 的全渠道客户咨询，自动化率 41%，已成为该行第二大服务渠道。 案例还强调成本和可扩展性：电话仍处理约 40% 咨询，但 Ida 以较低成本提供高容量服务，使人工顾问压力下降。内部 AI Trainer 的工作也发生变化，不再手工撰写大量新回答，而是把精力放在战略改进、质量和能力扩展上。
UC-151银行用例 ／ 运营提效
TymeX
TymeX 是 Tyme Group 的技术和产品开发中心，使命是构建可复制、可扩展的数字银行模式，服务欠服务和未充分服务人群。Tyme Group 在南非和菲律宾运营数字银行，客户约 1,200 万。对这种“数字银行工厂”而言，快速开发、跨市场复制、合规上线和安全运营是核心能力。 金融科技团队不仅要写代码，还要处理大量测试、部署、技术文档、合规设计和安全要求。随着新市场上线速度加快，传统人工开发和文档处理会成为瓶颈。TymeX 希望构建 AI-first 工程文化，让开发者
披露摘要AWS 案例披露，TymeX 开发者完成工作速度提升 40%，代码编写和测试时间减少 40%。测试效率提升 90%，原来需要 5 小时的单元测试工作可在 30 分钟完成，代码覆盖率达到 89%。AI 聊天机器人 Tymee 获得 77% 内部正向反馈。 案例还披露，AI 文档聊天功能可以在 10 秒内处理 100 页文档，支持合规软件设计。TymeX 第一家数字银行用了 3 年建成，第二家用了 18 个月，并预计第三个市场可在 9 个月内上线。这说明开发者 AI 不只是“写代码快一点”，而是可能改变数字银行复制和出海速度。
UC-152银行用例 ／ 运营提效
Mediobanca Group
Mediobanca Group 是意大利金融集团，其 2023-2026 年战略计划 “One Brand-One Culture” 将数字化和创新作为增长驱动。官方披露，到 2026 年集团计划投入 2.3 亿欧元用于创新，比上一个三年期增加约 25%。在财富管理、消费金融、企业与投行业务中，员工需要处理大量客户资料、销售准备、文档分析、审批和行政流程。 传统金融集团在 AI 落地中常见问题是：各业务实体流程不同、员工数字技能差异大、老系统和新云平台并存、AI 需要同时支
披露摘要该项目披露的核心指标是战略投入和已启动项目：2023-2026 年创新投资 2.3 亿欧元，约比前一周期高 25%；首批 AI 虚拟助手已用于财富管理和消费金融销售支持，行政领域已启动会计文档分析自动化。 该案例说明，集团型银行推进 AI 不一定从单一 KPI 开始，而是把 AI 与云转型、员工培训、销售赋能和后台自动化放进同一数字议程。对银行从业者而言，这是一种“集团级数字议程 + 业务线示范项目 + 员工能力建设”的路径。
UC-153银行用例 ／ 客户服务
KB Kookmin Bank
银行员工在面对客户咨询时，需要快速查找业务规章、操作指南、产品内容、服务规则和处理流程。传统员工聊天机器人多基于机器学习和意图分类，适合回答固定问题，但面对复杂咨询、组合问题或制度描述时，准确性和可用性有限。 KB Kookmin Bank 是韩国大型商业银行。官方披露，该行 2025 年 7 月开始运营员工在客户咨询过程中可使用的“生成式 AI 咨询聊天机器人”。该项目与韩国金融委员会 2024 年 11 月指定为创新金融服务的生成式 AI 金融咨询 Agent 有关，目标
披露摘要官方新闻稿披露，该行预期通过生成式 AI 提供业务规章、指引、产品内容和服务信息，使员工客户咨询能力更强、响应更迅速。银行还表示，服务升级后计划逐步扩展至客户 AI 咨询领域。 该案例的重要性在于，它是在监管创新服务框架下把生成式 AI 金融咨询 Agent 应用到真实银行咨询流程。对于银行来说，先用员工助手沉淀数据质量、知识边界和回答评估，再走向客户面对面，是一种风险更低的路线。