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 33 条 · 语音／多模态
清除筛选开源社区
InvOCR 是一个面向发票、收据和金融文档的 OCR 处理系统，支持 PDF、PNG、JPG、TIFF 等输入，并能输出 JSON、XML、HTML、PDF 等格式。它提供 FastAPI 服务、CLI 工具、Docker 部署、多语言 OCR、表格抽取、签名检测和格式转换能力。 与单纯的 OCR demo 不同，InvOCR 更像一个企业级文档处理后端：它不仅把图片转文字，还试图完成“文档 → 结构化数据 → 标准格式”的完整转换。对金融场景来说，这类能力可以用于发票报销
发票/收据/金融文档 OCR 处理系统
DBS
呼叫中心坐席需要边听客户问题、边检索知识库、边操作系统、边记录工单。重复劳动多，培训成本高，新员工很难快速达到熟练坐席水平。
面向新加坡 500 多名客服人员。 预计通话处理时长最多降低 20%。 试点中转写和解答准确性接近 100%。 近 90% 参与试点的客服认为该工具对工作流有正面影响。 DBS 还计划在 12 个月内推广到中国台湾和中国香港等市场。
OCBC
银行日常工作中存在大量写作、研究、代码、文档摘要、通话记录和内部知识查询任务。若每个团队单独开发工具，容易重复建设，也难以统一治理。
OCBC 每天约 600 万个决策由 AI 支持。 已有 300+ AI 用例。 部分生成式 AI 工具将生产率最高提升 50%。
Santander
大型银行的 AI 转型不再只是单点自动化，而是把数据、模型、流程、员工工具和客户互动统一纳入经营体系。Santander 把目标定义为成为“AI-native bank”，强调每个决策、流程和互动都由可信数据和智能技术支持。
2024 年 AI 项目已产生超过 2 亿欧元节省。 AI 副驾驶支持超过 40% 的联系中心互动。 西班牙 Speech Analytics 每年处理 1,000 万通语音电话，自动填充 CRM，并每年释放超过 100,000 小时用于更高价值工作。 两个月内向欧洲和美洲近 15,000 名员工部署 ChatGPT Enterprise，并计划年底达到 30,000 名用户，约覆盖 15% 员工。
Westpac
诈骗受害者在给银行打电话时，可能已经处在高压、紧张或被诈骗分子远程教唆的状态。坐席必须快速识别线索、提出正确问题，并阻止客户继续转账。
来源未单独披露量化效果；查看完整拆解了解适用条件。
SMBC Group / Sumitomo Mitsui Banking Corporation
生成式 AI 在企业内部推广时，银行最担心的是信息泄露、错误回答和员工误用。SMBC 在日本大型银行集团中较早开发并推出自有 AI 助手，其重点不是简单接入 ChatGPT，而是在银行私有网络内创建可控工具。 该案例很适合学习“先建安全环境，再通过高频使用推动组织学习”的路径。SMBC 用很短时间完成系统开发，但把大量时间用于规则和治理设计。
SMBC 披露，SMBC-GAI 开发和规则设计历时 4 个月，其中实际开发只用了数日，更多时间用于规则建设。发布后，使用量从每日约 6,000 次增长到约 12,000 次，相当于约每 2 秒使用一次。
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。
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。
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。
邮储银行
邮储银行具有覆盖广、客户多、下沉市场深的特点，三农、信用卡、票据、投行、反欺诈和反洗钱等场景都存在高频、复杂、人工成本高的问题。尤其在审贷和风险监测中，图像、文本、交易流水和关系网络信息量巨大，传统人工处理难以兼顾效率与质量。 邮储银行的“邮智”大模型展示了银行如何吸收多款主流大模型并落地到 230 多个场景。它的特色不是只做聊天，而是把大模型、交易机器人、图像识别、实时流计算、知识图谱和反洗钱报告自动生成结合起来。
披露效果非常具体：邮小宝使询价交易效率提升 95% 以上；智能审贷助手每天支持三农、信用卡等信审场景超 3 万笔业务；2025 年上半年反欺诈体系累计保护潜在受害账户逾 10 万户，防止客户资金损失超 8 亿元。 反洗钱方面，邮储银行每日加工约 1.27 亿笔交易流水数据，构建近百个可疑预警模型，并实现可疑分析报告自动化生成，有效呈现团伙洗钱证据链，帮助人工甄别效率提升 30%。
建设银行
国有大型银行业务线极广，既有网点服务、零售客户经理、普惠金融、财富管理，也有对公授信、国际结算、托管、研发测试和运营支持。AI 如果只在单点使用，很难改变整体效率；只有嵌入员工日常工作流和核心审批流程，才可能释放规模化价值。 建设银行披露的大模型 398 个场景，适合观察“人 + 数字员工”的协同模式。它不是把人替换掉，而是让柜面员工、客户经理、审批人员、研发人员都获得垂直智能体或助手，把重复性文案、信息检索、政策比对、单据识别和测试生成交给 AI。
建设银行大模型技术累计赋能 398 个场景应用。网点员工问题响应 AI 助手覆盖率达到 99.42%，日均访问量超过 10 万人次。授信审批全流程 AI 应用可在 1 分钟内生成包括 5 大模块的评级审查意见初稿，自动撰写十余页审查意见初稿，最高生成比例达 90%。 该授信审批功能已在境内外广泛应用，月均生成超过 5 万份，覆盖对公客户超过 11.3 万户；2025 年人工审批业务量同比实现两位数增长，审批平均净用时下降超过 30%。另据披露，建行通过 500 项智能判断应用实现信用证自动核查，AI 代码生成率贡献达到 64%，功能测试案例采纳率达到 48%。
Starling Bank + Google Cloud
个人客户普遍希望知道“钱花到哪里去了”，但传统手机银行的支出分析多依赖分类图表和筛选器。客户需要自己切换时间、商户、类别，门槛并不低。生成式 AI 的价值在于让客户直接用自然语言提问，例如“上周我在食品杂货上花了多少钱？”或“去年我捐了多少慈善款？” Starling 是数字原生银行，其案例展示了客户侧 AI 可以从低风险、只读、强价值的消费洞察切入。该类场景不直接发起交易或推荐高风险产品，但能明显提高客户理解自身财务的能力。
Starling 官方称，这是英国银行业首次让客户在 App 内用 AI 和自然语言直接与自己的消费数据互动。该工具是 Starling 客户侧 AI 战略的第一阶段，并与其“Good with money”使命结合。 Google Cloud 案例披露，Starling 通过 Gemini 和 Google Cloud 创建了直观的 Spending Intelligence 工具；同时，Starling 使用 Gemini 自动总结客户服务电话记录，每月节省 8,000 小时，并在帮助中心提供即时准确答案，使客户服务转介减少 50%。
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 ↗。