UC-026银行用例 ／ 平台治理
Scotiabank
统一企业 AI 能力与数据伦理治理
当 AI 从试点进入全行使用，银行需要统一能力、平台、治理和员工使用方式。否则容易出现重复建设、模型风险不一致、数据伦理缺失和工具碎片化。
披露摘要
来源未单独披露量化效果；查看完整拆解了解适用条件。
SeekingDAO
正在打开页面
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。
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 462 条
Scotiabank
当 AI 从试点进入全行使用，银行需要统一能力、平台、治理和员工使用方式。否则容易出现重复建设、模型风险不一致、数据伦理缺失和工具碎片化。
来源未单独披露量化效果；查看完整拆解了解适用条件。
TD Securities
机构销售、交易和研究人员每天需要快速回答客户关于市场、行业、证券、历史数据和研究观点的问题。信息分散在研究文档、历史数据和内部数据库中。
来源未单独披露量化效果；查看完整拆解了解适用条件。
Capital One
购车是高价值、低频、信息复杂的金融相关场景。客户要比较车型、价格、库存、贷款选择和试驾安排；经销商希望更高效地连接潜在买家。
来源未单独披露量化效果；查看完整拆解了解适用条件。
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。
NAB
客户希望银行理解自己的具体需求，而不是只按账户或产品标签推送统一信息。银行需要在 App、电话、网点等渠道保持一致的个性化体验。
每月帮助指导 5,000 万+ 次互动。 使用约 2,000 个数据点理解客户关注事项。 当 Customer Brain 提醒客户某项行动时，客户参与度提升 40%。 公开材料还提到，其底层包含 2,000+ 自适应模型、1,200 个数据点和 220 个下一最佳行动。
National Australia Bank（NAB）
大型银行拥有数百个应用、数百万行代码和跨地域开发团队。开发人员大量时间被会议、计划、遗留 Java 维护、合规任务占用，真正编码时间有限。
NAB 服务 1,000 万+ 客户。 拥有 3,000+ 开发者，分布在澳大利亚、印度和越南。 生产率提升 18%。 40% 生产代码来自 AI 生成建议，而不是完全手工输入。 当前约 1,000 名开发者使用，并计划扩展到整个开发团队。
UBS
财富管理客户顾问要面对海量投资观点、产品文档、市场信息和内部知识。客户期望顾问能快速给出个性化、准确、及时的回应。
UBS 把约 60,000 份投资建议和产品文档数字化为可查询知识库。 顾问可更容易访问这些资料，用于会议准备和研究。 UBS Red 从特定用例发展为数据平台现代化的催化剂。
SEB
私人银行客户关系周期长、信息密度高。顾问每次会议后都要记录客户需求、兴趣、优先事项和后续跟进。如果顾问更换或团队协作不顺，客户关系连续性会受影响。
2026 年 SEB 因该工具获得 PWM Wealth Tech Awards “Best Private Bank for Use of AI”。 Sensaia 已在 Private Wealth Management & Family Office 业务内全面实施。 现在该工具被该业务内所有顾问使用。 顾问每次通话可节省显著时间，并释放更多时间用于客户会议。
ANZ
商业与机构银行客户经理需要及时回答市场相关问题，整合研究、新闻、数据和复杂知识导航。传统检索工具难以同时平衡速度、准确性、个性化和安全。
来源未单独披露量化效果；查看完整拆解了解适用条件。
Westpac
大型银行员工日常工作包含大量会议、邮件、文档、内部问答和流程操作。通用办公 AI 如果集中部署并配套培训，可成为全行效率基础设施。
面向 35,000 名员工及承包商、服务提供商开放 AI 助手。 这是亚太金融服务领域最大规模的 Copilot 部署之一。 此前在澳大利亚完成 15,000 名员工试点，帮助改善业务成果并释放时间。
TD Bank Group
银行工程团队既要快速交付，又要保证安全、可维护和合规。单元测试、代码解释、安全建议和重复开发任务适合用生成式 AI 辅助。
2023 年 9 月至 12 月，TD 在部分工程师中测试 GitHub Copilot。调研结果显示： 50% 受访工程师认为 Copilot 可在两周 sprint 中节省最多 20 小时。 93% 受访数据工程师表示在 Copilot 帮助下同样或更高效。 75% 受访工程师认为 Copilot 容易融入日常工作。
Citi
大型银行的员工日常工作常常横跨多个系统：内部通讯录、项目管理工具、文档库、网页信息、数据分析环境和审批流程。传统 AI 聊天工具可以帮助起草或总结，但员工仍然需要自己拆解任务、复制信息、切换系统、汇总结论。 Citi 的重点不是只把 AI 当成“写作工具”，而是把它推进到“可完成复杂目标的工作台”。这类场景特别适合研究银行下一阶段智能体落地：AI 不再只回答单个问题，而是连接内部系统、执行多步骤研究和分析，帮助员工把更多时间放到判断、沟通和客户价值上。
Citi 披露，新版本的目标是让员工更快、更高效、更有洞察地处理复杂工作，减少手工任务，把精力转向更战略性的业务工作。该项目也被 Citi 定位为技术创新战略的重要步骤，强调“更智能、更连接”的工具体系。
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：2026/11/15（香港时间）。当前来源修订：06778e55 ↗。