UC-038银行用例 / 平台治理
BNY
银行做 AI 规模化时,最大挑战往往不是模型本身,而是如何让全员安全使用、如何让非工程员工也能参与创新、如何避免不同部门重复建设孤岛工具。BNY 的思路是把 AI 做成企业平台,而不是把 AI 分散成一个个部门小工具。 BNY 将其企业 AI 平台命名为 Eliza。这个命名来自 BNY 创始人 Alexander Hamilton 的妻子 Eliza,体现其把平台视为核心资产的定位。该案例适合学习“平台化 + 全民采用 + 强治理”的银行 AI 路线。
披露摘要BNY 披露,近乎所有员工已经接受企业 AI 平台 Eliza 的使用培训;多数 AI builders 已经来自工程团队之外。这说明平台不只是技术团队工具,而正在成为全行员工参与流程优化和智能体建设的入口。
UC-039银行用例 / 财富投研
Morgan Stanley
投行、销售交易和研究人员每天需要从大量研究报告、行业观点、评级变化和市场数据中快速抽取结论。传统检索能找到文档,但不一定能把多个报告中的非结构化信息综合成可直接用于客户沟通的洞察。 Morgan Stanley Research 每年发布超过 70,000 份专有研究报告。对机构业务来说,如何把这些高质量研究资产转化为更快、更深入、更一致的客户服务能力,是典型的 AI 价值场景。
披露摘要Morgan Stanley 披露,该工具可覆盖每年 70,000+ 份专有研究报告,目标是让员工更全面、更深入地掌握最新研究信息,从而更有效地服务机构客户。
UC-040银行用例 / 客户服务
Wells Fargo
移动银行已经成为客户办理日常金融事务的主入口。客户希望在 App 内用自然语言完成转账、缴费、查询路由号、查看余额和理解消费情况,而不是在多个菜单中寻找入口。 Wells Fargo 的 Fargo 案例代表了“客户直接使用型 AI 助手”的规模化运营形态。它不是内部坐席助手,而是嵌入移动银行 App,直接服务大量客户的日常金融需求。
披露摘要Wells Fargo 披露,Fargo 自 2023 年推出以来不到三年已支持超过 10 亿次客户互动。该行 2026 年披露移动活跃用户超过 3,300 万,App Store 评分 4.9,评价数超过 1,000 万。超过 300 万西语客户使用 Fargo,产生超过 1.6 亿次互动。
UC-041银行用例 / 营销经营
CaixaBank
客户在银行网站或 App 上申请贷款、储蓄、保险等产品时,经常会在费率、期限、材料、资格、下一步操作上产生疑问。传统页面说明难以覆盖所有上下文,人工客服又会增加等待和运营成本。 CaixaBank 的案例关注“签约前引导”而不是让 AI 完成最终签约。它把 AI Agent 放在客户数字对话的第一入口,帮助客户理解产品、完成申请流程前半段,并在关键环节交给人工经理。
披露摘要CaixaBank 披露,该 AI Agent 将覆盖约 40 类金融产品,平均每月处理约 6,000 次对话。银行称其为西班牙首家在数字渠道所有客户对话中部署这类生成式 AI 解决方案的金融机构。
UC-042银行用例 / 客户服务
KBC Group
零售银行数字助理如果只做问答,价值通常有限。真正能改变体验的是把“客户主动发问”和“银行主动提醒”结合起来,在合适时间提示客户完成续保、节省费用、处理风险或购买合适产品。 KBC 的 Kate 是欧洲银行数字助理的典型案例,已经运行多年,并在 2025 年继续强化生成式智能。它适合学习从早期聊天助手演进到主动经营入口的路径。
披露摘要KBC 早期披露,Kate 上线 6 个月已产生约 235.75 万次对话,30% 对话带来进一步行动。2025 年案例材料披露,Kate 每月处理 60 万+ 查询、发送 130 万+ 主动提醒。公开资料还显示 Kate 已成为覆盖多国、数百万客户和约 8,000 万次对话的核心数字助理。
UC-043银行用例 / 客户服务
BMO
银行前线员工需要在大量政策、流程、作业指南和操作手册之间查找答案。政策越细、产品越多、渠道越复杂,员工越容易把时间花在搜索和确认上,而不是服务客户。 BMO 的 Lumi Assistant 聚焦加拿大 Personal & Business Banking 的政策与流程支持。这个案例说明,银行 AI 不一定一开始就面向客户,先帮助员工更快找到正确政策,也能改善客户体验。
披露摘要BMO 披露,Lumi 获得 The Digital Banker “Best Use of Gen AI for Customer Experience – Canada”和 Global Finance “Top Innovation in Finance – North America”等奖项。银行称该工具帮助前线团队更快获得政策、流程和资源,减少搜索时间,把更多时间用于服务客户。
UC-044银行用例 / 运营提效
CIBC
银行员工对生成式 AI 的需求很分散:有人需要润色邮件,有人要起草报告,有人要准备演示,有人要编码辅助或会议支持。如果完全依赖外部通用工具,银行会面对数据治理、使用不可控和供应商风险。 CIBC 选择自研企业 GenAI 工具 CAI,重点是让员工在受控环境中使用生成式 AI,同时保留对数据治理、使用模式和组织培训的掌控。
披露摘要CIBC 披露,CAI 从 500 人试点开始,8 个月内增长到超过 7,500 名用户。员工在多种岗位中将其用于沟通增强、报告起草、演示准备、编码帮助和会后支持。
UC-045银行用例 / 运营提效
CIBC
银行客户经理和运营团队每天面对大量产品资料、流程说明、客户文件、扫描件和非结构化文本。传统流程依赖人工查找、复制、录入和判断,效率低且容易产生遗漏。 CIBC 公开列举了多个 2025 年生产级 AI 用例,其中 Knowledge Central AI 面向客户一线团队,Document Ingestion 面向运营团队,展示了“知识检索 + 文档理解 + 运营流程自动化”的组合路径。
披露摘要CIBC 披露,相关用例已在 2025 年生产中运行。其反欺诈能力每月监测约 2.5 亿笔客户交易,使用包括 XGBoost 和神经网络在内的多种 AI 模型来识别和缓释潜在欺诈。
UC-046银行用例 / 客户服务
TD Bank Group
联系中心坐席需要快速回答客户关于日常银行业务的问题,例如海外丢失借记卡、开户、TFSA、GIC 等。如果坐席要打开多个系统和几十个标签页查找政策流程,客户等待时间会增加,也容易发生转接。 TD 的案例聚焦坐席辅助,而不是让 AI 直接替代人工客服。它通过内部政策和流程知识管理,让坐席在通话中快速得到可验证答案。
披露摘要TD 披露,该虚拟助手先在 2024 年初小范围推出,试点对象包括熟悉复杂问题的 resource agents。试点中通话等待时间降低 15%。到 2025 年,该工具已有 1,000+ 联系中心代表每日使用。
UC-047银行用例 / 财富投研
TD Bank Group
财富管理客户期望获得快速、准确、个性化的建议,但财富条线内部政策、流程、产品要求和客户服务规范复杂。顾问和员工如果需要在多个系统中查找信息,会影响服务速度和客户关系维护。 TD Wealth Virtual Assistant 是财富条线专门的 GenAI Knowledge Management System,说明银行正在从通用联系中心助手向业务线专属助手扩展。
披露摘要TD 披露,Wealth Virtual Assistant 是 TD 更快、更简单数字体验战略的一部分,也是该行计划在年底前跨多个业务线部署的 7 个虚拟助手之一。它建立在 TD 大规模数据记录迁移到安全云平台的基础上。
UC-048银行用例 / 财富投研
Vanguard
财务顾问不仅是投资专家,也承担教育者、行为教练和规划者角色。顾问需要把市场观点转化为客户能理解、愿意阅读、适合其人生阶段和金融知识水平的沟通内容。 这类工作耗时但高度影响客户关系。Vanguard 的案例显示,生成式 AI 可以服务于“顾问—客户沟通”中间层:不是替顾问做投资决策,而是帮助顾问把可信研究内容转化为可发送、可解释、带披露语的客户材料。
披露摘要Vanguard 披露,其 Financial Advisor Services 服务超过 50,000 家顾问公司和 150,000 名顾问。该能力是 Vanguard 首个 client-facing GenAI capability,目标是帮助顾问更高效地进行个性化、可行动的客户沟通。
UC-049银行用例 / 运营提效
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。
披露摘要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。