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
Bank Mandiri + AI Rudder
零售催收与贷后恢复是强运营、强合规、强客户体验约束的流程。传统大规模催收依赖人工外呼、名单分配、脚本执行和事后质检，容易出现效率波动、合规不一致、客户触达慢和管理不可视。 Bank Mandiri 与 AI Rudder 的合作把 AI 视为任务关键型运营解决方案，而不是试点。目标是把大规模催收转为结构化、可问责、AI 驱动的工作流，在提高效率的同时保证法律合规和运营透明。
官方披露，该合作直接强化 Bank Mandiri 的催收流程，带来更高效率、更快客户互动和更有纪律的合规执行。Bank Mandiri RCR 团队表示，合作成功把大规模 billing workflow 转化为合法合规的 AI-powered system。 AI Rudder 还披露其服务覆盖 22 个国家、支持 20 种语言、服务 500 多家企业客户。这说明面向催收、客服、提醒等语音运营场景，AI 供应商的多语言和跨市场治理能力也成为银行选择的重要因素。
Commerzbank
移动银行已经成为零售客户处理日常金融事务的主入口，但传统 App 菜单和规则式机器人仍然要求客户理解银行产品结构、找到正确入口、按固定路径点击。对于账户模型、信用卡、交易操作、密码、限额等问题，客户往往需要在 App、网页 FAQ、电话客服之间切换。 Commerzbank 推出 Ava 的重点不是简单增加一个聊天窗口，而是把“银行 App 内自然语言服务”做成更接近真人互动的形态。Avatar 让客户看到一个可对话的虚拟形象，同时保留银行级安全、身份认证和监管约束，适合学习
2025 年 4 月宣布推出，面向 Commerzbank banking app 用户逐步开放。 官方称其为德国较早将生成式 AI 与 Avatar 技术结合到客户银行应用中的案例。 Ava 提供 7×24 即时支持，目标是减少等待时间，让日常银行事务更快、更简单、更便利。 开发过程中考虑了高安全标准和与人工智能相关的监管要求。
La Banque Postale + Mistral AI
欧洲银行在部署生成式 AI 时面临两个并行目标：一方面要获得高性能大语言模型带来的效率提升，另一方面要满足银行数据安全、监管、国家数字主权和供应链可控要求。尤其是客户数据、内部流程、支付和保险资料，不能简单交给不可控外部环境处理。 La Banque Postale 与 Mistral AI 的三年合作体现了“模型公司 + 银行本地基础设施 + 嵌入式工程团队”的新模式。它不是一次工具采购，而是把生成式 AI 平台放到银行自身技术体系中，让员工、业务部门和未来客户场景都能在主
2026 年 5 月宣布三年战略合作。 Mistral AI 模型将部署在 La Banque Postale 的服务器和数据中心。 专属 Mistral AI 团队将与银行开发团队协作。 目标覆盖员工、业务部门和客户场景，并兼顾经济绩效与国家主权要求。
LHV Bank + Gradient Labs
银行客服邮件是典型的“低结构、高责任”流程。客户问题可能涉及账户、卡片、收费、产品、投诉、身份核验和监管时限，处理慢会影响体验，处理不一致又会带来合规风险。相比在线聊天，邮件往往包含更长上下文、附件、历史沟通和多轮处理记录。 LHV Bank 选择从邮件客服测试 Agentic AI，说明银行智能体落地并不一定从最炫的客户前端开始，而是可以从后台支持、草拟回复、分类、信息提取和处理建议切入。这个场景适合学习“智能体可自主规划，但最终责任仍在人”的银行实践。
2026 年 3-4 月公开披露 PoC。 场景聚焦零售客户服务中的邮件问询。 试验强调 explainability、auditability、clear accountability 和 human oversight。 PoC 结果将用于形成 LHV Bank 未来 AI 客服方法和高级 AI 系统内部框架。
Banco Santander + Mastercard
AI 智能体商务的关键问题不是“AI 能不能帮客户挑商品”，而是“AI 能否在客户授权下真正完成支付”。一旦智能体可以代表用户付款，银行和支付网络就必须重新定义同意、限额、凭证、商户识别、争议处理和责任分配。 Santander 与 Mastercard 的案例重要性在于，它不是沙盘推演，而是在受控环境中使用 Santander 实时支付基础设施完成端到端交易验证。它把智能体支付从概念带到银行真实支付链路验证阶段。
2026 年 3 月宣布完成欧洲首个由 AI agent 执行的实时端到端支付。 交易在 Santander 受监管支付框架内完成。 使用 Santander 实时支付基础设施验证真实运营和控制框架。 当前仍是试点，不构成商业化全面上线；后续将进入扩展测试和规模化探索。
Banca Transilvania Group
移动钱包和银行 App 功能越来越多，客户常见问题不再只是余额和转账，而是“某个功能在哪里、产品如何申请、费用怎么计算、BT Pay 或 BT Go 如何操作”。如果这些问题都进入电话中心，会造成高峰拥堵和重复人工劳动。 Banca Transilvania 的做法是把 AI 同时放到客户外部渠道和员工内部工作中。客户侧用 Chat BT 与 AI Search 降低查找成本，员工侧用 Copilot 和 Contact Center AI 提升处理效率，形成“客户自助 +
2025 年 1 月 Chat BT 在 BT Pay 推出。 2025 年有 130 万+ 人通过集成 AI 的外部沟通渠道与 BT Group 互动。 550,000 人使用 AI Search，较 2024 年增长 28%。 Chat BT 在 2025 年有 700,000+ 用户和 150 万次互动。 80% 用户通过 AI Search 找到所需信息，仅 20% 继续联系 Contact Center & Customer Care。 内部 Copilot 许可用户使用率超过 90%，80%+ 用户认为工具改善工作质量，内部调查估计每天节省 1-2 小时。
Banco do Brasil + IBM + EY
当银行只有几个 AI 试点时，治理可以依靠项目评审和人工文档；但当 AI 进入数百个生产用例、服务上千万客户时，风险就变成体系问题。模型是否公平、可解释、合规、可追溯，已经不是数据科学团队内部问题，而是银行信任和公共责任问题。 Banco do Brasil 是拉丁美洲历史最悠久的大型银行之一，IBM 案例披露其拥有 80 百万+ 客户和数百个生产 AI 用例。作为公共金融机构，它需要在创新、监管义务和公众期望之间建立可证明的 AI 治理体系。
IBM 案例披露 Banco do Brasil 拥有数百个生产 AI 用例和 80 百万+ 客户。 项目目标是用统一 AI 治理系统支持责任、透明和规模化 AI。 关注公平性、可解释性、合规性、监管证据和制度化监督。 Banco do Brasil AI 负责人公开表示 AI 不替代人，而是通过自动化释放人的潜力，但前提是有正确结构、文化和治理。
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
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。
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
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。
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。
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。
Yapı Kredi
银行分行销售目标管理经常面临两个难题：目标不公平和过程不可视。不同地区、客户基础、产品成熟度和员工能力差异很大，如果统一下达指标，容易引发争议；如果只到月底看结果，又很难及时纠偏。 Yapı Kredi 的案例把 200+ AI 模型、绩效跟踪和生成式 AI 教练放到一个分行销售管理场景中，体现了 AI 从“客户推荐”扩展到“组织管理与员工 coaching”的趋势。
2026 年 4 月 Qorus-Infosys Finacle Banking Innovation Awards 2026 案例披露。 官方摘要称 200+ AI 模型设定公平目标，一个屏幕替代四个屏幕。 披露结果包括 1,200 万美元收入增长、80%+ 活跃采用率、目标争议减少 80%。 生成式 AI coach 用于指导每位分行员工每日工作。
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。
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。
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 ↗。