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
KBC Bank / KBC Insurance
银行集团往往同时经营银行和保险，理赔处理是非常适合 AI 的知识工作流。家庭责任险等案件需要处理事故报告、邮件、信函、第三方沟通和保单条款，理赔员要判断文件是否齐全、责任是否明确、是否需要补充信息。 KBC 的 AI Agents 4 Claims 不是让 AI 直接决定赔不赔，而是让 AI 把新案件准备成“可决策”状态，让理赔员专注于覆盖范围、责任和损害判断。这是金融场景中较清晰的“智能体准备、人工决策”模式。
2026 年 2 月 Qorus-NTT DATA Innovation in Insurance Awards 2026 案例披露。 面向家庭责任险理赔，目标是减少理赔员行政负担和长处理周期。 AI Agent 可抽取关键数据、识别缺失信息、生成沟通和摘要报告。 KBC 表示 2026 年将继续扩展到新能力和新产品，目标是减少理赔生命周期中的人工触点。
ING
按揭是银行最复杂、客户体验痛点最明显的零售流程之一。需求波峰、材料多、审批链条长、客户焦虑强，都会导致响应时间变慢。与此同时，大型银行还要维护大量遗留系统，迁移成本高、风险大、周期长。 ING 零售银行负责人在 2026 年访谈中明确提到，AI 已不再局限于运营效率，而可能让更多客户获得过去只服务高端客群的金融建议。其 Agentic AI 测试从按揭开始，同时覆盖对话式 AI、遗留系统迁移和竞品监控，体现了银行从单点助手走向工作流智能体。
2026 年 4 月 ING 官方新闻发布访谈。 Agentic AI 从按揭开始测试，并计划扩展到欧洲层面。 目标是在需求高峰中保持响应速度，同时推动更自然的客户交互。 遗留系统迁移 agents 处于 pilot 阶段，访谈称可将成本减半。 大语言模型用于监测竞争对手并持续审查，提高适应市场能力。
Lloyds Banking Group
银行 AI 规模化的瓶颈不只在模型，而在组织能力。几万名员工每天会遇到 HR 政策、福利、流程、系统使用和客户服务相关问题，如果全部依靠人工支持，响应慢且成本高；如果员工不会负责任使用 AI，工具也难以产生真实价值。 Lloyds Banking Group 在 2026 年披露，2025 年 GenAI 已创造约 5,000 万英镑价值，并预计 2026 年下一代 AI 再带来超过 1 亿英镑价值。除了客户财务助手、Athena、工程 Copilot 之外，AI HR As
2025 年 Lloyds 部署 50+ GenAI 解决方案。 2025 年 GenAI 为集团创造约 5,000 万英镑价值，2026 年预计新增超过 1 亿英镑价值。 AI HR Assistant 约 90% HR 查询首次正确解决。 集团计划为 67,000 名员工推出 AI Academy。 约 5,000 名工程师使用 AI 编码工具，既有系统代码转换效率提升 50%；Athena 由 20,000 名员工使用，平均搜索时间减少 66%。
Grupo Financiero Banorte
Banorte 的案例来自墨西哥银行零售信贷和信用卡申请中的高频、重复、强合规流程。客户在申请工资贷款、即时信用卡等产品时，需要提交身份证明、地址证明等材料；银行后台必须抽取文件信息、核验真实性，并与内部系统进行比对。传统做法依赖人工逐件查看，容易在高峰期形成积压，也会把运营人员长期困在机械性校验工作里。 这个场景的价值在于它不是“炫技型生成式 AI”，而是把 AI 与流程机器人放进真实银行运营链条，直接改造客户开户、授信、发卡和合同流程中的瓶颈。对于大型零售银行，文档验证速
Banorte 披露，该项目获得 SS&C Blue Prism Customer Excellence Awards 2025 区域奖项，被评为 Innovation Brilliance 类别的代表案例。银行披露，文档验证能力从人工分析师 1 至 1.5 小时处理约 100 个案例，提升到系统每小时可验证多达 500 个信贷或新卡案例。 运营指标改善非常具体：信贷和工资贷款申请中的文档审核时间下降 86.6%；此类申请自动审批率从 2022 年的 70% 提升至 2024 年的 91%；工资贷款拒绝率从 1.12% 降至 0.2%。银行也强调，项目释放了员工在机械任务上的时间，使其转向更具分析性、战略性和创新性的工作。
Bank of China (Hong Kong)（中银香港）
香港银行业同时面临两个方向的数字化压力：一方面，客户希望手机银行和线上渠道能够提供更自然、更个性化、更具语言适配能力的服务；另一方面，深度伪造、伪造文件、伪造生物特征等新型欺诈正在提高数字开户、贷款审批和远程身份核验的风险。 中银香港在金管局 GenA.I. 沙盒首轮中同时测试“数字人助理”和防欺诈解决方案，代表了一个很重要的趋势：银行不再只把 GenAI 用作问答机器人，也把多模态 AI 用于视频、图像、语音、文件和身份风险控制。对于跨境和东南亚区域化服务，语言、多渠道和安
中银香港披露，首轮 GenA.I. 沙盒测试取得积极反馈，超过半数参与测试的客户及员工受访者表示期待“数字人助理”进一步扩展应用范围。这说明数字人不只是展示型技术，如果能和真实知识库、语言能力及安全控制结合，客户和员工对扩展使用存在需求。 官方材料还显示，中银香港将在第二轮沙盒中继续深化 GenA.I. 技术应用，结合内外部数据与智能语音交互技术进一步优化客户服务体验，并通过强化 AI 安全防护机制提升银发族使用数码理财的信心。首轮测试成果成为第二轮财富管理和风险管理扩展的基础。
Bank of East Asia + CLPS
很多银行已经部署 RPA，但传统 RPA 面临两个典型问题：一是流程设计和维护依赖技术人员，业务人员难以自建；二是自动化流程一旦增多，合规要求、流程变更、异常监控和运行风险会变得复杂。生成式 AI 让银行有机会把“写流程、查规则、监控运行、解释异常”这些工作智能化。 Bank of East Asia 在金管局第二期 GenA.I. 沙盒中与 CLPS 合作测试 Nibot，目标是把 GenAI 与 RPA 结合，提升银行运营效率，同时主动管理风险。这个案例的特点是，它不只做
该项目于 2025 年 10 月入选金管局第二期 GenA.I. 沙盒，作为提升运营效率和风险管理的 PoC。BEA 披露，该方案旨在精简工作流、提升效率并主动管理风险；通过 BEAST 金融科技协作平台，银行将自身业务经验与 CLPS 技术能力结合，探索新一代智能风控与运营自动化模式。 虽然公开材料尚未披露量化节省时间，但它展示了银行 RPA 从“脚本自动化”走向“AI 辅助流程工程”的方向。对于已经有大量机器人流程的银行，后续价值可能来自流程开发周期缩短、控制点一致性提高、运行异常更早发现，以及业务用户参与自动化创新的门槛降低。
China Construction Bank (Asia)
银行客户在寻找产品和服务时，经常遇到信息过载、回答不一致和缺乏个性化的问题。尤其在全功能商业银行中，零售、商业、企业、跨境、绿色金融等产品线复杂，客户和前线人员都需要更准确、更快速的服务入口。传统搜索和固定菜单很难理解自然语言意图，也很难根据客户特征生成合适回应。 建行（亚洲）在金管局第一期 GenA.I. 沙盒中测试 Smart Engage，并在第二期继续以 Smart RM Assistant 探索客户经理辅助。这个案例把客户自助问答和客户经理经营连接起来：前者解决客户
建行（亚洲）披露，第一期沙盒成功验证了 GenA.I. 在优化服务流程、增强个性化交互和提升服务体验方面的应用效能。验证结果显示，通过高质量数据驱动、高效技术适配、灵活模型分层和混合合规架构，GenA.I. 可在银行业实现精准回应、快速迭代与安全扩展，有效提升客户体验。 该用例还在金管局公众展览上展示，并为第二期 Smart RM Assistant 积累经验。第二期重点将从“客户问答”延伸到“关系经理经营”，聚焦客户关系管理痛点，用 AI 提升客户服务质量和服务连续性。
Shanghai Commercial Bank
财富管理和企业客户服务都依赖客户经理的知识、经验和实时判断。客户经理需要理解客户档案、通话记录、现有投资、产品知识、市场趋势和资产配置逻辑，再把这些信息转化成下一步沟通和理财策略。传统方式下，信息分散在不同系统和文档中，客户经理很难在短时间内形成完整观点。 上海商业银行入选金管局第二期 GenA.I. 沙盒的方案，正是围绕客户经理知识中枢和多智能体协作展开。它不是简单做一个问答机器人，而是把知识中心设计成虚拟理财助理，帮助客户经理识别客户需求、生成市场和资产配置观点，并给出个
官方材料披露，该方案预计可显著提高客户经理工作效率，通过实时洞察增强对客户需求的识别能力，并为财富管理、跨境金融等场景的智能化转型奠定技术基础。虽然项目处于沙盒入选和测试阶段，但目标已经明确指向客户经理效率、需求识别和精准理财策略。 这个案例的可学习之处在于：银行把生成式 AI 放在“客户经理决策前的知识融合和建议生成”位置，而不是直接面对客户做复杂投资建议。这样既能提升一线效率，也更容易保留人工专业判断和合规审查。
Fubon Bank (Hong Kong)
手机银行已经成为客户使用银行服务的核心入口，但许多客户仍然需要在菜单、产品页面、优惠说明和安全提示之间切换。对于不熟悉数字渠道的客户，复杂导航会降低服务可及性；对于银行，手机银行既要更个性化，也要更安全，尤其需要在诈骗高发环境下让客户获得及时提醒。 富邦银行（香港）入选金管局第二期 GenA.I. 沙盒，计划与阿里云、蚂蚁数科和微投智控探索一款 AI 助理，打造更个性化、安全且具互动性的手机银行体验。这个案例适合观察中小型银行如何借助沙盒和技术伙伴，把 GenAI 能力嵌入移
公开材料披露，富邦银行通过第二期 GenA.I. 沙盒探索该 AI 助理，目标是提升手机银行个性化、安全性与互动性，并促进普惠金融。项目仍处于沙盒探索阶段，尚未披露量化指标，但已经明确把客户体验、可及性和诈骗防护作为三类核心价值。 该案例的行业意义在于，移动银行 AI 助理不应只追求更像聊天机器人，而要嵌入风险意识：当客户操作可能涉及诈骗、异常转账或不适当产品选择时，AI 应能主动调整提示和安全控制，而不是一味追求流程顺滑。
PAObank + OneConnect Financial Technology
深度伪造正在改变数字银行的身份核验风险。过去银行主要防范证件伪造、盗用资料、设备异常和黑产脚本；现在攻击者可以用换脸、合成视频、AI 生成图像和接口注入方式欺骗远程开户、贷款申请和交易认证流程。数字银行没有线下网点缓冲，因此更依赖实时、高准确率的线上识别能力。 PAObank 与 OneConnect 入选金管局第二期 GenA.I. 沙盒，聚焦深度伪造欺诈检测。这个案例的价值在于，它把 AI 用于对抗 AI：用更强的视觉识别、活体检测、设备风险和文件核验能力，防御生成式 A
公开材料披露，OneConnect 的方案在反深度伪造类别中防御成功率达到 99%。截至 2025 年中，OneConnect 服务 21 个国家和地区的 214 家企业，并成为香港超过半数传统零售银行可信赖的 eKYC 和反欺诈合作伙伴。 PAObank 表示，参与沙盒将帮助其提升风险管理、强化欺诈调查和客户保护能力，并把经验分享给行业，支持 GenA.I. 技术在银行业更广泛、负责任地采用。该案例也体现了数字银行依托集团科技能力和外部科技伙伴构建防诈能力的路径。
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。
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。
First Abu Dhabi Bank + Presight + Microsoft
大型银行在 AI 落地中经常遇到“试点很多、上线很少”的问题。业务团队知道痛点，但不了解 AI 能力；技术团队懂模型和平台，但不一定熟悉每条业务线的真实流程。要从概念走向实际价值，银行需要一种机制让业务、技术和合作伙伴围绕明确问题快速共创、评估和筛选方案。 First Abu Dhabi Bank 在 2026 年与 Presight 合作、Microsoft 支持下举办 AI Agentathon，体现中东大型银行从 AI 试点转向企业级落地的组织方法。它不是单个产品，而是
FAB 披露，Agentathon 形成的方案概念将为未来银行 AI 项目和企业用例提供参考，支持长期数字化转型议程。它帮助银行通过动手协作更快开发和验证 AI 方案，推动从试点倡议走向实际影响。 公开资料未给出具体财务节省，但展示了一个重要管理指标：AI 用例不应仅由创新部门单独提出，而应通过业务挑战、跨职能团队、技术伙伴和评审机制共同筛选。这样能提高用例与真实业务优先级的贴合度。
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 ↗。