FSK-113Skill 工作流 ／ 运营提效
客户运营、账户流程与后台作业
account-transfers
这一类覆盖账户开立、账户维护、转托管、公司行为、对账、直通处理和工作流自动化。它与银行柜面、运营、托管、清算和客户服务后台高度相关。
工作流主题
客户运营、账户流程与后台作业
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 122 条 · 人工复核
清除筛选客户运营、账户流程与后台作业
这一类覆盖账户开立、账户维护、转托管、公司行为、对账、直通处理和工作流自动化。它与银行柜面、运营、托管、清算和客户服务后台高度相关。
客户运营、账户流程与后台作业
客户运营、账户流程与后台作业
这一类覆盖账户开立、账户维护、转托管、公司行为、对账、直通处理和工作流自动化。它与银行柜面、运营、托管、清算和客户服务后台高度相关。
客户运营、账户流程与后台作业
客户运营、账户流程与后台作业
这一类覆盖账户开立、账户维护、转托管、公司行为、对账、直通处理和工作流自动化。它与银行柜面、运营、托管、清算和客户服务后台高度相关。
客户运营、账户流程与后台作业
客户运营、账户流程与后台作业
这一类覆盖账户开立、账户维护、转托管、公司行为、对账、直通处理和工作流自动化。它与银行柜面、运营、托管、清算和客户服务后台高度相关。
客户运营、账户流程与后台作业
客户运营、账户流程与后台作业
这一类覆盖账户开立、账户维护、转托管、公司行为、对账、直通处理和工作流自动化。它与银行柜面、运营、托管、清算和客户服务后台高度相关。
客户运营、账户流程与后台作业
Commonwealth Bank
诈骗和欺诈模式变化快，传统规则和模型需要持续更新。银行需要更快发现新型欺诈模式，并把洞察转化为可执行的拦截规则。
每日监测 8,000 万+ 信号，包括交易、卡、线上支付和数字银行互动。 每日处理 2,000 万+ 笔支付。 每日通过 App 向客户发送 40,000+ 条主动预警。 相关技术帮助 2026 财年上半年欺诈损失同比降低超 20%。
HSBC
大型银行不是做一个 AI 项目，而是同时运行大量 AI 用例。难点从“能不能做”变成“如何安全、合规、可控地规模化”。
来源未单独披露量化效果；查看完整拆解了解适用条件。
Scotiabank Global Transaction Banking
公司银行的付款运营数据复杂，客户希望知道自己的付款处理情况、失败原因和改进空间。传统客户洞察报告是高接触服务，需要大量人工整理和分析，只能服务少数客户。
原来需要数周的报告生成缩短到数秒。 高端定制服务可以扩展到更多客户。 客户获得更深付款洞察，银行服务差异化提升。
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。
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。
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。
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。
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。
HSBC + Mistral AI
跨国银行在使用大模型时既需要先进能力，也需要数据控制、透明度、可解释治理和跨语种支持。完全依赖外部通用 SaaS 难以满足全球业务、监管和内部系统要求。 HSBC 与 Mistral AI 的多年期合作代表一种趋势：银行不只是购买应用，而是与基础模型公司合作，把商业模型、自托管部署和内部技术系统结合起来，服务全球员工和未来客户场景。
HSBC 披露，该合作旨在改善业务流程、节省员工时间，并更好服务全球数百万客户。未来重点还包括客户侧创新，例如改善信用和贷款流程、客户入职、欺诈和反洗钱检查。
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 ↗。