伊陶银行如何為全體客戶建構生成式AI

技術隱形化：讓AI消失在體驗背後

伊陶银行在建構面向全客群的生成式AI時，將技術本身置於次要位置，核心追求是體驗的簡洁性與實用性。其首席技術官卡洛斯·爱德華多·马泽伊明確指出，多數工作並非圍繞模型複雜度展開，而是如何讓功能簡單、直接、有用，讓客戶獲得即時收益，同時使技術几乎不可感知。這一標準要求解決方案必須解決真實的日常财務問題，且操作路径短、記憶點強，技術僅作為實現手段，而非體驗的視覺或互動中心。

市場調研資料支撑了這一方向。伊陶银行與Grupo Consumoteca聯合研究顯示，80%的巴西人希望更好地規劃個人财務，尋求更有效的決策支援；65%的受訪者期待擁有類似“财務副駕駛”的技術，能提供持續指導。這表明客戶並非追求技術炫技，而是渴望貼近生活的智慧輔助。伊陶選擇OpenAI模型，正是因其能覆蓋從輕量級響應到複雜推理的全譜系場景，確保在不同互動深度下均能維持體驗一致性。

在具體落地中，伊陶未將AI作為獨立功能嵌入，而是將其融入現有服務流程。例如，客戶在查詢帳戶流水時，AI可自動識別異常支出並提供归因建議；在辦理信用卡或贷款時，系統根據客戶财務画像推薦適配產品。所有互動均以自然語言或語音完成，無需跳轉頁面或學習新介面。技術架構被封装在後台，客戶感知到的僅為“银行更懂我了”，而非“银行用了AI”。

ia.i：從查詢到建議的統一對話層

ia.i是伊陶银行在2024年推出Inteligência Itaú功能後的升級版本，定位為覆蓋全業務線的統一對話層。客戶可通過文字或語音串接，一次性處理帳戶查詢、信贷申請、卡片管理、保险設定等多類需求，無需在不同模塊間切換。系統在識別需求後，可自動連接至對應的人工專員，實現人機協同閉環。

該對話層的核心支撑是“客戶DNA”——一個基於約70 million客戶财務行為、消費習惯、人生階段建構的上下文引擎。它不依赖靜態標籤，而是通過持續互動動態更新客戶画像。例如，系統可識別客戶在季度末頻繁查詢旅游支出，結合其储蓄率與信用卡使用頻率，主動推薦旅行保险或分期方案。所有推薦均在治理與负責任AI框架下產生，確保建議符合客戶真實利益而非销售導向。

ia.i的設計遵循三個原则：互動性、多模態融合與個體化。互動性體現在對話可隨時中斷、澄清或轉向；多模態支援文字、語音、圖像上传與介面點擊操作並行，例如客戶可拍照上传帳單，系統自動解析並產生支出分析；個體化则確保每位客戶獲得的建議基於其獨特财務轨迹，而非通用模板。

在試點階段，約30萬客戶參與測試，银行借此觀察真實使用行為。資料顯示，客戶從簡單查詢（如余額確認）逐步擴充至複雜決策（如投資設定），AI在其中扮演“過渡桥梁”角色——先解決即時問題，再引導至 deeper financial planning。未來規劃包含產品模擬、自動簽約及 recurring financial analysis，目標在2026年底前覆蓋全部客戶。伊陶認為，金融產品往往不夠直觀，而AI的價值在於重建客戶與資金之間的簡單關系，讓财務管理回归生活本質。

IARA：支撑規模化的治理與調度底座

伊陶银行在推進生成式AI的過程中，面临的核心挑戰不是模型能力本身，而是如何在合規、可控、經济可行的前提下，讓AI真正渗透到全量客戶的服務流程中。為此，他們建構了IARA——一個內部的治理與調度平台，作為所有AI能力的底層基礎設施。IARA並非面向使用者的介面，而是位於系統深處的調度中枢，负責統一管理不同模型的串接、呼叫權限、成本核算與合規審查。它允許银行內部各業務團隊在不重複造轮子的前提下，安全地呼叫包含OpenAI在內的多種模型資源，同時確保每一次呼叫都符合內部政策與監管要求。

IARA解決的第一個問題是成本控制。在银產業務中，AI呼叫的頻率极高，若無精细化的token使用監控與預算分配機制，長期執行將迅速耗尽技術預算。IARA通過即時追蹤各團隊的token消耗、設定使用上限、按業務線分摊成本，使AI從“技術實驗”轉變為“可計量、可最佳化”的營運支出。第二個問題是響應準確性。不同業務場景對模型輸出的要求差異巨大——法律合同解讀需要严谨的推理能力，而客服問答则更看重低延遲與高吞吐。IARA通過動態路由機制，將任務自動符合至最適合的模型，避免“大模型干小活”造成的資源浪費，也防止“小模型担重任”導致的輸出品質下降。

在合規層面，IARA承担着“責任AI守門人”的角色。巴西金融監管環境严格，银行必須確保AI輸出不包含偏見、不誤導客戶、不外洩敏感資訊。IARA在模型呼叫前後嵌入內容過濾、輸出審計、日志留存等機制，確保每一次互動都可追溯、可解釋、可問責。法律部門的實踐是這一能力的直接驗證：他們利用IARA平台處理超過9000萬份文件，每月執行超過200萬次分析任務，覆蓋合同審查、條款提取、風險識別等環節。該系統在多個流程節點實現了20%至80%的效率提升，不僅缩短了法務響應時間，也降低了人工误判風險。

IARA的存在，使得伊陶银行能夠在不牺牲治理的前提下加速AI落地。它不是一次性搭建的工具，而是一個持續演進的平台，隨着業務擴充不斷串接新模型、新場景、新規則。正是這層“看不見的底座”，讓银行敢於將AI推向7000萬客戶，而不必担心失控、超支或合規危機。

內部赋能：AI First釋放客戶經理時間

伊陶银行的AI First戰略，並非僅面向終端客戶，更深層的意圖是重塑內部工作方式。客戶經理、產品經理、客服專員等一線員工，長期被重複性事務占據大量時間——整理會議紀要、準備汇報材料、查詢客戶歷史、處理標準化申請。這些工作虽必要，却難以體現專業價值，也压缩了真正與客戶建立信任的空間。AI First的核心目標，就是將這些機械劳動交由系統完成，把時間還給需要人際判斷與情感連接的環節。

在客戶經理群體中，AI已深度嵌入日常工作流程。會議前，系統自動汇總客戶近期的交易紀錄、帳戶變動、風險偏好變化，產生簡要背景簡報；會議中，AI即時紀錄對話要點，識別客戶未明說的需求信號；會議後，自動產生跟進計畫、待辦事項與風險提示。這些功能並非孤立存在，而是通過統一的智慧層與客戶資料平台打通，確保資訊一致、更新及時。客戶經理無需在多個系統間切換，也無需手動整理資料，從而將精力集中於策略討論、方案客製與關系維護。

實際效果已顯現。根據內部評估，客戶經理用於客戶沟通的時間平均增加至原來的三倍，服務響應速度提升至两倍，沟通品質（以客戶满意度與成交轉換率衡量）提升至三倍。這些資料並非來自抽樣調查，而是基於系統日志與業務指標的交叉分析，具有可驗證性。更重要的是，這種提升並非以牺牲準確性為代價——AI產生的內容均經過內部知識庫與客戶画像的 grounding，確保建議符合银行合規要求與客戶實際财務状況。

這一模式的深層價值在於，它改變了“技術服務於客戶”的單向逻辑。過去，技術是客戶触達银行的管道；現在，技術成為員工能力的延伸，讓專業人員更專業。客戶經理不再被事務性工作拖累，而是成為“智慧增強型”專業人士——他們借助系統提供的洞察與建議，做出更精準的判斷。這種內部赋能的循環，最終反哺外部體驗：客戶感受到的不是冷冰冰的自動化，而是更高效、更懂自己的服務。AI在內部的深度渗透，正是伊陶银行能夠將智慧代理驗覆蓋全量客戶的關鍵支撑。

合規與伦理：负責任AI作為產品前提

伊陶银行將负責任AI視為產品上線的前置條件，而非後期補丁。其CTO明確指出，在高度監管的金融產業，客戶與银行的每一次互動都必須符合機構價值觀與文化。這意味着生成式AI的輸出不能僅追求準確，還必須避免偏見、保持透明、可追溯。银行建立了一套贯穿開發、部署、監控全生命周期的伦理審查機制，確保模型在規模化過程中不偏离預設的安全邊界。

在技術實現層面，所有面向客戶的AI響應均需經過內容過濾、價值觀對齊和風險評估。例如，當模型產生投資建議時，系統會自動嵌入風險提示，並限制推薦高風險產品。對於涉及客戶财務資料的對話，系統強制執行最小權限原则，僅在必要時呼叫相關上下文，且所有資料存取均被紀錄並接受審計。這種設計使得AI不僅是工具，更是承載银行合規文化的載體。

伊陶還特別關注前沿模型可能產生的偏見問題。通過IARA平台的治理能力，银行可以對不同模型輸出進行横向對比，識別並修正潜在歧視性表述。例如，在信贷評估場景中，系統會交叉驗證模型建議與歷史人工核準結果，發現偏差後自動触發複核流程。這種動態校準機制確保了AI在服務約700萬客戶時，不會因算法缺陷而放大社會不平等。

分階段落地：從試點到全量客戶推廣

伊陶银行的生成式AI推廣採取渐進式路径，避免一次性全量上線帶來的風險。第一階段聚焦約30萬客戶，通過真實使用場景收集行為資料，重點觀察使用者如何與AI互動、哪些功能被高頻使用、哪些流程仍需人工介入。這一階段的核心目標是理解“客戶與產品之間的真實關系”，而非單纯追求功能覆蓋。

試點期間，银行特別關注對話品質與使用者體驗的平衡。例如，在帳戶查詢、轉帳、帳單解讀等高頻場景中，AI需在響應速度與資訊深度之間找到最優解。對於複雜諮詢如投資規劃，系統會自動識別對話難度並触發人工專家轉接機制，確保服務連續性。這種“AI主導+人工兜底”的混合模式，既提升了效率，又避免了因模型局限導致的客戶信任危機。

基於試點資料，银行逐步擴充功能邊界。第二階段引入產品模擬、自動開戶、定期财務分析等新能力，同時最佳化多模態互動體驗——客戶可通過語音、圖像或文字發起請求，系統自動識別意圖並呼叫相應服務模塊。整個推廣過程由IARA平台統一調度，確保各階段模型切換、權限調整、成本控制均在治理框架內完成。

計畫到2026年底，ia.i將覆蓋伊陶全部客戶。這一目標的實現依赖於持續的回饋閉環：每次互動資料被用於最佳化客戶DNA画像，使AI建議更贴合個人财務習惯；同時，內部客戶經理團隊通過AI工具釋放出的時間，被重新投入到高價值服務中，形成“技術赋能人工—人工反哺資料—資料最佳化技術”的正向循環。