今年年初,东南亚最大银行DBS银行宣称在2025年通过人工智能和分析计划创造了约10亿新元的经济价值。这一成就并非简单地在现有业务流程上叠加AI工具,而是通过重新设计企业架构来更好地利用AI能力,实现了所谓的运营模式转型(OMT)。
根据DBS首席执行官陈淑珊在银行2025年度报告中的描述,这些企业级举措涉及重建人机协作工作流程、引入简化的组织架构以及员工技能再培训。DBS在2025年完成了九项这样的OMT计划,超过了最初设定的六项目标。
这些举措出台之际,AI技术正在快速发展,已从简单的聊天机器人发展到陈淑珊所称的"推理时代"。她指出,OpenAI的GPT-5和Google的Gemini 3模型等突破性技术带来了快速可靠的深度思维能力,同时降低了推理成本。
"随着智能体AI的兴起,我们预见到从AI作为副驾驶员到AI自动驾驶的转变,因为我们将具有自主能力的智能体集成到工作流程中,为我们的员工开启新的可能性,"她说。
陈淑珊提到了DBS的智能体应用,如CodeBuddy,这是一个结合生成式AI和智能体AI的工具,帮助DBS数据专业人员在某些编程任务上节省多达20%的时间。对于银行更广泛的技术团队来说,生成式AI的使用也减少了端到端流程自动化所需的时间,将测试用例生成和用户故事文档等任务从数月缩短到数周。
与此同时,银行正在增加其面向客户的运营自动化。DBS Joy是该银行于2025年7月推出的直接面向客户的企业银行聊天机器人,已经为超过20000名独特的企业和中小企业客户提供服务。通过提供24/7支持和准确的查询解决方案,该聊天机器人使客户满意度分数提高了23%。
尽管在2025年部署了超过2000个模型和430多个AI应用案例,DBS并没有为其AI计划开出空白支票。陈淑珊表示,银行的方法仍然基于财务纪律和交付切实的业务影响。
"我们一直利用数据能力精确衡量回报,从2016年建立数字价值捕获到在横向客户旅程中嵌入绩效管理架构,"她说。
DBS的数字价值捕获框架是与管理咨询公司麦肯锡共同开发的,用于衡量其数字化努力的进展和财务影响。
"我们对跟踪业务成果的承诺确保资本只分配给有证明牵引力的计划,同时允许对那些表现不佳的计划进行路线修正,"陈淑珊说。"通过对我们的AI方法应用同样严格的标准,我们处于有利地位,在不损害投资回报的情况下捕获AI的上升空间。"
随着DBS推动AI的边界,陈淑珊强调了AI治理的重要性,指出银行的负责任AI框架为"理解如何最好地安全部署AI智能体提供了坚实基础"。认识到AI可能对员工带来的潜在挑战,DBS还启动了技能提升和再培训计划,帮助他们适应和成长。
"我们完全预期AI发展的步伐将继续令人惊叹,"陈淑珊总结道。"然而,我们不会被炒作左右,将保持扎实的方法,成为一家有温度的AI赋能银行,让我们的员工和AI协同工作,更好地为客户服务。"
Q&A
Q1:什么是运营模式转型?DBS银行为什么要进行这种转型?
A:运营模式转型(OMT)是企业级举措,涉及重建人机协作工作流程、引入简化的组织架构以及员工技能再培训。DBS银行进行这种转型是为了更好地利用AI能力,而不是简单地在现有业务流程上叠加AI工具。
Q2:DBS银行的AI应用取得了哪些具体成效?
A:DBS银行在2025年通过AI和分析计划创造了约10亿新元的经济价值。CodeBuddy工具帮助数据专业人员节省20%的编程时间,DBS Joy聊天机器人为超过2万名企业客户提供服务,使客户满意度提高了23%。
Q3:DBS银行如何确保AI投资的回报?
A:DBS银行采用数字价值捕获框架来精确衡量AI投资回报,这个框架是与麦肯锡共同开发的。银行确保资本只分配给有证明牵引力的计划,同时对表现不佳的项目进行路线修正,保持财务纪律。
好文章,需要你的鼓励
Uber年度失物报告首次纳入无人驾驶出租车数据。过去一年,乘客在Uber平台的机器人出租车中遗留了数千件物品,包括手机、钥匙、钱包等常见物品,以及假牙、15磅溜溜球等奇特物件。乘客可通过App联系客服找回失物,支付15美元即可享受同城配送,或前往车辆停放站自取。Uber表示,将依托现有运营体系为自动驾驶业务提供全面支持,计划2025年底前在全球15座城市开通无人驾驶打车服务。
TREK方法通过引入外部验证解法对AI进行短期校准,解决了GRPO训练在困难题目上因无法探索正确解法区域而陷入瓶颈的问题,在数学推理和智能体任务上均取得明显提升。
Uber周三发布了一款基于现代Ioniq 5改装的数据采集原型车,搭载14个摄像头、8个固态激光雷达和9个雷达,通过英伟达双驱Thor计算机处理数据。Uber计划今年在全球部署500辆此类车辆,每月可采集200万英里高保真驾驶数据,供Avride、Waymo、WeRide等30余家自动驾驶合作伙伴使用。这是Uber自2020年出售自动驾驶部门以来首次自主组装车辆,也是其AV Labs部门的重要进展。
SkillOpt-Lite通过将智能体技能优化形式化为零阶优化问题,提出极简流水线:把执行轨迹存为文本文件,让AI直接用文件系统工具翻日志、找规律、改技能,配合独立验证门控,比复杂的多智能体优化框架跑得更快效果更好,并自然延伸至执行框架自动优化(HarnessOpt),使轻量模型能够超越大模型。