荷兰ING银行正通过扩大最新AI智能体的应用范围,逐步消除按揭贷款申请中繁琐的人工处理环节。
在成功完成按揭贷款AI试点之后,ING银行宣布将进一步扩展这一应用。借助AI智能体,银行可以自动完成文件的收集与核验,并在不同系统之间流转案件,从而加快按揭贷款的审批决策速度。
该AI智能体能够审阅申请材料、理解申请内容、说明可能的结果及处理路径,最终由人工员工完成最后的评估与决策。按揭贷款处理AI智能体已于今年3月完成试点,目前银行已准备好将其正式部署到生产环境中。
大约12个月前,ING银行首席运营官马尔尼克斯·范·斯蒂福特曾向Computer Weekly介绍AI在按揭贷款生成方面的相关工作。他表示:"我们将为按揭贷款等产品引入智能体AI,重塑客户向我们申请按揭贷款的工作方式。客户将不再需要与人工客服沟通,而是通过数字智能体提供所有所需数据并完成信用审查。"
ING银行表示:"购置房产是人们做出的最重要的财务决策之一,等待按揭贷款审批结果往往是整个过程中最令人忐忑的时刻。而这段等待时间背后,涉及大量繁琐的工作——文件的收集与核验,以及在系统与专家之间流转案件。"
ING荷兰按揭贷款业务负责人汤姆·德根表示,AI智能体的应用将使工作人员能够"专注于复杂申请案件及与经纪商的直接沟通……借助这款智能体按揭助手,我们正在迈向支持按揭贷款申请的新阶段,为客户和经纪商提供更快速的决策和更清晰的结果"。
按揭贷款AI智能体只是ING银行未来发展方向的一个缩影。ING表示,正在"于真实场景中测试各种想法,并将对客户有价值的功能加以规模化推广"。
范·斯蒂福特去年在接受Computer Weekly采访时表示,预计在引入AI后,部分运营工作所需人力将减少25%,但他同时指出,这25%的人力可以转向支持业务增长和处理更复杂的任务。
ING银行首席技术官达尼埃莱·托内拉在去年接受Computer Weekly采访时表示,该银行正围绕五大领域推进AI能力建设:了解你的客户(KYC)、呼叫中心、批发银行业务中的客户尽职调查改进、零售业务中的超个性化服务,以及内部技术工程领域。
Zopa与Juniper Research近期开展的一项调查显示,生成式AI将节省1.87亿个劳动工时,主要集中在后台岗位,到2030年可能有2.7万个工作岗位受到冲击。例如,德国商业银行近期宣布将裁减3000个岗位,约占其总员工数的8%,与此同时加大AI投资,计划在未来四年内投入6亿欧元。该银行预计,从2030年起,每年将通过AI投资额外创造5亿欧元的价值。
目前,各大银行正从AI中获得显著收益。根据劳埃德银行集团2025年金融机构情绪调查,59%的受访机构表示在过去12个月内实现了AI驱动的生产力提升,而2024年调查中这一比例仅为32%。
Q&A
Q1:ING银行的AI智能体在按揭贷款流程中具体承担哪些工作?
A:ING银行的AI智能体主要负责按揭贷款申请中的文件收集与核验、在不同系统之间流转案件,以及理解申请内容、说明可能的结果和处理路径。最终的评估与决策仍由人工员工完成。该智能体已于2025年3月完成试点,目前正准备正式部署到生产环境中,旨在为客户和经纪商提供更快速的审批决策和更清晰的结果。
Q2:ING银行引入AI智能体是否会导致大规模裁员?
A:ING银行首席运营官范·斯蒂福特表示,AI实施后预计部分运营工作所需人力将减少25%,但这部分人力可转向支持业务增长和处理更复杂的任务,而非直接裁撤。不过,行业整体来看,Zopa与Juniper Research的调查预测,到2030年生成式AI可能导致约2.7万个银行业岗位受到冲击,德国商业银行已宣布裁减3000个岗位。
Q3:ING银行目前在哪些领域推进了AI的应用?
A:根据ING银行首席技术官达尼埃莱·托内拉的介绍,该银行正围绕五大领域推进AI能力建设:了解你的客户(KYC)、呼叫中心、批发银行业务中的客户尽职调查改进、零售业务中的超个性化服务,以及内部技术工程领域。按揭贷款AI智能体是其中零售业务场景的重要实践之一。
好文章,需要你的鼓励
仿人机器人与自动驾驶汽车在区域架构、功能安全及雷达传感方面高度相似。多分辨率摄像头组合可更好地模拟人类视野,兼顾广角低保真与局部高精度需求。自然运动需实时计算正逆运动学、距离与深度,同时须兼顾功耗效率。当前视觉与基础操控技术最为成熟,而触觉、全身协调及非结构化环境中的移动能力仍是主要挑战。业界正借鉴自动驾驶经验,加速推进仿人机器人的规模化落地。
这项研究提出Epi2Diff方法,通过将大型推理模型的解题思考过程拆解为认知片段序列,提取过程特征预测考题对人类的难度,在四个真实考试数据集上超越了所有对比基线。
随着AI技术发展,攻击者可融合白市、灰市及黑市数据,构建个人及其环境的数字孪生体,使定向攻击更为便捷。专家指出,AI与网络安全的核心交汇点是数据本身。防御AI数据融合攻击需依赖硬件信任根、强加密、安全密钥存储及严格的数据匿名化措施。芯片架构师需将安全设计嵌入硬件层,确保数据完整性验证、隔离执行及认证数据流,以应对日益复杂的运行时攻击面。
南京大学与阿里巴巴提出MIMFlow,将掩码图像建模与标准化流端到端融合,让生成模型专注语义建模,以更少参数和更少令牌在ImageNet上取得FID 2.50的优异表现。