汇丰银行任命资深员工David Rice担任该全球银行集团首位首席AI官,该任命于4月1日正式生效。此外,该银行还扩大了首席技术官Mario Shamtani的职责范围,通过现代化核心平台和构建员工可访问模型的中央AI平台来加强技术基础。
Rice的任命和Shamtani对平台现代化的重点关注,正值汇丰银行在全行范围内推进和扩展AI应用的关键时期。该银行旨在为员工配备生成式AI工具,以简化流程并为客户提供更加个性化的体验。
汇丰银行集团首席执行官Georges Elhedery表示:"我们的目标很简单——我们将赋能同事使用AI为每位客户创造个性化体验,安全地实时大规模提供服务,同时将人类判断、决策制定和责任承担保持在核心位置。"
汇丰银行首席AI官的任命是AI对金融服务业影响的最新信号,也体现了该公司充分利用这项技术的坚定承诺。
此举紧随该银行将生成式AI列为其最大投资领域之一之后,旨在加强流程重新设计、客户体验和员工协助。在2月份汇丰银行2025年第四季度财报电话会议上,Elhedery表示,该银行已为85%的员工配备了生成式AI生产力工具。
Rice在汇丰银行工作了18年,最近担任汇丰企业和机构银行业务首席运营官。据新闻稿称,他认为这一战略角色对公司的长期发展和未来成功至关重要。
AI转型的追求正在全球范围内展开。根据全球金融技术公司Finastra的数据,在美国,预计银行将在2026年将其AI投资增加一倍。在2月份的财报电话会议上,Elhedery表示,该银行已经在使用AI重新设计流程,并推出联络中心工具以改善客户体验。
Elhedery在财报电话会议上表示:"我们的客户关系建立在信任基础上。AI加强了我们对这种信任的践行,实现了大规模的个性化服务。"
Elhedery在关于新任命的新闻稿中表示,客户对更加个性化服务的需求正在推动汇丰银行的AI采用目标。他说,首席AI官"将在帮助我们实现这一领域的雄心方面发挥重要作用"。
客户体验正在推动其他金融机构的技术战略。Country Bank本月早些时候任命了新的首席技术官,以帮助提高银行客户和员工的效率和创新。
与此同时,瑞银集团首席执行官Sergio Ermotti在2月份公司2025年第四季度财报电话会议上详细介绍了公司旨在改善客户体验的AI投资。瑞银是另一家最近引入首位首席AI官的金融机构。Daniele Magazzeni于1月1日开始担任该职位。
Q&A
Q1:汇丰银行为什么要设立首席AI官这个职位?
A:汇丰银行设立首席AI官职位是为了推进和扩展全行范围内的AI应用,帮助员工使用生成式AI工具简化流程,为客户提供更加个性化的体验,同时确保安全地实时大规模提供服务。
Q2:汇丰银行在AI应用方面取得了哪些进展?
A:汇丰银行已经为85%的员工配备了生成式AI生产力工具,并且正在使用AI重新设计业务流程,推出联络中心工具以改善客户体验,将生成式AI列为最大投资领域之一。
Q3:其他银行也在进行类似的AI投资吗?
A:是的,AI转型正在全球金融业展开。根据Finastra的数据,美国银行预计在2026年将AI投资增加一倍。瑞银集团也任命了首位首席AI官,并在AI方面进行大量投资以改善客户体验。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。