美国运通的人工智能应用

美国运通是一家总部位于纽约的美国金融服务公司，全球员工超过76,800人。2025年第四季度营收为189.8亿美元，2026财年营收增长预期为9%至10%。

美国运通早在2010年就开始将机器学习应用于欺诈检测，成为金融服务业中最早采用AI的公司之一。如今，公司已向几乎所有员工提供领先的AI工具访问权限，并向超过11,000名工程专业人员推广了AI辅助开发工具，使编码周期缩短了30%以上。

其机器学习驱动的欺诈检测模型每年监控超过1.2万亿美元的交易额，为全球每笔卡交易在毫秒内做出欺诈判定。公司目前正在探索70多个生成式AI用例，并通过Amex Ventures投资于专注于信任与安全、企业效率和数据驱动体验的生成式AI初创公司。

对于全球交易规模的金融机构而言，AI系统正越来越多地影响欺诈风险、交易审批和客户留存等流程的运营管理。在美国运通，许多AI系统直接嵌入高容量决策流程，而非作为独立的AI项目存在。

根据公开报道和公司文档，运通有两个特别显著的AI应用：

实时欺诈检测与交易授权

预测性客户留存与商户定位

在这两种情况下，机器学习系统通过分析大量行为和交易数据，支持更快的运营决策，减少人工审核工作量，并改善客户体验。

实时欺诈检测与交易授权

欺诈预防是运通最显著的AI应用之一。公司在支付授权流程中利用机器学习系统实时评估交易。根据哈佛商学院数字倡议的分析，运通在授权请求期间应用机器学习模型分析购买模式、消费行为、商户活动及交易异常。

对于支付提供商而言，这一业务问题意义重大。欺诈交易造成直接财务损失，而错误拒绝合法购买则会损害客户信任和交易量。

AI系统处理多种交易和行为数据，包括历史交易记录、消费频率和速度、商户类别活动、地理购买模式、设备和账户信息以及实时授权信号。机器学习模型并非仅依赖静态欺诈规则，而是评估交易是否偏离预期客户行为。

根据NVIDIA关于运通基础设施的案例研究，公司使用GPU加速的AI系统，可在毫秒内完成欺诈判定。

对客户而言，除非识别出可疑行为，否则该工作流的影响几乎不可见。合法购买通过授权处理，而高风险交易可能触发额外验证或审查。

对于欺诈运营团队，机器学习系统帮助确定哪些交易需要人工调查，从而减少需要手动审查的低风险交易量，使分析师能够专注于更复杂的欺诈案件。

减少人工审核工作量——机器学习系统帮助欺诈团队将调查资源集中在高风险交易上，而非审查大量常规活动。

提高交易审批准确性——行为模型有助于在授权工作流中区分合法购买异常与潜在欺诈活动。

代理商务基础设施

美国运通还在投资所谓的“代理商务”模式——AI代理可以代表客户执行商务任务，包括产品购买、旅行预订、预约和支付交易。这一举措并非关注客户分析，而是专注于为AI代理安全参与商业交易建立所需的基础设施。

业务问题源于新兴的代理AI生态系统面临的挑战。传统支付系统围绕直接人类行为设计，客户明确选择产品、输入支付详情并授权购买。随着AI代理能够代表用户执行任务，支付提供商必须建立机制来验证代理身份、认证客户意图并维护交易安全。

为应对这一挑战，运通推出了代理商务体验（ACE）开发工具包。根据公司声明，该平台包含五项互联功能以支持代理驱动交易：代理注册与验证、客户账户启用、意图验证与认证、令牌化支付凭证发放、交易上下文与授权控制。

这些工作流中处理的数据与传统欺诈检测系统不同。除了交易和支付信息，平台还评估客户购买意图、授权权限、代理凭证和交易上下文，然后才允许AI代理完成购买。

对客户而言，预期的工作流从手动执行每笔交易转变为定义购买意图和审批参数，而经过验证的AI代理可以据此行动。美国运通表示，客户将能够通过其数字渠道管理消费控制、购买审批和活跃的AI代理权限。