美國運通的人工智能應用

美國運通是一家總部位於紐約的美國金融服務公司，全球員工超過76,800人。2025年第四季度營收為189.8億美元，2026財年營收增長預期為9%至10%。

美國運通早在2010年就開始將機器學習應用於欺詐檢測，成為金融服務業中最早採用AI的公司之一。如今，公司已向幾乎所有員工提供領先的AI工具訪問權限，並向超過11,000名工程專業人員推廣了AI輔助開發工具，使編碼週期縮短了30%以上。

其機器學習驅動的欺詐檢測模型每年監控超過1.2萬億美元的交易額，為全球每筆卡交易在毫秒內做出欺詐判定。公司目前正在探索70多個生成式AI用例，並通過Amex Ventures投資於專注於信任與安全、企業效率和數據驅動體驗的生成式AI初創公司。

對於全球交易規模的金融機構而言，AI系統正越來越多地影響欺詐風險、交易審批和客户留存等流程的運營管理。在美國運通，許多AI系統直接嵌入高容量決策流程，而非作為獨立的AI項目存在。

根據公開報道和公司文檔，運通有兩個特別顯著的AI應用：

實時欺詐檢測與交易授權

預測性客户留存與商户定位

在這兩種情況下，機器學習系統通過分析大量行為和交易數據，支持更快的運營決策，減少人工審核工作量，並改善客户體驗。

實時欺詐檢測與交易授權

欺詐預防是運通最顯著的AI應用之一。公司在支付授權流程中利用機器學習系統實時評估交易。根據哈佛商學院數字倡議的分析，運通在授權請求期間應用機器學習模型分析購買模式、消費行為、商户活動及交易異常。

對於支付提供商而言，這一業務問題意義重大。欺詐交易造成直接財務損失，而錯誤拒絕合法購買則會損害客户信任和交易量。

AI系統處理多種交易和行為數據，包括歷史交易記錄、消費頻率和速度、商户類別活動、地理購買模式、設備和賬户信息以及實時授權信號。機器學習模型並非僅依賴靜態欺詐規則，而是評估交易是否偏離預期客户行為。

根據NVIDIA關於運通基礎設施的案例研究，公司使用GPU加速的AI系統，可在毫秒內完成欺詐判定。

對客户而言，除非識別出可疑行為，否則該工作流的影響幾乎不可見。合法購買通過授權處理，而高風險交易可能觸發額外驗證或審查。

對於欺詐運營團隊，機器學習系統幫助確定哪些交易需要人工調查，從而減少需要手動審查的低風險交易量，使分析師能夠專注於更復雜的欺詐案件。

減少人工審核工作量——機器學習系統幫助欺詐團隊將調查資源集中在高風險交易上，而非審查大量常規活動。

提高交易審批准確性——行為模型有助於在授權工作流中區分合法購買異常與潛在欺詐活動。

代理商務基礎設施

美國運通還在投資所謂的“代理商務”模式——AI代理可以代表客户執行商務任務，包括產品購買、旅行預訂、預約和支付交易。這一舉措並非關注客户分析，而是專注於為AI代理安全參與商業交易建立所需的基礎設施。

業務問題源於新興的代理AI生態系統面臨的挑戰。傳統支付系統圍繞直接人類行為設計，客户明確選擇產品、輸入支付詳情並授權購買。隨着AI代理能夠代表用户執行任務，支付提供商必須建立機制來驗證代理身份、認證客户意圖並維護交易安全。

為應對這一挑戰，運通推出了代理商務體驗（ACE）開發工具包。根據公司聲明，該平台包含五項互聯功能以支持代理驅動交易：代理註冊與驗證、客户賬户啓用、意圖驗證與認證、令牌化支付憑證發放、交易上下文與授權控制。

這些工作流中處理的數據與傳統欺詐檢測系統不同。除了交易和支付信息，平台還評估客户購買意圖、授權權限、代理憑證和交易上下文，然後才允許AI代理完成購買。

對客户而言，預期的工作流從手動執行每筆交易轉變為定義購買意圖和審批參數，而經過驗證的AI代理可以據此行動。美國運通表示，客户將能夠通過其數字渠道管理消費控制、購買審批和活躍的AI代理權限。