劳埃德银行集团的人工智能应用

劳埃德银行集团是英国最大的金融服务集团之一，为零售、商业、保险和财富管理领域的约2700万客户提供服务。该集团2025年法定税前利润为67亿英镑，总收入194亿英镑，并计划进行高达39亿英镑的资本回报。

劳埃德正在通过将人工智能嵌入核心运营架构进行转型。该集团已从实验性试点转向规模化部署，AI现已成为董事会级别的优先事项。2024年8月，集团任命前AWS数据与AI负责人Rohit Dhawan为集团AI与高级分析总监，领导一个集中式AI卓越中心，该中心整合了数据科学、机器学习工程、行为科学和AI伦理。

管理层透露，2025年有超过50个生成式AI解决方案投入生产，贡献约5000万英镑价值，并预计2026年AI相关价值将超过1亿英镑。共同的技术基础是Google Cloud Vertex AI平台，该集团于2024年迁移至该平台，目前支持300多名数据科学家和至少18个GenAI生产系统。

本文重点介绍两个内部AI用例：

1. 大规模生成式AI用于前线知识检索：通过GenAI现代化信息访问，将手动搜索延迟从近一分钟缩短至几秒，使前线员工能够在首次接触时解决客户查询，并降低总运营处理时间。

1. 实时机器学习用于借记卡欺诈检测：从基于规则的引擎过渡到自适应的ML评分，实现亚秒级交易决策，使集团能够跟上不断演变的欺诈类型，同时减少对有效客户支付的干扰。

大型生成式AI用于前线知识检索

劳埃德的客户运营支持2700万客户，涵盖银行、保险和财富品牌。此前，前线员工在通话中需要浏览13,000篇内部文章，造成运营摩擦和FCA合规风险。劳埃德公开表示，解决这一低效问题是2025年投资生成式AI的主要原因之一。

其相关性兼具运营和监管层面。FCA的AI指南要求可解释性和可审计性，因此任何用于客户互动的工具必须依赖授权内部来源。同时，OECD研究表明，生成式AI为低资历知识工作者（正是前线客户运营人员的典型画像）带来最大的生产力提升。

劳埃德实施了Athena来解决这一问题。Athena运行在集团基于Vertex AI的ML和GenAI平台上，其答案来源于约13,000篇授权内部知识文章，而非开放网络。劳埃德尚未公开披露支持Athena的具体基础模型，但已确认其平台支持针对内部内容存储的RAG，并在平台层应用了集中日志记录和防护措施。

将Athena的答案限定在授权内部内容，是劳埃德满足FCA可解释性和数据驻留要求的方式。受监管机构的操作规则很简单：GenAI助手绝不应引用任何集团无法逐行审计的客户信息来源。

Athena以四种实用方式改变了前线工作流程：

• 员工在通话中提出自然语言问题，而非搜索文档标题，并获得综合答案。
• 回答附带引用来源，员工可在向客户说明前验证授权来源。
• 原本需要升级至产品或政策专家的决策，现在可在首次接触时解决。
• 使用情况和结果信号被集中捕获，让AI卓越中心能够优先扩展哪些知识领域。

Athena是劳埃德首个大规模GenAI部署，已超越试点阶段。集团披露了具体成果数据：

• 截至2025年中，21,000名员工在活跃工作流程中使用Athena，且部署范围继续扩大。
• 2025年初进行了210万次搜索，预计年底将达约4000万次。
• 平均搜索时间从59秒降至20秒（减少66%）。
• 仅电话银行团队每年就节省约4000小时，直接减少客户等待时间。

劳埃德将2025年5000万英镑GenAI价值中的重要份额归因于Athena及类似工具，并已确认2026年将在其移动应用中推出面向零售客户的AI财务助手，将同一平台基础扩展到客户界面。

动态风险引擎——实时机器学习用于借记卡欺诈检测

卡片和支付欺诈仍然是英国零售银行的重大成本和控制挑战。根据英国金融协会数据，2024年犯罪分子通过授权和未授权欺诈窃取了11.7亿英镑；英国发行卡欺诈损失总计5.726亿英镑，未授权欺诈案件上升14%至313万起。

基于规则的欺诈系统放大了另一个问题。Wedge及其同事使用真实银行数据证明，被标记为欺诈的交易中只有约五分之一是真正的欺诈，约六分之一的客户在过去一年中曾有过有效交易被拒绝的经历。

2025年一项关于数字银行欺诈检测ML的系统回顾确认，不平衡感知、成本敏感的ML方法在召回率和误报率降低方面始终优于静态规则，使得基于ML的评分成为劳埃德规模下的操作标准。

该集团运营动态风险引擎（DRE），这是一个专有机器学习平台，实时评分每笔借记卡授权。劳埃德工程师在《劳埃德银行集团AI》工程出版物中描述，DRE消耗历史交易、设备和行为信号，响应时间低至每笔交易0.01秒，在销售点对客户无感知。

DRE与互补系统并列：与Google合作构建的动态风险评估层，每月筛查约9亿笔交易的金融犯罪信号；入站通话的语音欺诈检测；以及用于跨渠道网络安全分析的全球关联引擎。对于同等规模的发行商，最佳实践是将基于规则的引擎视为缩小范围的补充，而非主要决策层。

对于欺诈分析师及其保护的客户，DRE产生了三个操作转变：

• 每笔授权被实时评分和路由，以批准、挑战（升级认证或外部联系）或拒绝，最终从授权路径中移除手动审查的延迟。
• 新欺诈类型通过再训练周期学习并部署，而非由人类分析师编写新规则，从而压缩了新骗局出现与银行检测覆盖之间的时间差。
• 分析师决策和客户争议结果反馈到训练数据中，使模型持续改进，而不是随着欺诈策略变化而退化。

DRE是劳埃德欺诈栈中最成熟的AI部署，已在英国范围内投入生产。根据劳埃德自身的工程披露和行业基准：

• 据集团工程团队称，DRE每日处理的借记卡交易量超过英国任何其他银行。
• 推理延迟约0.01秒，实现实时授权决策，无可见客户摩擦。
• 在全行业范围内，英国金融协会估计银行在2024年共防止了14.5亿英镑的未授权欺诈，这意味着决定性的运营优势现在在于实时检测和评分——正是劳埃德所构建的层面。

劳埃德正在将这一栈扩展到下一代检测：2026年4月，集团完成了一项为期九个月的实验，使用IBM量子算法在交易图中识别洗钱账户，采用了匿名数据运行在156量子比特量子系统上。

本文突出了劳埃德银行集团AI举措的几个战略见解：

• 集中平台，分散用例：整合单一ML和GenAI平台（Vertex AI），同时让业务单元拥有各自用例，使劳埃德在一年内将超过50个GenAI解决方案和80个ML用例投入生产，而未引发供应商泛滥或治理债务。
• 治理来源，而非仅模型：Athena的价值更多取决于将每个答案限定在13,000篇授权文章语料库，而非模型选择；对于受监管机构，控制来源材料才能使GenAI在FCA的AI方法下实现可解释和可审计。
• 在授权层竞争：由于英国预防欺诈总额现已超过欺诈损失总额，边际优势已从事后审查转向授权时的亚秒级决策；动态风险引擎正是为该层面构建，这也是劳埃德优先投资于此并已试点下一代（量子）扩展的原因。