勞埃德銀行集團的人工智慧應用

勞埃德銀行集團是英國最大的金融服務集團之一，為零售、商業、保險和財富管理領域的約2700萬客戶提供服務。該集團2025年法定稅前利潤為67億英鎊，總收入194億英鎊，並計劃進行高達39億英鎊的資本回報。

勞埃德正在透過將人工智慧嵌入核心運營架構進行轉型。該集團已從實驗性試點轉向規模化部署，AI現已成為董事會級別的優先事項。2024年8月，集團任命前AWS資料與AI負責人Rohit Dhawan為集團AI與高階分析總監，領導一個集中式AI卓越中心，該中心整合了資料科學、機器學習工程、行為科學和AI倫理。

管理層透露，2025年有超過50個生成式AI解決方案投入生產，貢獻約5000萬英鎊價值，並預計2026年AI相關價值將超過1億英鎊。共同的技術基礎是Google Cloud Vertex AI平臺，該集團於2024年遷移至該平臺，目前支援300多名資料科學家和至少18個GenAI生產系統。

本文重點介紹兩個內部AI用例：

1. 大規模生成式AI用於前線知識檢索：透過GenAI現代化資訊訪問，將手動搜尋延遲從近一分鐘縮短至幾秒，使前線員工能夠在首次接觸時解決客戶查詢，並降低總運營處理時間。

1. 即時機器學習用於簽帳金融卡欺詐檢測：從基於規則的引擎過渡到自適應的ML評分，實現亞秒級交易決策，使集團能夠跟上不斷演變的欺詐型別，同時減少對有效客戶支付的干擾。

大型生成式AI用於前線知識檢索

勞埃德的客戶運營支援2700萬客戶，涵蓋銀行、保險和財富品牌。此前，前線員工在通話中需要瀏覽13,000篇內部文章，造成運營摩擦和FCA合規風險。勞埃德公開表示，解決這一低效問題是2025年投資生成式AI的主要原因之一。

其相關性兼具運營和監管層面。FCA的AI指南要求可解釋性和可審計性，因此任何用於客戶互動的工具必須依賴授權內部來源。同時，OECD研究表明，生成式AI為低資歷知識工作者（正是前線客戶運營人員的典型畫像）帶來最大的生產力提升。

勞埃德實施了Athena來解決這一問題。Athena執行在集團基於Vertex AI的ML和GenAI平臺上，其答案來源於約13,000篇授權內部知識文章，而非開放網路。勞埃德尚未公開披露支援Athena的具體基礎模型，但已確認其平臺支援針對內部內容儲存的RAG，並在平臺層應用了集中日誌記錄和防護措施。

將Athena的答案限定在授權內部內容，是勞埃德滿足FCA可解釋性和資料駐留要求的方式。受監管機構的操作規則很簡單：GenAI助手絕不應引用任何集團無法逐行審計的客戶資訊來源。

Athena以四種實用方式改變了前線工作流程：

• 員工在通話中提出自然語言問題，而非搜尋文件標題，並獲得綜合答案。
• 回答附帶引用來源，員工可在向客戶說明前驗證授權來源。
• 原本需要升級至產品或政策專家的決策，現在可在首次接觸時解決。
• 使用情況和結果訊號被集中捕獲，讓AI卓越中心能夠優先擴充套件哪些知識領域。

Athena是勞埃德首個大規模GenAI部署，已超越試點階段。集團披露了具體成果資料：

• 截至2025年中，21,000名員工在活躍工作流程中使用Athena，且部署範圍繼續擴大。
• 2025年初進行了210萬次搜尋，預計年底將達約4000萬次。
• 平均搜尋時間從59秒降至20秒（減少66%）。
• 僅電話銀行團隊每年就節省約4000小時，直接減少客戶等待時間。

勞埃德將2025年5000萬英鎊GenAI價值中的重要份額歸因於Athena及類似工具，並已確認2026年將在其移動應用中推出面向零售客戶的AI財務助手，將同一平臺基礎擴充套件到客戶介面。

動態風險引擎——即時機器學習用於簽帳金融卡欺詐檢測

卡片和支付欺詐仍然是英國零售銀行的重大成本和控制挑戰。根據英國金融協會資料，2024年犯罪分子透過授權和未授權欺詐竊取了11.7億英鎊；英國發行卡欺詐損失總計5.726億英鎊，未授權欺詐案件上升14%至313萬起。

基於規則的欺詐系統放大了另一個問題。Wedge及其同事使用真實銀行資料證明，被標記為欺詐的交易中只有約五分之一是真正的欺詐，約六分之一的客戶在過去一年中曾有過有效交易被拒絕的經歷。

2025年一項關於數字銀行欺詐檢測ML的系統回顧確認，不平衡感知、成本敏感的ML方法在召回率和誤報率降低方面始終優於靜態規則，使得基於ML的評分成為勞埃德規模下的操作標準。

該集團運營動態風險引擎（DRE），這是一個專有機器學習平臺，即時評分每筆簽帳金融卡授權。勞埃德工程師在《勞埃德銀行集團AI》工程出版物中描述，DRE消耗歷史交易、裝置和行為訊號，響應時間低至每筆交易0.01秒，在銷售點對客戶無感知。

DRE與互補系統並列：與Google合作構建的動態風險評估層，每月篩查約9億筆交易的金融犯罪訊號；入站通話的語音欺詐檢測；以及用於跨渠道網路安全分析的全球關聯引擎。對於同等規模的發行商，最佳實踐是將基於規則的引擎視為縮小範圍的補充，而非主要決策層。

對於欺詐分析師及其保護的客戶，DRE產生了三個操作轉變：

• 每筆授權被即時評分和路由，以批准、挑戰（升級認證或外部聯絡）或拒絕，最終從授權路徑中移除手動審查的延遲。
• 新欺詐型別透過再訓練週期學習並部署，而非由人類分析師編寫新規則，從而壓縮了新騙局出現與銀行檢測覆蓋之間的時間差。
• 分析師決策和客戶爭議結果反饋到訓練資料中，使模型持續改進，而不是隨著欺詐策略變化而退化。

DRE是勞埃德欺詐棧中最成熟的AI部署，已在英國範圍內投入生產。根據勞埃德自身的工程披露和行業基準：

• 據集團工程團隊稱，DRE每日處理的簽帳金融卡交易量超過英國任何其他銀行。
• 推理延遲約0.01秒，實現即時授權決策，無可見客戶摩擦。
• 在全行業範圍內，英國金融協會估計銀行在2024年共防止了14.5億英鎊的未授權欺詐，這意味著決定性的運營優勢現在在於即時檢測和評分——正是勞埃德所構建的層面。

勞埃德正在將這一棧擴充套件到下一代檢測：2026年4月，集團完成了一項為期九個月的實驗，使用IBM量子演算法在交易圖中識別洗錢賬戶，採用了匿名資料執行在156量子位元量子系統上。

本文突出了勞埃德銀行集團AI舉措的幾個戰略見解：

• 集中平臺，分散用例：整合單一ML和GenAI平臺（Vertex AI），同時讓業務單元擁有各自用例，使勞埃德在一年內將超過50個GenAI解決方案和80個ML用例投入生產，而未引發供應商氾濫或治理債務。
• 治理來源，而非僅模型：Athena的價值更多取決於將每個答案限定在13,000篇授權文章語料庫，而非模型選擇；對於受監管機構，控制來源材料才能使GenAI在FCA的AI方法下實現可解釋和可審計。
• 在授權層競爭：由於英國預防欺詐總額現已超過欺詐損失總額，邊際優勢已從事後審查轉向授權時的亞秒級決策；動態風險引擎正是為該層面構建，這也是勞埃德優先投資於此並已試點下一代（量子）擴充套件的原因。