外部公开案例，非衍谷交付
DBS Bank · 全行AI工业化与个性化客户经营
来源披露≠独立审计；编辑分析不等于客户确认。A级仅表示可定位到案例级来源，详细度不是成功评分。请先阅读下方字段分析边界；未公开细节不可当作已实施事实。
字段分析边界
- 业务问题依据
- 企业年报与官方AI专题披露
- 解决方案
- 企业公开材料披露与结构化整理
- 技术工作流
- 依据公开治理和用例结构归纳
- FDE 行动（请结合分析边界）
- FDE视角编辑归纳
- 结果（来源方披露）
- 企业年报披露
业务问题
DBS需要把分散在各业务条线的数据分析和机器学习项目，从漫长的一次性交付改造成可规模复制、可治理、可量化经济价值的全行能力，同时兼顾银行风险、客户信任和员工采用。解决方案
银行建立统一的数据与AI基础设施、模型交付和PURE责任治理框架，以跨职能客户旅程团队持续选择高价值用例；在客户侧大规模运行个性化提醒、理财规划和反诈骗模型，在组织侧推进生成式AI助手与专业人员培训，并以经济价值而非模型数量作为组合管理指标。技术工作流
- 客户交易、渠道、风险与经营数据
- 统一数据与AI平台及可复用模型能力
- 用例价值评估与PURE责任治理
- 预测/推荐/反诈骗等模型组合
- 个性化提醒、理财工具与员工工作流
- 客户行为与经济价值反馈进入持续迭代
技术组件
- 企业数据平台
- 模型开发与运营
- 个性化推荐
- 风险评分
- 责任AI治理
- 价值度量体系
人工责任与复核
模型负责预测、推荐和大规模触达；业务、风险与合规人员共同审批用例、设定限制并对客户结果负责，客户仍保留理财和安全操作的最终决定权。FDE 行动（请结合分析边界）
- 围绕客户旅程而不是部门系统组织跨职能团队
- 把模型交付周期和经济价值纳入组合管理
- 建立用途、意外性、尊重和可解释性治理检查
- 把模型能力嵌入客户触达和员工工作流
- 持续比较触达组和非触达组的客户行为
结果（来源方披露）
DBS 2024年报披露，超过1,500个模型覆盖370多个用例，全年产生超过7.5亿新元经济价值；向1,300多万客户发送超过12亿次个性化提醒。核验说明
- 模型、用例、触达量和经济价值来自DBS 2024年报。
- 7.5亿新元为DBS自身经济价值度量，不等同于审计后的利润增量。
未公开 / 仍有缺口
未补充记录可迁移方法
- 企业AI规模化要同时建设平台、治理和价值度量
- 按客户旅程组织团队比按模型类型组织更接近业务结果
- 模型数量不是成果，必须跟踪可归因的经济价值
- 高监管行业应在用例设计阶段嵌入责任治理
来源账本
- 标题
- Innovating impactful solutions for customers
- 发布方
- DBS Bank
- 来源类型
- 企业年度报告
- 可定位性
- 企业级直接来源
- 结论披露方
- 企业年报披露
- 已记录独立核验
- 否
- 源库查阅日期
- 2026-09-19
补充来源
- 标题
- DBS AI industrialisation and workforce overview
证据说明
DBS 2024年报直接披露模型、用例、客户触达和经济价值口径；经济价值由企业自行度量，未见第三方审计方法。编辑摘要
DBS案例展示的不是单个聊天机器人，而是银行如何把数据平台、责任治理、跨职能交付和经济价值度量组合成持续运转的AI工业化体系。详细度六维评分（各 0–2）
- 业务背景
- 2
- 改造流程
- 2
- 技术工作流
- 2
- 人机与治理
- 2
- 量化结果
- 2
- 来源可定位性
- 2
原始案例 ID
enterprise-dbs-001来源分类
企业原始材料企业 / 组织
DBS Bank行业
银行一级行业
金融与保险业务场景
全行AI工业化与个性化客户经营FDE 标记
企业部署案例FDE 关系
企业级AI改造成熟度说明
全行规模化成熟度阶段
规模化主来源
https://www.dbs.com/annualreports/2024/innovating-impactful-solutions-for-customers.html ↗证据等级
A证据等级说明
A级｜企业年报直接来源详细度评分（满分 12）
12详细度分组
deep详细度说明
深度案例｜关键链路较完整编辑数据：guminghao-avi contributors，MIT。导入 2026-10-02；源版本 ef550123。版权与许可证 · 原案例库。以上保留来源与证据限定，不构成衍谷效果承诺。