Erste Group AI转型实战：欧洲银行如何平衡合规与创新

引言：从兴奋到落地的转变

在OpenAI伦敦企业活动上，欧洲领先银行集团Erste Group的首席平台官兼COO Maurizio Poletto分享了该集团在AI转型过程中的真实经验。Erste Group是中东欧地区最大的金融服务提供商之一，总部位于奥地利维也纳，业务覆盖奥地利、捷克、斯洛伐克、罗马尼亚、匈牙利、克罗地亚和塞尔维亚等七个国家，服务约1600万客户。该集团运营着欧洲最大的数字银行平台之一——George，这一平台于2015年在奥地利首次推出，随后逐步扩展到集团各国市场，以用户体验为核心设计理念，提供账户管理、支付、投资、贷款等全方位数字银行服务，月活跃用户超过800万。这种跨国统一平台的架构意味着任何AI功能的部署都必须考虑多语言、多监管框架和多市场文化差异的复杂性。

Maurizio的分享揭示了一个受监管金融机构如何在合规与创新之间找到平衡，以及他们在这条路上犯过的错误和收获的教训。

AI不是区块链：这次真的不一样

Maurizio坦言，董事会层面对AI的兴奋从第一天就存在，但变化在于——最初的兴奋只停留在个人体验和PPT演示阶段，而现在则伴随着一长串需要解决的实际问题：如何向员工推广、如何确保合规、如何说服安全团队开放而非封闭。

他特别将AI与五六年前的区块链热潮做了对比："区块链当年也让所有人兴奋不已，仿佛世界上所有问题都能被区块链解决。但它从未带来一系列需要解决的实际挑战。AI则完全不同——这不是炒作，它会持续存在。"

这个对比有着深刻的行业背景。2017-2019年间，全球银行业掀起了区块链热潮，R3联盟（由高盛、摩根大通等数十家银行组成）开发了Corda平台，各大银行纷纷成立区块链实验室，探索跨境支付、贸易融资、KYC共享等用例。然而，大多数项目停留在概念验证阶段，未能进入大规模生产环境。核心原因包括：分布式账本技术在已有中心化清算体系中缺乏明确的价值主张、监管框架不明确、以及各参与方在数据共享上的信任问题。这段历史使得银行高管对新技术浪潮保持警惕，也让Maurizio的对比更具说服力——AI之所以不同，是因为它立即产生了需要解决的实际运营问题，而非停留在理论层面。

这个观察非常精准。真正有价值的技术变革，其标志不是缺少问题，而是问题的质量和紧迫性。当一个组织开始认真讨论数据治理、合规框架和安全架构时，恰恰说明这项技术已经进入了真正的落地阶段。

选择"困难模式"：从第一天就接入客户数据

为什么不走捷径

许多银行在AI落地时选择了"聪明"的路径——从不涉及客户数据的场景入手，比如帮助中心、公开信息门户等。但Erste Group做了一个大胆的决定：从两年半到三年前开始接触AI时，就直接连接客户数据。

Maurizio解释了这个决策的逻辑："最终这件事必须发生，那为什么不现在就做？"当然，这个过程中犯了很多错误，也让团队"头上多了不少白发"。但他认为这是值得的——团队积累了足够的知识和信心，现在可以更快地向前推进。

监管环境下的速度把控

在银行业，一旦开始访问客户数据，就必须放慢脚步。Maurizio强调："我们是一个建立在信任基础上的行业。如果失去信任，除了代价昂贵之外，重建信任需要很长时间。"

欧洲银行在处理客户数据时面临多重监管约束。GDPR（通用数据保护条例）对个人数据的收集、处理和存储设定了严格规则，违规罚款可达全球年营收的4%。此外，欧洲银行管理局（EBA）的ICT风险管理指南、PSD2支付服务指令对数据访问的规定、以及2024年开始实施的DORA（数字运营韧性法案）都对银行的技术架构提出了具体要求。在AI领域，欧盟AI法案（AI Act）将金融服务中的AI系统归类为高风险应用，要求进行合规性评估、人工监督和透明度披露。这解释了为什么Erste Group选择从第一天就接入客户数据虽然困难，但从长远来看避免了后期大规模合规改造的风险。

他们的策略是：合规、安全和正确的流程必须到位，然后才能推进。这不是保守，而是对行业本质的尊重。

内部与外部的双轨策略

生产力工具：放手让各国团队快速推进

Erste Group采用了清晰的分层策略。对于内部生产力工具（如帮助员工学习文档、工作指引、政策的ChatBot），各国团队可以自由快速推进。Maurizio不想成为各国同事的瓶颈——"这些工具，尽可能快地上线，尽可能多地学习。"

客户端：中央统一管控

但在客户端，规则完全不同。由于集团在所有国家运营统一的数字平台，客户端的AI对话、咨询和支持必须集中开发。这确保了体验的一致性和质量的可控性。

客户并没有准备好"对话式银行"

主动推送vs被动响应

Maurizio分享了一个重要发现：很多零售客户并没有准备好与银行进行对话。他们习惯于将数字银行APP作为工具使用——转账、查看余额——而不是一个可以交流的伙伴。

因此，Erste Group采用了双管齐下的策略：

• 被动式AI：客户主动发起对话
• 主动式AI：系统推送建议，引导客户发现可以进行的对话

主动式AI在银行场景中的实现通常依赖于事件驱动架构和实时数据分析管道。系统持续监控客户的交易模式、账户状态变化和生命周期事件（如工资到账、大额支出、定期存款到期等），通过预训练的模型或规则引擎识别可操作的时机，然后生成个性化的推送建议。这种方式的关键挑战在于推送频率和相关性的平衡——过多推送会导致用户疲劳和关闭通知，而过少则无法发挥AI的价值。

结果表明，主动推送的效果远好于被动等待。原因很简单："很多客户喜欢AI，但根本不知道该问什么。"

对Alexa式对话银行的质疑

Maurizio对"对话式银行"的未来持开放但审慎的态度。他回忆起Alexa刚出现时，顾问们预言人们将不再使用APP而是通过语音提问。"我每天坐公共交通上班，至今没见过有人对着手机问'我的余额是多少？'"

他认为，如果界面设计得当，点击按钮完成交易仍然比语音指令更高效。但他不排除未来的可能性。

真正的使命：用AI服务80%被忽视的客户

这是整场对话中最有洞察力的部分。Maurizio指出，目前Erste Group只为约20%的客户提供真正的财务建议——这些人选择走进网点，通常更富裕、年龄更大、有时间。

而另外80%的客户只是功能性地使用工具，从未获得过财务建议。讽刺的是，"这80%中的大多数人恰恰是最需要建议的人。"

这一现象背后存在着传统银行模式的天然经济学约束：一位财务顾问的年薪加运营成本可能在8-15万欧元，这意味着只有资产管理规模（AUM）足够大的客户才能获得一对一服务，通常门槛在10万欧元以上。这导致了所谓的"建议差距"（advice gap）——中低收入客户虽然最需要财务指导（如债务管理、紧急储蓄建立、退休规划入门），却因经济不可行而被排除在服务范围之外。英国FCA（金融行为监管局）在2020年的研究中估计，英国有约2000万成年人处于"建议差距"中。Erste Group所服务的中东欧市场，这一比例可能更高。AI的边际服务成本趋近于零的特性，理论上可以打破这一约束，使普惠金融建议成为可能。

Erste Group的愿景是利用AI为所有客户提供财务关怀，而不仅仅是富裕客户。"我们在照顾人们生活中第二或第三重要的东西——他们的钱。我们的雄心是为所有客户服务，而不仅仅是富裕的那部分。"

OpenAI设定了标准：挑战与机遇并存

Maurizio对OpenAI提出了一个有趣的"抱怨"：作为一个成功的消费级产品，ChatGPT设定了用户体验的标准。"没有人会说'你的AI对话比OpenAI差一点，但因为你是银行所以我接受'。他们只会说'这很烂，OpenAI做得更好'。"

这意味着银行在所有行业限制（风控、安全、合规）之下，仍然必须达到消费级AI产品的体验标准。这是一个极高的要求，但也是推动行业进步的动力。

核心建议：接受失败，快速迭代重来

Maurizio最后的建议直接而务实：接受犯错。Erste Group的AI平台已经是第二个版本——第一个版本完全重做了。他甚至已经在规划一年半后可能需要的第三次重构。

"在一些组织中，这可能被视为浪费钱。在我们的组织中，我们认为这就是正确的做法。"

这种态度在软件工程中有着深刻的理论支撑。Google在2015年发表的经典论文《Hidden Technical Debt in Machine Learning Systems》指出，ML系统中实际的机器学习代码只占很小一部分，周围的数据管道、特征存储、监控系统和服务基础设施才是复杂性的主要来源。在AI平台领域，技术债务积累速度尤其快，因为底层模型能力每6-12个月就发生代际变化——从GPT-3.5到GPT-4再到GPT-4o，每次跃迁都可能使之前的架构假设失效。Erste Group选择接受重构而非修补，反映了一种成熟的工程文化——承认在快速演进的技术领域，过度设计和不愿重写同样是浪费。

关键不在于避免重做，而在于每次重做都更快。这与初创公司的成长路径如出一辙：从单体应用开始，发现不可扩展，然后重新设计。唯一的区别是，借助AI编程助手（如GitHub Copilot、Cursor等）等工具，重构的速度可以越来越快，代码重写的人力成本在显著下降。

结语

Erste Group的AI转型故事告诉我们：在受监管行业中推进AI，没有捷径可走，但有正确的态度——直面最难的问题、接受失败的必然性、保持对客户信任的敬畏，以及始终记住技术的最终目的是服务更多人。

核心要点