行业参考 · 金融 · 法务 · 证据 E1
Kyndryl 与 Incore Bank 用 Gemini 完成 KYC 客户 onboarding 智能体 POC
这是公开报道的其他企业案例，不是 Alan 交付的项目。内容由 AI 收集整理，以原文为准。
企业遇到的问题
KYC onboarding 需要从多文档、系统和数据源中收集、验证和核对证据，人工交接导致周期长、合规人员花费大量时间处理重复工作。
概要
Incore Bank 官方新闻稿称，Kyndryl 与 Incore Bank、Google Cloud 完成基于 Gemini 模型的 KYC 客户 onboarding 智能体概念验证：文档自动抽取准确率最高 99%，onboarding 周期有望从数月降到数天，合规人员转向高判断力案件；由 Kyndryl Agentic AI Framework、policy as code 和 guardrail agents 支撑。
原文写明的事实
- 该文明确是 proof of concept，发布于 2026-09-02，原文署名 August 31, 2026
- 方案使用 Google Gemini 模型，并应用 Kyndryl Agentic AI Framework、policy as code 和 guardrail agents
- POC 期间客户 onboarding 文档自动抽取准确率最高达到 99%
- POC 显示有潜力将 onboarding 时间从数月降到数天
- 合规专业人员能把更多时间用于判断密集型案件，同时保持透明度、控制和人工监督
怎么做的
- 输入：客户 onboarding 文档、内部系统数据和外部可信来源数据。
- 处理：多 AI agents 跨结构化和非结构化数据，提取核验客户信息、收集证据、识别风险因子、生成可解释风险评分。
- 数据：客户 onboarding 文档、内部系统、外部可信来源数据。
- 动作：生成可审计决策记录并持续监控客户情况变化，合规人员进行人工治理。
- 输出：客户风险评分、证据记录和可审计决策记录。
如果你也想做：复制评估
AI 初评，供参考。具体能不能做，要看你企业的数据、流程和人。
- 难度：高（需要配置 Skill / Connector）
- 需要的能力：KYC文档抽取与校验 Skill、风险因子识别 Skill、可解释风险评分 Skill
- 需要接的数据/系统：内部银行系统、外部可信数据源
- 仍需人工的环节：合规专业人员对高风险案件进行人工判断和监督
- 风险：合规错误可能导致监管处罚；高自动抽取准确率不等于可解释风险评分可靠
- 原文没披露的：仅是 POC，未稳定投产；未披露样本量和误判/漏判率
POC 展示了 KYC 文档抽取和风险评级辅助的潜力，但不能视为稳定生产系统。
来源
证据说明：Incore Bank 官方新闻稿，点明 POC 结果，但无独立监管或第三方验证，且非生产环境。；模型自称 E2，按来源结构下调为 E1。