M&T Bank向逾1.5万名员工部署AI助手，覆盖客服、软件开发与风险管理
美国地区性银行M&T Bank已向超过1.5万名员工部署AI助手，用于内部运营、客户服务、软件开发和风险管理，此前该行完成了长达数年的技术基础设施改造。
AI解读：M&T Bank这次大规模部署AI助手，核心是在内部运营、客服、软件开发和风险管理中引入生成式AI。对银行来说，最大的变化在于员工处理日常任务的方式：例如，AI总结客服电话录音，每次通话可节省约6分钟；软件开发者用GitLab工具生成代码，但员工仍需审核AI生成的内容。银行之所以敢这么推，是因为此前从2018年开始的技术改造打下了数据基础——它建立了数据血缘追踪系统，清楚知道数据从哪里来、怎么用，并用Solidatus和Monte Carlo这类工具管理数据流。这套治理机制让AI只能访问经过批准的内部数据，避免员工把敏感信息输给公网大模型。目前M&T有约2,000名技术人员在300多个敏捷团队工作，系统升级频率较2018年增加300%，技术支出在2025年超过12亿美元。对客户而言，AI主要影响服务响应速度和风险识别，不太会立即改变你与银行的互动方式；对银行技术决策者来说，关键是M&T证明了先做数据治理、再上AI的顺序——它先限制员工使用公网大模型，再选企业级工具并经过约800人的试点，才扩展到全员。现在超过1.8万个应用中，很多是第三方供应商提供的，M&T的策略是识别其中已有的AI能力，同时围绕自有数据和流程做专属AI开发。需要注意的是，M&T并未公开AI带来的整体效率提升数据，只有单次通话节省时间和系统升级数量这些局部数字，所以不能推断AI已经全面改变了银行运营。
美国地区性银行M&T Bank已向超过1.5万名员工部署AI助手，用于内部运营、客户服务、软件开发和风险管理。据Fast Company报道，该行正利用AI分析呼叫中心对话、起草报告、生成代码、识别客户需求并标记组合风险。M&T还在评估代理式AI在网络安全和欺诈检测中的应用。
部署规模与员工使用情况
American Banker在2025年9月报道，M&T约2.2万名员工中已有1.6万人使用微软Copilot，任务包括起草电子邮件和报告、总结呼叫中心对话。在广泛推出之前，M&T最初限制员工访问公共大语言模型。首席数据官Andrew Foster告诉American Banker，银行封锁这些工具是因为员工可能将敏感公司信息输入面向公众的服务。
随后，M&T评估了多家企业供应商，最终选择微软Copilot，先以约800名员工的试点开始，再扩展至全组织。Foster表示，使用生成式AI总结呼叫中心对话每次通话可节省约6分钟。该行软件开发人员还使用GitLab工具生成代码，但员工仍负责审核AI生成的工作。
- M&T的AI部署遵循其2026年《商业行为与道德准则》，要求员工使用经批准的AI工具，并禁止将机密、专有、客户、员工或受监管信息输入未经批准的系统。员工对AI辅助工作的准确性和适当性负责。
技术基础与数据治理
M&T的AI部署建立在2018年开始的技术改造之上。该行表示，当时超过一半的技术专家是外部员工，而现在80%的技术人员为内部员工。M&T现有约2,000名技术人员在300多个敏捷团队工作，并在项目期间招聘了超过1,000名技术专家。
该行还替换了数十个旧平台。M&T表示，自2018年以来技术故障减少了80%以上，而每年完成的系统升级数量增加了300%。2025年技术支出超过12亿美元，几乎是2017年的三倍。Wisler在2026年8月告诉Forbes，年度技术发布次数从2018年的约1.5万次增加到2025年的6.5万次。
数据项目与技术改造并行发展。Foster于2023年加入M&T，开始建立数据血缘追踪计划，以追踪信息来源、使用方式及系统间的流转。Foster告诉American Banker，这项工作并非为应对生成式AI而设，而是理解M&T数据资产的核心能力。该行还建立了专注于数据治理和数据技能的数据学院，约有2,000名员工参与。
M&T创建了名为Edison的内部知识库，包含权威文档和银行政策信息。该行还使用Solidatus和Monte Carlo的数据血缘软件来追踪数据在数据库、应用程序和商业智能系统中的流转。Foster表示，这项工作使M&T能够看到单个数据元素的来源、含义、质量和治理情况，而Copilot的使用正是受治理数据的一个应用。据American Banker报道，M&T还使用内部受治理数据构建检索增强生成（RAG）系统。
AI扩展路径与行业对比
Wisler告诉Forbes，M&T通过三条途径推进生成式AI：员工通用使用、嵌入现有应用程序的AI能力，以及围绕自有数据和流程构建的专有系统。M&T运营超过1,800个应用程序，许多由第三方供应商提供。Wisler表示，M&T的AI路径之一是识别这些应用中已嵌入的有用AI能力。
第三条路径涉及围绕自有数据和流程的专有AI开发。Forbes报道，早期应用包括重复性运营工作、软件开发、欺诈预防和网络防御。Fast Company的9月报道还指出，M&T继续评估内部开发的AI系统和外部工具，包括通用企业软件和专为银行设计的技术。
美国其他大型银行也扩大了生成式AI在员工工作流程中的应用。摩根大通于2024年向其超过20万名员工推出了内部LLM Suite平台；到2025年，其企业与投资银行部门超过6.5万名员工在积极使用该平台，超过90%的工程师使用AI编码助手。该行还表示，基于AI的交易筛选使其审查的交易量翻倍以上，同时将人工操作检查减少了一半。
美国银行则在其客服系统中使用名为EricaAssist的生成式AI工具，覆盖超过1.8万名客户服务员工。该工具总结客户来电原因、检索相关信息并推荐可能的下一步行动，但员工仍对互动负责。美国银行在2026年7月表示，EricaAssist可在3秒内提供情境指导，并将平均通话时间缩短近1分钟。该行计划在2026年晚些时候将该系统扩展到更多服务场景和业务线。