巴西银行Itaú正把生成式AI从局部工具扩展为覆盖客户服务、内部运营与员工工具的统一入口，已在数十万用户中试点ia.i并计划在2026年底前覆盖全部个人客户。关键在于用IARA平台进行多模型编排与治理，将模型选择、成本控制、权限与人工接管纳入可观测性和审计体系，以应对规模化部署的准确性、成本与合规风险。
巴西最大私人银行之一Itaú Unibanco正在把生成式人工智能从局部业务工具，推进为覆盖客户服务、金融建议和内部运营的统一入口。根据OpenAI发布的客户案例，Itaú的对话式产品ia.i第一阶段已覆盖约30万名客户，银行计划在2026年底前将其扩展至全部个人客户。
这项计划的重点并不只是让客户与聊天机器人对话，而是让客户可以从一个问题出发，直接进入账户、信用卡、贷款、保险、投资和其他银行服务。它也说明，在高度监管的金融行业，生成式AI能否扩大规模，取决于模型之外的治理、权限、成本和人工接管机制。
ia.i试图改变客户与银行的交互方式
Itaú在2026年7月底正式推出ia.i。该工具支持文字和语音输入，客户可以用自然语言询问自己的财务状况，例如查询上月交通支出，或询问如何节省开支。系统随后根据客户的账户关系和消费习惯提供个性化回答，并把客户引导到超级应用中的相应功能。
Itaú在自己的介绍中说，ia.i先向约30万名用户开放，计划在9月扩大到约300万名客户，并在年底前覆盖超级应用中的全部个人客户。客户也可以在需要时转接人工服务；对于需要明确操作路径的任务，系统并不坚持只用对话完成，而是把聊天与应用内点击结合起来。
这套设计反映出银行对生成式AI的判断：自然语言可以成为新的起点，但不一定要取代原有的菜单、确认页面和人工服务。对于付款、开户或其他具有实际后果的操作，用户仍需要能够看到并确认自己将要执行的动作。
OpenAI模型只是多模型体系的一部分
OpenAI的案例显示，Itaú并没有把整个客户体验绑定到单一模型。银行通过内部的IARA平台，对不同模型进行编排和治理。OpenAI是其中的模型提供方之一，IARA还可以根据成本、延迟、任务复杂度和安全要求选择不同的模型。
Itaú首席技术官Carlos Eduardo Mazzei表示，OpenAI模型帮助银行覆盖从低延迟、成本敏感的简单交互，到需要更深层推理和更多背景信息的复杂场景。OpenAI案例还提到，GPT-5.x模型被用于银行的Customer DNA层，为约7,000万名客户建立与财务背景、习惯和人生阶段有关的上下文表示。
这些数字和能力描述均来自Itaú或OpenAI的公司材料，并不是独立审计结果。Customer DNA也不意味着模型可以无条件访问所有客户数据；OpenAI的案例强调，这一层需要在银行的治理和负责任人工智能控制之下运行。
IARA把模型选择与风险控制放在同一层
Itaú认为，面向数千万客户部署AI，首先要解决的不是“哪个模型最聪明”，而是如何在规模化使用时控制每个请求的成本、质量和风险。IARA因此承担了模型编排、可观测性、令牌成本控制以及负责任AI政策执行等功能。
银行还在内部业务中使用这套架构。OpenAI称，Itaú法律部门的一套解决方案可以在超过9,000万份文件的资料库中进行读取、分析和解释，每月执行超过200万项任务。银行披露的结果显示，该部门部分流程的效率提升约为20%至80%。这些效率数字同样属于公司报告，应与独立生产率评估区分开来。
Itaú的做法与更广泛的企业AI部署趋势相吻合：企业开始把治理层置于具体应用之上，让团队可以调用不同模型，同时由平台统一处理权限、日志、成本和政策。此前，银行在AWS案例中也披露，其机器学习模型的开发和部署时间曾从最长六个月缩短到数天，显示其AI基础设施建设早于当前的生成式AI热潮。
银行必须回答“谁能停掉它”
金融服务中的AI风险，已经不再只是回答是否准确。一个能够读取客户数据、调用银行功能并连续执行任务的系统，可能把一次错误回答扩展成一串未经批准的操作。因此，权限范围、人工审批、审计记录、异常监控和快速暂停能力，都成为产品的一部分。
这也是为什么Itaú强调人工支持和负责任AI原则。银行表示，相关控制覆盖解决方案从开发到持续监控的整个生命周期，目标包括安全、透明度、伦理和监管合规。银行还特别提到需要降低前沿模型可能带来的偏见风险，并使客户得到的回应符合机构的价值观和文化。
这一转变也发生在行业监管讨论中。AIFlux此前报道，欧美银行监管机构正把对Agentic AI的关注点转向权限、审计、供应商依赖和可恢复性，而不是只检查模型输出是否正确。对Itaú而言，IARA的意义正是提供一层可以观察、控制和追溯模型使用的基础设施。
从客户助手到内部员工工具
Itaú的AI First战略并不只面向客户。银行也在为客户经理、管理人员和客服团队提供会议摘要、会前准备、问题分析以及方案规划等工具。银行提出的目标包括让客户关系维护时间增加至三倍、服务速度提高一倍，并让客户对话的有效性提高至三倍。
这些目标仍属于银行的预期，而不是已经得到独立验证的结果。但其方向很清晰：AI并非只被视为减少人工岗位的自动化工具，而是被用来减少重复工作，把员工时间转移到复杂的客户关系和判断上。Fast Company的Itaú案例报道称，约5.6万名员工已经每天使用AI；这项数据也来自公司方面。
对金融机构来说，客户端和员工端共享同一套智能层，可能带来效率上的协同，也会带来更大的治理压力。系统一旦同时接触客户资料、内部文件和操作工具，银行就必须明确区分哪些信息可以用于个性化服务，哪些动作需要客户确认，哪些任务只能由员工或专门系统完成。
全面推广仍有三个考验
Itaú计划在2026年底前让ia.i覆盖全部个人客户，意味着系统必须从早期用户群扩展到数千万人的日常金融生活。全面推广前，至少有三个问题仍待观察。
第一，个性化回答能否在更大规模下保持准确，尤其是在涉及投资、信贷和保险等高风险场景时。第二，模型调用和数据处理成本能否被控制在银行可以长期承受的范围内。第三，客户是否愿意把更多财务决策交给一个能够理解其账户历史的系统。
Itaú与Grupo Consumoteca进行的一项研究称，80%的巴西人希望更好地管理财务，65%的人希望拥有能够持续提供指导的“财务副驾驶”。这项调查可以说明市场需求，但不能证明客户会自动信任AI，也不能替代对实际使用行为的观察。
Itaú的案例最终指向一个比“银行有没有使用生成式AI”更具体的问题：银行能否让技术足够简单，让客户感受到的是更直接的服务，而不是更复杂的模型。对于ia.i而言，真正的考验不是它能否完成一次演示，而是当它接触到数千万客户、真实账户和真实交易时，银行是否仍然能够解释它做了什么、限制它能做什么，并在必要时及时把它停下来。
来源：
- OpenAI：How Itaú is building generative AI for its entire customer base
- Itaú：Itaú lança ia.i, nova experiência de IA generativa no Superapp
- AWS：Itaú Improves Speed to Market and Productivity of ML Solutions Using Amazon Web Services
- Fast Company：How a Brazilian bank unlocked enterprise AI
在银行开始让AI接触真实系统之际，监管关注点也正从模型本身转向权限、审计和恢复能力。详见欧美银行监管机构加紧审视Agentic AI：重点转向权限、审计与可恢复性。