OpenAI 官方於二○二六年十月十六日刊出與巴西最大銀行之一 Itaú Unibanco 的合作案例，說明該行如何以對話式介面 ia.i 與內部治理平台 IARA，把生成式人工智能推至客戶與員工兩端。首期約三十萬名客戶已啓用；目標是在二○二六年年底前覆蓋全部客戶群。法律部門方案處理逾九千萬份文件、每月逾二百萬項任務，個別流程效率提升約百分之二十至八十。來源真實性已驗證：本文事實核對自 OpenAI 官方案例頁，並以公開報導作背景交叉，不以未在官方頁核實的數字為依據。

對香港銀行與受規管金融科技而言，重點不在「再上一個聊天機械人」，而在於模型編排、token 成本、負責任人工智能與數據不出境之間如何同時成立——這正是金管局「ART」框架所強調的可問責、具韌性與可信賴方向。

OpenAI／Itaú：巴西銀行以 ia.i 與 IARA 把生成式 AI 推至全客群——首期約三十萬戶、法律庫逾九千萬文件

巴西 Itaú Unibanco 與 OpenAI 的官方案例，展示一家身處高度規管市場的大型銀行，如何把「AI First」從內部工具延伸到面向約七千萬客戶的金融情境層。本文整理官方披露的架構取捨、可核實數字，以及對香港企業私有化部署的啓示。

一、核心事件：ia.i 對話層與 IARA 治理編排

技術細節

按 OpenAI 官方說明，ia.i 是接續二○二四年「Inteligência Itaú」能力之後的完整對話層，支援文字或語音啓動，把支票帳戶、信貸、信用卡、保險及其他服務的互動收斂到同一環境，並在需要時轉接專門人員。

銀行選擇「一組模型」而非單一模型：低延遲、成本敏感的日常查詢，與需要更深推理與 grounding 的諮詢場景，可分別路由。OpenAI 模型是其中供應商之一。客戶情境層稱為 Customer DNA，在治理與負責任人工智能控制下，協助理解約七千萬客戶的需要、習慣與人生階段；GPT‑5.x 模型是維持與豐富該表徵的組成部分之一。

背後的架構決策是 IARA：向各團隊按內部政策提供受控的多模型存取，並同時處理 token 成本控制、回覆準確度，以及負責任人工智能政策的執行。法律部門方案在逾九千萬份文件的庫上運作，每月執行逾二百萬項任務，個別流程階段效率提升約百分之二十至八十。

官方列明首期約三十萬名客戶；目標是二○二六年年底前覆蓋全部客戶群。後續規劃包括產品模擬與開戶／申請，以及對收入、開支與習慣的定期財務分析。對客戶關係團隊，銀行期望可把可用於關係經營的時間提高約三倍、服務速度最高約兩倍、對話有效性最高約三倍——這些屬機構自述期望，並非已審計的外部基準。

二、技術原理深度解析

大型銀行落地生成式 AI，本質是三層疊加：

體驗層：以自然語言（及語音、影像、點撃等多元模態）取代菜單導航，讓技術「幾乎不被察覺」，只留下可感知的金融利益。Itaú CTO Carlos Eduardo Mazzei 強調標準是：直接、簡單、有用，並解決真實日常問題。
情境層：Customer DNA 一類的客戶金融語境，使回覆貼近個人習慣與人生階段，同時受治理約束。
編排與治理層：IARA 類平台把多模型、觀測性、token 經濟學與政策護欄集中，讓分散的業務團隊可以在同一控制面之上實驗，而不各自直連公有 API。

在規管行業，第三層往往是能否擴規模的分水嶺：沒有成本與合規觀測，生成式 AI 容易變成無法審計的影子 IT；沒有多模型路由，要嘛延遲與費用失控，要嘛複雜推理能力不足。

四、日常應用場景

1. 開發者與技術團隊

可借鏡「平台先於功能」：先建統一模型閘道（配額、日誌、護欄、路由），再讓產品團隊掛載具體用例。法律文件庫的「讀取—分析—詮釋」流水線，亦示範如何把非結構化知識庫接到受控推理端點。

2. 企業與隱私敏感行業

銀行、保險、醫療與法律事務所同樣需要：數據留在機構信任邊界內、回覆可對齊機構價值與合規要求、並能量度每萬 token 的單位經濟。IARA 同時處理成本、準確度與政策，正是這類行業的參考樣板。

3. 一般用戶

對終端客戶而言，價值是把對帳單疑問、簡單交易與投資／保險諮詢收進同一對話，並在必要時無縫轉人工——而非強迫學習另一套 App 菜單。

4. 香港與亞洲市場視角

香港金管局已公布銀行業負責任人工智能「ART」框架（可問責、具韌性、可信賴），第二期 GenA.I. 沙盒亦有大量代理式用例探索。Itaú 案例提醒本地持牌機構：對外對話體驗可以激進，但底層必須先有治理編排與觀測；「全客群上線」若缺少 token 經濟學與偏差監控，風險會隨規模指數上升。亞洲其他市場若正把即時支付、WhatsApp／微信類通道與銀行服務綁定，亦宜先釐清身份、授權與人工接管路徑。

五、專業評價與潛在考量

優勢

官方案例同時給出客戶端（ia.i）與平台端（IARA）敘事，便於技術與風險管理團隊對照。
明確主張多模型編排，符合真實產品同時存在「便宜快」與「深推理」兩類負載的現實。
法律庫規模與任務量級提供可核實的企業級訊號，而非空泛「AI 轉型」口號。

需要留意的地方

效率提升區間（約百分之二十至八十）與關係團隊期望倍數屬機構自述，跨部門定義未必一致，外機構不宜直接對標。
次級媒體對客群規模的表述或與官方首期數字不同；撰寫與決策應以 OpenAI 官方案例頁為準。
把前沿模型接入客戶 DNA，仍須持續處理幻覺、偏差、提示注入與越權工具呼叫——尤其當對話可觸發轉帳或產品申請時。

結語

Itaú 的路徑說明：在受規管金融業，生成式 AI 要「消失在體驗裏」，先決條件反而是平台層的治理、觀測與成本控制。對正按金管局 ART 方向規劃私有或混合部署的香港團隊而言，可先釐清模型閘道、數據出境邊界與人工接管，再放大客群。如需在香港部署類似的企業私有 LLM 全託管（Dataset → QLoRA／LoRA → 私有 API，年費 HK$88,000 起，100% 數據不出境），可參考 YSK Limited 的方案：https://ysk.hk/services/ai-automation 。

參考來源

OpenAI 官方案例（主來源）：https://openai.com/index/itau-generative-ai （2026-10-16）
發現來源：OpenAI News RSS https://openai.com/news/rss.xml
背景交叉（不採未核實數字）：Fast Company / TI Inside / CNN Brasil 等公開報導