SIBOS观察：银行业人工智能从试点走向企业级规模化应用

在SIBOS年会上，来自德意志银行（Deutsche Bank）、法国巴黎银行（BNP Paribas）、纽约梅隆银行（BNY）和花旗（Citi）的高级技术与人工智能负责人与谷歌云（Google Cloud）共同出席媒体圆桌会议，探讨金融机构如何将人工智能从试验阶段推进到企业级规模部署。

讨论传递出一个清晰的核心信息：金融服务业正在进入智能体人工智能时代，在这一时代，人工智能系统能够对复杂信息进行推理、执行多步骤工作流程，并帮助员工更快地作出更有依据的决策。

然而，对于在高度监管环境中运营的银行而言，讨论的重点已不再只是人工智能能做什么，而越来越多地转向如何安全、规模化地部署人工智能，并带来可衡量的商业价值。

从试点到转型

德意志银行企业银行首席信息官兼首席产品官乔·汉纳福德（Jo Hannaford）将该行的人工智能之路描述为从试验走向工业化规模的转变。德意志银行开发了一个名为ADA的智能体人工智能框架，旨在让智能体能够在不同应用中重复使用。

汉纳福德强调了金融服务业人工智能应用的两大类别：流程优化和金融智能。她认为，自动化虽然可以提升运营效率，但更大的机遇在于利用人工智能整合金融和市场信息，为面向客户的团队生成可付诸行动的洞察。

法国巴黎银行的目标同样不止于渐进式自动化。该行企业与机构银行业务首席人工智能官查尔斯·奥利夫（Charles Holive）表示，该行将人工智能视为业务驱动力，而不仅仅是一项技术或成本举措。

法国巴黎银行并未开展成千上万个零散的概念验证项目，而是专注于在各业务线推进少数几项重大转型，目标是重构流程并改变其底层经济模式。

智能体人工智能进入工作流程

讨论中还给出了银行将智能体人工智能应用于日常金融流程的具体案例。

在法国巴黎银行，其中一个用例聚焦于证券服务运营，包括交易差异（trade break）处理。该行先重新设计了工作流程，然后引入人工智能智能体来管理部分流程。

据奥利夫介绍，该系统最初解决了约95%的待分诊案例，其余例外情况则成为智能体从人工反馈中学习的机会。几周之内，该流程的自动化效率就达到了约80%–85%。

纽约梅隆银行正将类似理念应用于支付领域。首席数据与人工智能官萨尔塔克·帕塔奈克（Sarthak Pattanaik）介绍了一套智能体解决方案，旨在处理少量需要人工干预的支付指令。

该系统将对支付信息（包括收款人、币种、地址和支付类型）的语义理解与基于ISO 20022标准的语法校验相结合，随后评估交易的整体背景，以判断该笔支付是否合理，同时确定性控制和人工干预仍是流程的一部分。

这一区别至关重要：人工智能层并不是要取代现有控制措施，而是在其基础上增加推理能力。

从效率到金融智能

对德意志银行而言，另一大机遇是利用人工智能提升金融智能的质量和速度。

该行与谷歌云联合开发了Financial Insights功能，将金融智能、市场动态和客户特定信息整合在一起。该系统可以为客户覆盖团队生成建议，并自动完成起草财务备忘录和信用评估等后续任务。

汉纳福德表示，这一工具旨在帮助客户关系团队在客户自己未必察觉之前，就发现正在出现的问题。

花旗也在流动性、文件处理和财富管理等领域探索智能体人工智能。花旗服务业务临时首席运营官兼流动性管理服务主管斯蒂芬·兰德尔（Stephen Randall）强调，在提升生产力的同时必须设定清晰的企业边界。

治理成为架构的一部分

如果说这些不同案例有一个共同主题，那就是信任和治理无法在部署之后再补上。

与会嘉宾一再强调数据治理、可观测性、监管控制和人工监督的重要性。

在法国巴黎银行，涵盖合规、法务、网络安全和人力资源的治理从开发之初就被纳入其中。该行还可以利用内部基础设施对敏感应用进行原型开发，然后再让经过验证的解决方案走完完整的企业治理流程。

在花旗，团队通过控制措施来管理特定工作流程可以访问哪些内部和外部数据源，同时保持明确的“人在回路中”或“人在回路上”模式。

德意志银行正在探索知识图谱方法，以便在传统数据结构之间连接语义信息。据汉纳福德介绍，这已帮助该行部分业务加快了客户准入和贷款等流程。

对纽约梅隆银行而言，治理同样被嵌入数据和人工智能平台本身，元数据和语义有助于判断某项信息能否被合法地用于特定用途。

谷歌用自身财务运营进行检验

谷歌（Google）还将自身的财务部门作为企业级人工智能的真实试验场进行了介绍。

谷歌财务副总裁克里斯汀·赖因克（Kristin Reinke）将公司称为其人工智能技术的“零号客户”。谷歌已在整个财务部门部署人工智能，包括发票验证和高管报告。

谷歌助理司库杰森·艾伦（Jason Allen）重点介绍了为谷歌全球司库业务开发的智能体现金管理系统。该解决方案使用相互独立的预测、评估和执行智能体，来识别富余现金、评估资金应投向何处，并为交易执行做好准备。

该公司表示，这一系统让员工腾出时间从事更高价值的工作，同时还带来了额外的利息收入。

重要的是，谷歌强调人工智能并不作出最终投资决定。决策责任仍由人类现金管理人员承担，技术则负责提供建议，并减少作出决策所需的人工工作。

银行业人工智能的下一阶段

SIBOS上的讨论表明，业界关于人工智能的讨论正在演变。关注点正从孤立的生产力工具，转向直接嵌入关键金融工作流程的人工智能系统。

德意志银行、法国巴黎银行、纽约梅隆银行和花旗分享的案例指向一个共同模式：人工智能承担日益复杂的推理和执行工作，而数据控制、确定性验证、治理和人的判断依然不可或缺。

因此，对金融机构而言，竞争的关键或许不在于谁能部署最大的人工智能模型，而在于谁能构建将人工智能能力转化为可信业务流程所需的基础设施、数据基础和治理体系。

正如谷歌云圆桌会议所明确表达的，正在形成的模式并不是人工智能取代金融专业人士，而是人工智能消除摩擦，增强负责金融决策者的判断力。