金融领域的智能体人工智能：数据领导者如何安全扩展

在欧洲，金融服务领域的数据领导者们正走在一条钢丝上——他们渴望实施并扩展人工智能工具，却又受制于合规性、风险管理以及证明实际价值的挑战。根据我们的CDO Insights 2025 调查，超过97%的全球数据领导者表示，他们难以清晰地展示生成式人工智能的商业价值。并且，尽管87%的领导者计划加速对人工智能的投资，但67%的人承认他们已将不到一半的人工智能试点项目转化为全面部署。 最大的障碍之一是获得领导层的支持。超过三分之一（35%）的人表示，获得支持和证明价值是阻碍人工智能推广的关键挑战。这意味着许多人仍处于停滞状态，在没有可衡量的证据点之前，不愿承诺进行更广泛的推广。 这种犹豫与技术潜力形成了鲜明对比。麦肯锡估计，人工智能和分析技术每年可为全球银行业带来高达1万亿美元的额外价值，而仅生成式人工智能就能为营业利润贡献高达3400亿美元。这是一个不容忽视的巨大机遇——但必须以保障合规、建立信任并产生可验证回报的方式来把握。

前进之路

尽管面临重大阻力，欧洲乃至全球仍有一些组织正在推进其人工智能的部署，探索如何从人工智能智能体中获益。那些取得进展的组织并非一头扎进复杂、长尾的部署中。相反，他们采取了一种审慎的方法：从小处着手，建立信心，证明价值，只有在技术证明其有效性后才进行扩展。 最成功的人工智能推广并非一蹴而就。它们始于小而高影响力的举措，以建立信任并交付成果。以下是三个入门步骤。

1. 在扩展前使用人工智能清理数据

即使获得合规批准，人工智能系统的强大程度也取决于其构建所依赖的数据。低质量的数据将损害准确性、效率和信任。事实上，43%的数据领导者表示，数据问题是他们扩展生成式人工智能的最大障碍。 令人鼓舞的是，人工智能本身可以帮助解决这些数据问题。例如，在金融服务领域，一些公司正在使用人工智能工具清理应收账款数据，删除重复项、更正过时的条目并解决不匹配的记录。一旦数据变得一致且可靠，公司就可以自动化后续跟进、改善现金流，并对其人工智能驱动的洞察力更有信心地运作。这也是一个首要的投资重点。86%的数据领导者计划增加数据管理支出，其中近一半人将“使数据适合人工智能”列为主要动机。

2. 从专注的执行者智能体开始

部署目标明确的“执行者”智能体是产生可衡量成果的最快途径之一。这些智能体旨在处理非常具体、定义明确的任务，例如汇编会议纪要、处理标准交易或对收到的客户查询进行分类。 由于执行者智能体易于监控，它们产生的输出结果清晰可追踪，也更容易验证准确性。这不仅降低了操作风险，还为利益相关者提供了早期证据点，有助于获得更广泛采用的支持。 一旦单任务智能体证明了成功，组织就可以引入更复杂的智能体结构，例如规划者和协调者，以处理多步骤工作流。

3. 通过自动化简化合规报告

合规是金融服务领域资源高度密集的领域。监管报告通常需要从多个来源收集和核对数据，这个过程可能耗费数百小时，并且依赖于一小批训练有素的专家。人工智能在此表现出色，为测试和扩展该技术提供了一个极佳的起点。 一旦底层数据被清理和结构化，人工智能就可以承担部分繁重的工作。例如，生成符合BCBS 239标准的报告可以通过元数据映射结合智能体人工智能模型实现部分自动化。这些系统可以生成准确的初稿，然后由合规官员审查，从而在保持质量控制的同时缩短周转时间。 这方面的潜力是巨大的。麦肯锡强调了一家全球性银行的案例，该银行通过采用“人工智能智能体工厂”方法，在了解你的客户（KYC）流程中实现了200%到2,000%的生产力提升。他们保留了人工监督，但自动化了最耗时的步骤。

一家跨国银行数据之旅的经验教训

一家荷兰跨国银行认识到了为人工智能成功构建数据基础的重要性。它认识到数据管理的重要性，并将其作为优先事项。它投资于正确的组织流程以实现规模化交付，并有意识地选择赋能团队。同时，它为团队提供了明确的方向和强大的跨职能协作以确保成功。这种可信的数据、赋能的团队和清晰的战略方向的结合，正是使人工智能能够交付商业价值——而不仅仅是技术成果——的关键。

在保持控制的同时建立势头

随着76%的金融服务公司计划在未来12个月内推出智能体人工智能解决方案，势头正在形成。然而，很明显，最成功的组织并没有急于进行全面转型。他们正在战略性地部署人工智能，专注于小而可控的用例，这些用例能提供可衡量的价值并提高运营效率。他们还将治理嵌入到每个阶段，确保合规团队尽早并经常参与其中。 通过采用这种渐进式方法，企业可以在不牺牲信任或监管一致性的情况下加速人工智能的采用，将“从小处着手”从一种感知上的限制转变为一种深思熟虑、经过验证的增长战略。在人工智能采用过程中，速度固然重要，但安全性和可扩展性更为重要。那些从小处着手、证明价值并充满信心地进行扩展的金融服务机构，将最有可能释放人工智能万亿美元的潜力。