金融领域的Agentic AI：数据领导者如何安全扩展

在整个欧洲，金融服务领域的数据领导者发现自己正在走钢丝——渴望实施和扩展AI工具，但受到合规、风险管理和证明有形价值的挑战的限制。根据我们CDO Insights 2025调查，超过97%的全球数据领导者表示，他们难以清晰地证明生成式AI的商业价值。而且，虽然87%的领导者计划加速投资于AI，但67%的领导者承认，他们的AI试点项目中只有不到一半转化为大规模部署。

其中最大的障碍之一是获得领导层的支持。超过三分之一（35%）的领导者表示，获得支持和证明价值是实施AI的关键挑战。这意味着许多领导者仍然停留在等待状态，犹豫是否要在没有可衡量的证明点的情况下进行更广泛的部署。

这种犹豫与该技术的潜力形成鲜明对比。 麦肯锡估计，AI和分析可以为全球银行每年带来高达1万亿美元的额外价值，而生成式AIalone可以为运营利润贡献高达3400亿美元。这是一个不能被忽视的机会——但必须以确保合规、建立信任和产生证明的回报的方式来实现。

前进的道路

尽管面临着重大的挑战，但世界各地和欧洲的一些组织正在推进他们的AI部署，探索如何获得AI代理的回报。那些正在取得进展的组织并不是通过跳入复杂的长尾部署来实现的。相反，他们采取了一个有针对性的方法：从小开始，建立信心，证明价值，并且只在技术被证明有效后才扩大规模。

最成功的AI部署并不是一夜之间就能实现的。它们始于小规模、高影响力的举动，这些举动建立信任并带来成果。以下是三个开始的步骤。

1. 使用AI清理数据之前扩展

即使有合规的批准，AI系统也只能像它们所建立的数据一样强大。数据质量差会破坏准确性、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AI的最大障碍。

令人鼓舞的是，AI本身可以帮助解决这些数据问题。在金融服务领域，例如，一些公司正在使用AI工具来清理应收账款数据，删除重复项，纠正过时的条目，并解决不匹配的记录。一旦数据对齐并可靠，公司就可以自动化跟进，改善现金流，并对他们的AI驱动的见解有更大的信心。这也是一个首要的投资优先事项。86%的数据领导者计划增加数据管理支出，几乎有一半的人表示，使数据适合AI是他们的主要动机。

2. 从专注的执行代理开始

部署狭义目的的“执行”代理是产生可衡量的胜利的最快方法之一。这些代理被设计为处理非常具体、明确定义的任务，例如编制会议摘要、处理标准交易或分类传入的客户查询。

由于执行代理很容易监控，因此它们产生的输出很容易跟踪和验证其准确性。这不仅减少了运营风险，还为利益相关者提供了早期的证明点，有助于获得更广泛采用的支持。

一旦单任务代理的成功被证明，组织可以引入更复杂的代理结构，例如规划者和编排者，以处理多步骤的工作流程。

3. 通过自动化简化合规报告

合规是一个在金融服务领域非常耗资源的领域。监管报告通常需要从多个来源收集和协调数据，这个过程可能需要数百个小时，并依赖于少数受过培训的专家。AI在这里表现出色，提供了一个很好的起点来测试和扩大技术。

一旦基础数据被清理和结构化，AI就可以接管一些繁重的工作。例如，使用元数据映射和代理AI模型可以部分自动化生成BCBS 239合规报告。这些系统可以生成准确的初稿，然后由合规官员审查，减少周转时间同时保持质量控制。

这里的潜力是巨大的。 麦肯锡强调了一家全球银行通过采用“AI代理工厂”方法实现了200%至2000%的生产力增益，用于客户尽职调查（KYC）流程。他们保留了人工监督，但自动化了最耗时的步骤。

来自一家跨国银行的数据之旅的经验教训

一家荷兰跨国银行认识到建立数据基础对于AI成功的重要性。它意识到数据管理的重要性，并将其作为优先事项。它投资了正确的组织流程，以实现大规模的交付，并做出了明智的选择来赋予团队权力。并且它给了团队明确的方向和强大的跨职能合作来取得成功。这种可靠的数据、赋权的团队和明确的战略方向的结合使AI能够带来商业价值——而不仅仅是技术成果。

在不失去控制的情况下建立动力

随着76%的金融服务公司计划在未来12个月内推出代理AI解决方案，动力正在增强。然而，很明显，最成功的组织并没有仓促地进行全面转型。他们正在战略性地部署AI，关注小规模、可控的用例，这些用例可以带来可衡量的价值和提高运营效率。他们还将治理嵌入每个阶段，确保合规团队从早期就参与其中。

通过采用这种增量方法，公司可以在不牺牲信任或监管对齐的情况下加速AI的采用，将“从小开始”从一个被认为的限制转变为一个有意图的、经过验证的增长策略。在AI的采用中，速度很重要，但安全性和可扩展性更重要。金融服务机构如果从小开始，证明价值，然后自信地扩大规模，将是最有可能解锁AI万亿美元潜力的机构。