大型金融机构正在加速对生成式人工智能的实验，高盛目前正在将人类学平台 Claude 扩展到多个后台工作流程中。
高盛计划在贸易会计和客户入职流程中部署Anthropic公司的Claude模型，并将此举视为大型银行利用生成式人工智能提升效率的更广泛举措的一部分。初期重点将放在后台运营流程上，这些流程以往需要庞大的团队负责文件审核、对账和合规性检查。
多家银行已将生成式人工智能应用于知识密集型工作。摩根大通为员工提供大型语言模型套件，用于信息检索和数据分析。此外，美国银行使用其Erica助手来解答内部技术和人力资源方面的问题。花旗银行和高盛都依赖人工智能工具来辅助开发人员完成编码任务，这表明早期部署更多地侧重于研究和软件开发，而非运营。
然而，《美国银行家》的报告指出了一种新的趋势：将生成式人工智能应用于贸易会计和客户身份验证（KYC）等运营活动。这标志着人工智能的应用场景正从纯粹的分析型应用转向自动化处理大量交易的工作流程，从而直接影响日常银行业务。
许多可自动化的银行流程都基于规则，涉及数据收集、与内部和外部数据库进行验证以及创建所需文档。理论上，传统软件已经能够处理大部分此类工作。然而，高盛首席信息官马可·阿根蒂(Marco Argenti) 指出，即使基于规则的平台能够解决大多数情况，仍有小部分交易会超出预定义的参数范围，从而导致大规模出现数千个异常。
他以KYC合规中的身份验证为例。客户记录或临近到期日的文件中出现的细微差异都可能产生需要人工判断的特殊情况。此外，这些例外情况往往集中在业务量大的环境中，使得人工审核既昂贵又耗时。
Argenti表示，神经网络能够处理这些微决策，是因为它们可以在固定规则缺失或模糊不清的情况下运用上下文推理。在这种架构下，生成式人工智能是对现有规则引擎的增强，而非取代。运营效率的提升体现在需要人工干预的案例比例的降低，这反过来又缩短了解决异常情况所需的时间，并提高了直通式处理能力。
高盛此前与 Claude 合作进行内部软件开发，这为其将人工智能扩展到其他运营领域提供了参考。该银行的开发人员使用 Claude 的一个版本，并结合Cognition 的 Devin智能体来支持编程工作流程。在这个过程中，人类工程师定义规范和监管约束，智能体生成代码，然后开发人员审查并改进输出结果。
Devin代理还会运行代码测试和验证。Argenti将这种设置描述为开发人员工作流程的结构性变革，人工智能代理在明确定义的指令下运行。此外，规范驱动的编码和自动化测试相结合，提高了开发人员的效率，并缩短了项目完成时间。
这次经验让高盛确信，只要人与系统之间的职责划分清晰明确，人工智能代理就能在受监管的环境下安全地处理范围严格的任务。即便如此，人工审核环节仍然至关重要，尤其是在输出结果涉及监管或风险因素时。
在贸易会计和客户入职方面，高盛和Anthropic的项目负责人首先与领域专家一起观察了现有的工作流程，以找出瓶颈。现在，已部署的AI代理可以审查文档、提取实体、确定是否需要补充文档、评估所有权结构，并在必要时触发进一步的合规性检查。这些任务通常涉及大量文档，并且需要人工判断，因此非常适合采用AI辅助决策支持。
通过自动化提取和初步评估，这些智能体减少了分析人员在人工比对上花费的时间。然而，它们并不能取代最终决策。相反，它们提供结构化数据和建议的后续步骤，使专家能够专注于复杂或高风险案例，而不是日常的文件处理。
Forrester首席分析师Indranil Bandyopadhyay解释说，贸易会计中的对账需要比较内部账簿、交易对手确认函和银行对账单中分散的数据。典型的工作流程依赖于从多个文档中准确提取和匹配数字和文本。而anthropic claude则被定位为一种大规模处理这种文档密集型匹配步骤的方法。
Bandyopadhyay指出，Claude能够处理大型上下文窗口并遵循详细指令，因此非常适合复杂的对账工作流程。例如，在客户入职流程中，分析师必须解析护照和公司注册文件，然后交叉核对所有来源。此外，解读非结构化文档的需求也增加了复杂性，而传统的基于规则的工具难以有效应对这种情况。
在这种环境下，人工智能提取结构化数据、突出不一致之处以及标记缺失文档的能力非常契合需求。这既能减轻分析师的整体工作量，又能加快客户的入职流程，同时还能满足银行业所需的监管标准。
至关重要的是，Bandyopadhyay强调，会计和合规平台仍然是标准的记录系统。Claude位于工作流层，负责数据提取和比较，而人工分析师则负责处理代码中发现的异常情况。在他看来，在银行业等监管严格的行业中，运营价值在于这种分工，而非完全自动化。
Anthropic金融服务主管乔纳森·佩洛西表示，Claude经过训练，能够识别不确定性并提供来源溯源信息，从而创建审计追踪，减少幻觉的影响。此外，这些设计选择旨在通过将输出与其支持证据关联起来，使人工智能的行为对风险团队和监管机构更加透明。
班迪奥帕德耶还强调了人工监督和验证的重要性，敦促各机构设计系统时应考虑在工作流程早期发现错误。尽管如此，他也承认，如果监控得当，人工智能代理可以比人工更快地处理大量重复性检查和比较工作。
高盛的马可·阿根蒂驳斥了人工智能系统天生比人类更容易被欺骗的观点。他认为，社会工程攻击主要利用的是人类的弱点，而人工智能模型则可以大规模地检测出细微的异常情况。不过，他重申，最佳方案是将人类判断与自动化审查相结合，组成整合的团队。
Argenti认为，即使考虑到人工智能部署方面存在的已知问题，这种组合也能在不相应增加员工的情况下显著提升运营能力。此外，它还能帮助银行在控制员工增长的同时，应对日益繁重的监管和文件工作。
在银行业，生成式人工智能正逐渐成为提升运营绩效的工具，它能够加速文档处理、缩短异常处理时间并提高高容量工作流程的吞吐量。然而，由于仍需人工监督，各机构必须保留现有的记录系统和治理结构，主要利用人工智能来简化其上层流程。
总而言之，高盛与 Claude 及相关代理的合作表明，生成式人工智能在金融领域具有务实的模型：自动化处理文档繁多、规则相关的任务；清晰地呈现异常情况；并最终让人类专家对关键决策和监管合规性负责。