大型金融機構正在加速對生成式人工智能的實驗，高盛目前正在將人類學平臺 Claude 擴展到多個後臺工作流程中。
高盛計劃在貿易會計和客戶入職流程中部署Anthropic公司的Claude模型，並將此舉視爲大型銀行利用生成式人工智能提升效率的更廣泛舉措的一部分。初期重點將放在後臺運營流程上，這些流程以往需要龐大的團隊負責文件審覈、對賬和合規性檢查。
多家銀行已將生成式人工智能應用於知識密集型工作。摩根大通爲員工提供大型語言模型套件，用於信息檢索和數據分析。此外，美國銀行使用其Erica助手來解答內部技術和人力資源方面的問題。花旗銀行和高盛都依賴人工智能工具來輔助開發人員完成編碼任務，這表明早期部署更多地側重於研究和軟件開發，而非運營。
然而，《美國銀行家》的報告指出了一種新的趨勢：將生成式人工智能應用於貿易會計和客戶身份驗證（KYC）等運營活動。這標誌着人工智能的應用場景正從純粹的分析型應用轉向自動化處理大量交易的工作流程，從而直接影響日常銀行業務。
許多可自動化的銀行流程都基於規則，涉及數據收集、與內部和外部數據庫進行驗證以及創建所需文檔。理論上，傳統軟件已經能夠處理大部分此類工作。然而，高盛首席信息官馬可·阿根蒂(Marco Argenti) 指出，即使基於規則的平臺能夠解決大多數情況，仍有小部分交易會超出預定義的參數範圍，從而導致大規模出現數千個異常。
他以KYC合規中的身份驗證爲例。客戶記錄或臨近到期日的文件中出現的細微差異都可能產生需要人工判斷的特殊情況。此外，這些例外情況往往集中在業務量大的環境中，使得人工審覈既昂貴又耗時。
Argenti表示，神經網絡能夠處理這些微決策，是因爲它們可以在固定規則缺失或模糊不清的情況下運用上下文推理。在這種架構下，生成式人工智能是對現有規則引擎的增強，而非取代。運營效率的提升體現在需要人工干預的案例比例的降低，這反過來又縮短了解決異常情況所需的時間，並提高了直通式處理能力。
高盛此前與 Claude 合作進行內部軟件開發，這爲其將人工智能擴展到其他運營領域提供了參考。該銀行的開發人員使用 Claude 的一個版本，並結合Cognition 的 Devin智能體來支持編程工作流程。在這個過程中，人類工程師定義規範和監管約束，智能體生成代碼，然後開發人員審查並改進輸出結果。
Devin代理還會運行代碼測試和驗證。Argenti將這種設置描述爲開發人員工作流程的結構性變革，人工智能代理在明確定義的指令下運行。此外，規範驅動的編碼和自動化測試相結合，提高了開發人員的效率，並縮短了項目完成時間。
這次經驗讓高盛確信，只要人與系統之間的職責劃分清晰明確，人工智能代理就能在受監管的環境下安全地處理範圍嚴格的任務。即便如此，人工審覈環節仍然至關重要，尤其是在輸出結果涉及監管或風險因素時。
在貿易會計和客戶入職方面，高盛和Anthropic的項目負責人首先與領域專家一起觀察了現有的工作流程，以找出瓶頸。現在，已部署的AI代理可以審查文檔、提取實體、確定是否需要補充文檔、評估所有權結構，並在必要時觸發進一步的合規性檢查。這些任務通常涉及大量文檔，並且需要人工判斷，因此非常適合採用AI輔助決策支持。
通過自動化提取和初步評估，這些智能體減少了分析人員在人工比對上花費的時間。然而，它們並不能取代最終決策。相反，它們提供結構化數據和建議的後續步驟，使專家能夠專注於複雜或高風險案例，而不是日常的文件處理。
Forrester首席分析師Indranil Bandyopadhyay解釋說，貿易會計中的對賬需要比較內部賬簿、交易對手確認函和銀行對賬單中分散的數據。典型的工作流程依賴於從多個文檔中準確提取和匹配數字和文本。而anthropic claude則被定位爲一種大規模處理這種文檔密集型匹配步驟的方法。
Bandyopadhyay指出，Claude能夠處理大型上下文窗口並遵循詳細指令，因此非常適合複雜的對賬工作流程。例如，在客戶入職流程中，分析師必須解析護照和公司註冊文件，然後交叉覈對所有來源。此外，解讀非結構化文檔的需求也增加了複雜性，而傳統的基於規則的工具難以有效應對這種情況。
在這種環境下，人工智能提取結構化數據、突出不一致之處以及標記缺失文檔的能力非常契合需求。這既能減輕分析師的整體工作量，又能加快客戶的入職流程，同時還能滿足銀行業所需的監管標準。
至關重要的是，Bandyopadhyay強調，會計和合規平臺仍然是標準的記錄系統。Claude位於工作流層，負責數據提取和比較，而人工分析師則負責處理代碼中發現的異常情況。在他看來，在銀行業等監管嚴格的行業中，運營價值在於這種分工，而非完全自動化。
Anthropic金融服務主管喬納森·佩洛西表示，Claude經過訓練，能夠識別不確定性並提供來源溯源信息，從而創建審計追蹤，減少幻覺的影響。此外，這些設計選擇旨在通過將輸出與其支持證據關聯起來，使人工智能的行爲對風險團隊和監管機構更加透明。
班迪奧帕德耶還強調了人工監督和驗證的重要性，敦促各機構設計系統時應考慮在工作流程早期發現錯誤。儘管如此，他也承認，如果監控得當，人工智能代理可以比人工更快地處理大量重複性檢查和比較工作。
高盛的馬可·阿根蒂駁斥了人工智能系統天生比人類更容易被欺騙的觀點。他認爲，社會工程攻擊主要利用的是人類的弱點，而人工智能模型則可以大規模地檢測出細微的異常情況。不過，他重申，最佳方案是將人類判斷與自動化審查相結合，組成整合的團隊。
Argenti認爲，即使考慮到人工智能部署方面存在的已知問題，這種組合也能在不相應增加員工的情況下顯著提升運營能力。此外，它還能幫助銀行在控制員工增長的同時，應對日益繁重的監管和文件工作。
在銀行業，生成式人工智能正逐漸成爲提升運營績效的工具，它能夠加速文檔處理、縮短異常處理時間並提高高容量工作流程的吞吐量。然而，由於仍需人工監督，各機構必須保留現有的記錄系統和治理結構，主要利用人工智能來簡化其上層流程。
總而言之，高盛與 Claude 及相關代理的合作表明，生成式人工智能在金融領域具有務實的模型：自動化處理文檔繁多、規則相關的任務；清晰地呈現異常情況；並最終讓人類專家對關鍵決策和監管合規性負責。