金融服务业中代理型AI的数据准备就绪

<p>金融服务公司在企业AI方面有着独特的需求。它们运营在监管最严格的行业之一，同时要应对每秒钟都在更新的外部事件。因此，代理型AI在金融服务中的成功更多取决于其依赖数据的质量、安全性和可访问性，而非系统的复杂程度。&nbsp;</p> <figure class="wp-block-image size-large"><img decoding="async" width="1289" height="726" src="https://wp.technologyreview.com/wp-content/uploads/2026/05/Elastic-iStock-2224485239.jpg?w=1289" alt="" class="wp-image-1137035" srcset="https://wp.technologyreview.com/wp-content/uploads/2026/05/Elastic-iStock-2224485239.jpg 1289w, https://wp.technologyreview.com/wp-content/uploads/2026/05/Elastic-iStock-2224485239.jpg?resize=300,169 300w, https://wp.technologyreview.com/wp-content/uploads/2026/05/Elastic-iStock-2224485239.jpg?resize=768,433 768w" sizes="(max-width: 1289px) 100vw, 1289px" /></figure> <p>“一切都从数据开始，”Elastic 全球搜索AI董事总经理Steve Mayzak说。</p> <p>代理型AI——能够独立规划和执行操作以完成任务，而不仅仅是生成响应的系统——在金融服务领域具有巨大潜力，因为它能够整合实时数据并优化复杂工作流。<a href="https://www.gartner.com/en/articles/agentic-ai-in-finance?_its=eF5Vj0uOgzAQRO_i9RBw4x_cIIs5A2p_CJYcHBlnWETh7Okkq9nWeypVPdhf9GxkIPgsYFANcOkaIREa631oApiul9x6iZ79sK1iDaSXVA-ulRmE7o05Eq7-gIkroeS0hTwN6GwHg_Ywm6GTCg0C19oYDbM3TlAV1lqivdeYVzY-2O1uU9yWUKj9kvMlBXJ8vmIkzPZ9P33Tk8tXIiXMoZSPvdR628a2_e-0JLkF1zWkMx38TKP9xf1m_35AK9mTgljDm4uO9_z5AtHXU1E">Gartner</a>发现，超过一半的金融服务团队已经或计划实施代理型AI。&nbsp;</p> <p>然而，将自主AI引入任何组织都会放大其使用底层数据的优点和缺点。<a href="https://www.elastic.co/resources/article/cio-agentic-ai-playbook?utm_source=publisher-direct&amp;utm_medium=other-mit&amp;utm_campaign=fsi-gc">为了快速、自信且可控地部署代理型AI</a>，金融服务公司必须首先能够大规模搜索、保护并情境化其数据。“代理型AI放大了链条中最薄弱的一环：数据的可用性和质量，”Mayzak说，“你的系统的强弱取决于其最薄弱的环节。”</p> <p>因此，金融服务公司需要一个可信且集中的数据存储库，该存储库易于访问、可靠且可大规模管理。</p> <h3 class="wp-block-heading"><strong>高质量信息的高风险</strong></h3> <p>金融服务业的规定要求对所有数据工具负有高度问责。正如Mayzak所说，“你不能仅仅解释数据来源及其转换结果：‘这是输入的数据，这是输出的结果。’你需要一种可审计且可管理的方式来解释模型找到的信息以及为何该数据适合下一步的逻辑。”也就是说，你需要能够看到、理解并描述底层过程。</p> <p>同时，金融服务公司需要速度和准确性以满足客户期望并保持竞争优势。市场不断变化，风险与机遇也随之波动。如果AI模型能够解析来自复杂来源的自然语言（非结构化数据）以及更易分析的电子表格中的结构化数据，用户就能获得更多相关信息。&nbsp;</p> <p>在这种环境下，不容许任何错误，包括困扰早期AI努力的幻觉问题。代理型AI系统依赖于快速访问高质量、管理良好且安全可访问的数据。在金融服务领域，这些数据涵盖交易、<a href="https://www.elastic.co/resources/article/financial-services-ai-customer-experience?utm_source=publisher-direct&amp;utm_medium=other-mit&amp;utm_campaign=fsi-gc">客户互动</a>、风险信号、政策和历史背景。为AI准备这些数据的任务不可低估。“自然语言比结构化数据混乱得多，这使得组织和清理的过程更加重要，也更加困难，”Mayzak说。</p> <p>数据必须跨不同位置进行良好索引和整合，而不是锁定在组织内孤立系统的孤岛中。否则，AI代理会滞后、提供不一致的答案，并产生更难追溯和解释的决策，从而削弱监管机构、客户和内部利益相关者的信心。&nbsp;</p> <p>正如Mayzak所说，“描述如何在银行执行交易有许多不同方式。在代理驱动的世界里，我们需要这些描述具有确定性——每次都能给出相同结果。然而，我们正在基于强大但非确定性的模型进行构建。这非常棘手，但并非不可能。”</p> <p>对于金融服务公司来说，管理这一点可能非常具有挑战性。一项<a href="https://pages.awscloud.com/awsmp-gim-drnx-adhoc-fin-forrester-forrester.html?trk=07194954-8b60-4856-aeff-ec37b897c4d6&amp;sc_channel=el_blog&amp;source=content">Forrester研究</a>发现，57%的金融组织仍在开发必要内部能力以充分利用代理型AI。“数据以多种不同格式存在，是在银行历史过程中创建的，”Mayzak说。“以任何存在50年的银行为例：它们可能对完全相同的东西有60种不同类型的PDF。同时，我们希望这些系统的输出100%准确。在许多情况下，没有‘足够好’。”也就是说，公司必须第一次就做对。</p> <h3 class="wp-block-heading"><strong>搜索与保护结果</strong>&nbsp;</h3> <p>有效的搜索平台是解决数据碎片化、索引不良且不可访问问题的关键。能够轻松筛选结构化与非结构化数据、保持数据安全并在正确情境中应用的金融服务公司将能最大程度地从代理型AI中获益。这通常需要在设计AI系统时考虑数据访问和实用性，以便它们能更快工作，产生更准确结果，并降低风险。“搜索是使AI准确且基于真实数据的基础技术，”Mayzak说。“搜索平台已成为将推动这场AI革命的权威情境和记忆存储库。”</p> <p>一旦到位，这些AI增强搜索和自主系统可为金融服务公司服务多种目的。在监控客户风险敞口时，代理型AI可以持续扫描交易、市场信号和外部数据以检测新兴风险；平台随后可实时自动标记或上报问题。在交易监控中，AI代理可审查交易工作流，识别不同格式之间的差异，并逐步解决异常，只需最少人工干预。在监管报告中，AI可从各系统收集数据，生成所需报告，并跟踪每个输出的产生方式。这些AI应用在节省时间的同时，通过可追溯性和可解释性支持审计和合规需求。</p> <p>尽管这些能力已经存在，但通常是手动、分散且难以扩展的。代理型AI允许金融组织走向更自动化、高效和可扩展的流程，同时保持其高度监管环境所需的准确性和透明度。正如Mayzak所说，“这与人类当前的运作方式并无太大区别，只是以更快的速度和更大的规模进行。”&nbsp;</p> <h3 class="wp-block