金融服务行业是监管最为严格的行业之一，同时管理着海量数据。出于谨慎考虑，金融公司一直缓慢地将GenAI和智能体纳入其服务范围。

该行业对自动化并不陌生，但“智能体”一词的使用一直较为低调。不难理解，业内许多公司对GenAI持非常谨慎的态度，尤其是在缺乏监管框架的情况下。然而，现在像摩根大通和美国银行等已开始推出AI助手。

纽约梅隆银行(BNY)在这一趋势中走在前列。这家由亚历山大·汉密尔顿创立的金融服务公司正在更新其AI工具Eliza(以汉密尔顿的妻子命名)，将其开发为多智能体资源。该行认为，智能体能为销售代表提供有价值的帮助，同时增强客户互动。

多智能体方法

纽约梅隆银行人工智能中心负责人萨塔克·帕塔奈克(Sarthak Pattanaik)在接受记者采访时表示，该行首先着手研究如何连接其众多部门，以便轻松访问信息。

纽约梅隆银行为各团队创建了一个潜在客户推荐智能体，但不止于此。事实上，该行采用多智能体架构来协助销售团队为客户提供合适的建议。

“我们有一个智能体，它掌握了销售团队对我们客户的所有了解，”帕塔奈克说。“我们还有另一个智能体，负责介绍银行的所有产品，从流动性到抵押品，再到支付、国库管理等等。最终，我们正试图通过我们自身的能力和产品能力来满足客户需求。”

帕塔奈克补充道，这些智能体减少了面向客户的员工为确定给客户的良好建议而必须与之交谈的人数。因此，“销售人员无需再与10名不同的产品经理、10名不同的客户人员、10名不同的细分市场人员交谈，所有这些现在都通过这个智能体来完成。”

该智能体使销售团队能够回答客户可能提出的非常具体的问题。例如，如果客户想在该国推出信用卡，银行是否支持马来西亚林吉特等外币?

开发过程

多智能体推荐功能首次亮相于纽约梅隆银行的Eliza工具中。

大约有13个智能体会根据细分市场“相互协商”，以确定良好的产品推荐。帕塔奈克解释说，这些智能体从客户服务等功能性服务到涉及结构化和非结构化数据的细分市场智能体，应有尽有。Eliza中的许多智能体都具备“推理能力”。

该行明白，其智能体生态系统尚未完全实现智能体化。正如帕塔奈克所指出的，“完全智能体化的版本将自动生成我们可以提供给客户的PowerPoint演示文稿，但我们并不这样做。”

帕塔奈克表示，该行借助微软的Autogen让智能体“活”了起来。

“我们从Autogen开始，因为它是开源的，”他说。“我们一般是一家建设型公司，只要能用开源，我们就会用。”

帕塔奈克表示，Autogen为银行提供了一套坚实的指导原则，可用于确定许多智能体的响应，并使其更具确定性。该行还研究了LangChain来构建系统架构。

纽约梅隆银行围绕智能体系统构建了一个框架，为智能体提供了响应请求的蓝图。为实现这一目标，该行的AI工程师与其他银行部门紧密合作。帕塔奈克强调，纽约梅隆银行多年来一直在构建关键任务平台，并已扩展了清算和抵押品平台等产品。这一深厚的知识储备对于帮助负责智能体平台的AI工程师为智能体提供所需的专业知识至关重要。

“与仅由AI工程师驱动引擎相比，拥有更少幻觉的特征总是有帮助的，”帕塔奈克说。“我们的AI工程师与构建关键任务系统的全栈工程师紧密合作，帮助我们确定问题。这是关于组件化，以便可重用。”

例如，以这种方式构建潜在客户推荐智能体，可以让纽约梅隆银行的不同业务部门进行开发。它就像一个微服务，“不断学习、推理和行动”。

Eliza的扩展

随着智能体功能的扩展，纽约梅隆银行计划进一步升级其旗舰AI工具Eliza。该行于2024年发布了该工具，尽管其开发始于2023年。Eliza让纽约梅隆银行的员工可以访问AI应用市场、获取经过批准的数据集并寻找洞察。

帕塔奈克表示，Eliza已经为纽约梅隆银行如何利用智能体并为用户提供更先进、更智能的服务提供了蓝图。但该行并不满足于现状，希望Eliza的下一个版本更加智能。

“我们使用Eliza 1.0构建的是事物的表示和学习方面，”帕塔奈克说。“在2.0版本中，我们将改进流程，并思考如何构建一个优秀的智能体。如果你考虑智能体，它是指能够学习、推理，并在某个时间点提供一些行动，比如这是突破，这不是突破等等。这是我们构建2.0版本的方向，因为在我们完全自主之前，必须在风险指导原则、可解释性、透明度、联系等方面做好许多准备。”

企业网D1net(www.d1net.com)：

国内主流的to B IT门户，旗下运营国内最大的甲方CIO专家库和智力输出及社交平台-信众智(www.cioall.com)。旗下运营19个IT行业公众号(微信搜索D1net即可关注)。

版权声明：本文为企业网D1Net编译，转载需在文章开头注明出处为：企业网D1Net，如果不注明出处，企业网D1Net将保留追究其法律责任的权利。