在金融服务领域推动 AI 规模化，始于治理与架构

在金融服务领域规模化 AI 的真正挑战，在于底层数据基础。组织往往难以统一碎片化数据、落实严格治理，并在运行数十年的遗留系统中维持可观测性。

Microsoft 金融服务行业云高级总监 Thomas Mathew 坦言：“大多数组织在 AI 领域遭遇失败，并不是因为缺少数据，而是因为无法充分信任和解读自己已有的数据。”

数据质量不佳带来的问题，不只是输出结果不准确。它还会破坏用户信任，引发监管审查，并让整个 AI 投资的价值难以证明。对于身处高度监管环境的 CIO、CTO 和 CDO 来说，这种风险不可接受。

金融服务业早期采用 AI 的浪潮主要集中在面向客户的应用上：聊天机器人、个性化体验和数字助理。组织很快发现，如果没有稳固的后端架构就部署这些工具，会导致 AI 幻觉、违反合规要求以及成本不断攀升。

此后，关注重点发生了转移。IDC 数据证实了这一点：企业现在优先考虑基础设施、数据和治理，而非前台业务创新。一年前，客户体验在预算抗削减优先级中排名垫底；如今其优先级已有提升，但这是在组织认识到必须先补强后端架构之后才发生的变化。

IDC 金融洞察副总裁 Jerry Silva 将其视为一项战略要务：“要将 AI 视为一种企业能力，而不只是一项技术。确保所有治理机制就位，然后寻找能够帮助您从 AI 中创造实际业务价值的专家。”

这一转变，正是区分真正取得进展的组织与仍在开展孤立实验的组织的关键。

金融服务公司拥有海量信息，但这些信息往往孤立存在、非结构化或已经过时。为解决这一问题，统一平台必须能够摄取并整理企业各处的信息。

当组织实施语义搜索等强大的搜索功能时，其模型就能从准确、相关且最新的来源中获取信息。这会将原始日志和文档转化为可指导行动的洞察。

在受监管环境中，治理不能沦为事后补救。您的架构必须自动执行数据主权、访问控制和隐私方面的规则。有效的 AI 治理需要基于角色的访问控制和完整的审计跟踪。这些管控措施既能保护组织，也能支持安全创新。

碎片化是规模化扩展的大敌。当不同团队使用彼此割裂的工具时，盲点就会出现，调查欺诈行为或系统故障也会变成缓慢的手动流程。将指标、日志和跟踪统一到单一平台中，有助于团队开发运行状况预测和异常检测模型。

例如，美国最大的财产与意外险公司之一与 Kyndryl、Elastic 和 Microsoft 合作，实施了这种统一方法。结果令人瞩目：他们将事件数量每年减少约 5,000 起，并发现过去 90% 的服务中断本可避免。

金融服务 AI 战略正从生成式系统转向智能体系统。这些自主智能体不只是回答问题，还会观察、推理并执行复杂工作流，例如自动化理赔或调查安全威胁。

然而，自主性也会带来新的风险。智能体系统需要实时上下文、严格的防护措施，以及针对高风险决策的人工介入升级机制。金融服务领域，很少有智能体应用能够在没有人工监督的情况下运行，尤其是在涉及敏感客户数据、潜在财务损失、重大信贷决策或监管可解释性时。

Elastic 首席解决方案架构师 Tim Brophy 建议采取务实的起步方式：“从小处着手。我们先从一个小项目和一个小用例开始，然后持续迭代，直到规模扩大……因为用例的成效取决于所提供上下文的质量。”

高度可观测的 AI 架构（能够跟踪智能体如何做出决策以及访问哪些数据）对于安全地大规模部署至关重要。

Elastic 的 Search AI Lake 汇集整个企业的数据。它利用机器学习加速根本原因分析，并发现人类可能遗漏的模式。当所有遥测数据集中在一处时，AI 可以在异常引发重大故障或安全事件之前检测到这些异常。

这种统一方法还支持不同用例。正如 Brophy 所解释的，一旦为实现可观测性而整合数据，同一数据基础即可支持安全分析、欺诈检测和 AI 辅助搜索。这样就无需彻底重建架构。

在金融服务领域规模化 AI 不只是一项 IT 举措，还需要业务、数据、安全和合规团队协作。孤立项目常常失败，因为它们没有考虑更广泛组织的需求。

Kyndryl 金融服务现代化负责人兼副总裁 Niloy Sengupta 这样说道：“如果只是企业内部某个团队单独推进某件事，它在整个企业中被采用的可能性，就会低于各方共同参与推进的情况。”

取得成功的企业会打造一种环境，让团队共同创建解决方案。借助共享平台，这些团队可以打破孤岛，确保 AI 项目与业务目标和监管要求保持一致。

现代金融架构十分复杂，意味着很少有组织能够完全依靠内部力量构建所有能力。从新的智能体间协议到不断演变的监管框架，变化速度之快，要求组织具备专业知识；而在内部长期维持这类专业能力既困难，也会产生不必要的高成本。

软件提供商、云服务商和系统集成商之间的生态协作至关重要。像 Elastic 这样在 Microsoft Azure 上运行并由 Kyndryl 托管的平台，可提供预构建集成方案、经过验证的参考架构和企业级支持。这些合作关系可以降低实施风险，并缩短价值实现时间。

在下一个 AI 时代取得成功的金融服务公司，将是那些从现在起优先夯实数据基础的企业。通过在统一搜索、全面可观测性和严格的金融 AI 治理方面加大投入，它们可以构建自主系统所需的韧性架构。这种方法可以降低风险、提升运营效率，并推动可衡量的业务成果。

从实验走向执行，需要清晰的战略和跨职能协同。这要求组织将 AI 视为核心企业能力，并以合适的技术和合作伙伴为支撑。

真正取得进展的组织，并不会等待完美计划。它们从小处着手，谨慎治理，并以可信基础为起点持续构建。