高盛的“AI实战”

企业做AI，最容易踩的坑，是把一次令人惊艳的演示，当成产品已经可用的证明。

高盛数字平台Marquee负责人、全球银行与市场AI工作组联席主席Chris Churchman，最近在一期播客中给出了一个更残酷的标准：AI Demo 只展示“最好的一次表现”；但机构产品上线后，最糟糕的输出会被市场与客户审视。

这句话击中了企业AI从PoC走向生产的真正断点。前沿模型接上企业数据，很容易生成一份流畅、完整、看起来专业的答案；但在金融等高风险场景里，“大体正确”没有意义。

事实是否准确、计算能否复核、结论是否越过权限、错误能否及时停止，决定了企业能否让系统进入真实流程。

这场访谈给出四条产品化边界：不用Demo代替验收；不押注模型的暂时缺陷；重做工作流；不把人的判断力外包。

高盛的“AI实验”

Marquee是高盛面向机构和企业客户的数字平台，目标是帮助客户在高度不确定中作出决策，并进入其投资流程。

平台汇集数以百万计的研究文章、交易台评论、交易前分析，以及来自数十家数据供应商的内容。Churchman把其中的Market View比作“资本市场的Pinterest”：每个组件都由领域专家制作，平台上已有数以百万计的分析组件。

目前仍只在高盛内部使用的Marquee AI，尝试把这些分散能力变成一个统一入口。

用户提出问题后，系统会拆解研究主题，寻找相关研究、交易台观点和分析组件，需要时编写并运行Python计算，再返回有证据支撑的结论。

它要解决的不是“再做一个聊天机器人”，而是让复杂机构能力能够被自然语言调动。

金融业不能接受“差不多对”的AI

Churchman在访谈中提到，一个模型即使在假设中有90%的事实是对的，也可能没有实际价值。因为使用者不知道错误藏在哪10%里，最终仍要核对全部事实。AI看似节省了写作时间，却把成本转移到了逐条验证。

普通用户可以容忍一次不准确的推荐，机构产品却必须严谨面对权限错误、数据过期、来源冲突、工具调用失败和异常市场条件。平均准确率无法回答错误落在哪里、影响多大，以及系统能否被安全接管。

Churchman用了一个很形象的比喻：事实和推断一旦进入上下文窗口，都会经过“同一台香肠机”，模型自己无法区分哪一个是事实、哪一个是插值。它不是故意误导，而是根本不知道两者的区别。