银行Agent的落地方式，正在从单点试验转向更系统的工程化建设。
9月初，浙商银行一笔Agent基础软硬件项目披露中标结果，接近6500万元的报价，成为年内公开可查金融机构Agent项目中，金额最大的一笔；
叠加此前落地的财富及供应链Agent项目，浙商银行在Agent上的公开采购金额已合计超过7400万元。
这并不是孤例，上海银行、浦发银行、恒丰银行近期均有大额采购落地，加码Agent工作站、创设平台和运行观测等环节。
银行正在为Agent花更多的钱，而这些钱正在投向更底层的工程能力。
几乎同期，服贸会、外滩大会上，银行高管开始更多讨论如何批量开发Agent、上线后怎么评估、怎样持续管理；
部分金融科技公司甚至将Agent平台定义为“超级工厂”，欲把开发、部署、评测和管理纳入同一套体系。
资金流向和行业讨论指向了同一个变化：银行的目标正在从落地零散的Agent，转向一套能够反复生产、调用和管理Agent的基础能力。
资金流向底座
真实业务中，Agent需要调用知识、工具、业务系统执行任务；
这套规则落地银行业时的特殊性在于，银行不仅要检查输出结果，也要控制任务的执行过程。
一家股份行数据架构师向枢纽表示，不是所有场景都适合直接交给Agent；
例如，意图识别、合同要素抽取等“非标准输入、标准输出”的任务容易落地，但信贷审批、理财规划等复杂流程，需要把模型嵌入既有工作流，由规则、权限和人工节点共同控制。
这也改变了银行科技项目固有的研发与交付方式。
传统科技项目通常由业务提出需求、科技负责开发；
Agent进入生产后，业务规则、SOP和经验判断需要被转化为模型能够识别和执行的逻辑，业务人员需要深地参与测试和调整。
上述数据架构师表示，在Agent的金融场景开发模式中，业务专家需要深度参与知识和规则的沉淀，科技人员则负责将这些经验转化为可执行的流程和工具，双方的协作早已经由需求交付，延伸到共同开发和持续调整。
而当Agent从试点走向批量，原本由各个项目分别完成的开发、评测和运行管理，也随之出现标准化需求。
0
评论 (0)