高盛扩大Anthropic Claude在交易核算和客户入职中的运营应用

大型金融机构正在加快生成式人工智能的试验，高盛现正将Anthropic的Claude平台扩展到多个后台工作流程中。

高盛将生成式人工智能引入后台

高盛计划在交易会计和客户入职中部署Anthropic的Claude模型，将这一推广视为大型银行利用生成式人工智能提升效率的更广泛行动的一部分。最初的重点是那些位于后台、传统上依赖大量团队进行文件审查、对账和合规检查的操作流程。

已有多家银行将生成式人工智能应用于知识工作。摩根大通为员工提供了一个大型语言模型套件，用于信息检索和数据分析。此外，美国银行利用其Erica助手回答内部技术和人力资源相关问题。花旗和高盛都依赖人工智能工具支持开发人员进行编码任务，显示早期部署更偏重于研究和软件开发，而非操作。

然而，《美国银行家》报道指出了一个新趋势：使用生成式人工智能进行操作活动，如交易会计和了解你的客户（KYC）检查。这标志着从纯粹的分析用例向自动化交易密集型工作流程的转变，这些流程直接影响日常银行业务。

自动化KYC和对账中的边缘案例

许多可自动化的银行流程是基于规则的，包括数据收集、与内部和外部数据库的验证，以及所需文件的生成。理论上，传统软件已能处理大部分这些工作。然而，高盛首席信息官Marco Argenti认为，即使基于规则的平台解决了大部分案例，仍有一小部分交易超出预定义参数，导致在大规模操作中出现数千个例外。

他以KYC合规中的身份验证为典型例子。客户记录或文件接近到期日的微小差异可能产生边缘案例，需人工判断。此外，这些例外往往集中在高容量环境中，人工审查既昂贵又缓慢。

Argenti表示，神经网络可以处理这些微决策，因为它们在缺少或模糊的固定规则时应用上下文推理。在这种设置中，生成式人工智能是对现有规则引擎的补充，而非取代。运营上的提升来自于减少需要人工干预的案例比例，从而缩短解决例外的时间，提高直通式处理效率。

从AI辅助软件开发中汲取的经验

高盛早期使用Claude进行内部软件开发的经验促使其决定将AI扩展到其他操作领域。银行的开发人员使用结合Cognition的Devin代理的Claude版本，支持编程工作流程。在此过程中，人类工程师定义规范和法规限制，代理生成代码，开发人员随后审查和优化输出。

Devin代理还负责运行代码测试和验证。Argenti描述这一设置为开发流程的结构性变革，AI代理在明确指令下操作。此外，基于规范的编码和自动测试的结合提高了开发效率，缩短了项目完成时间。

这段经历让高盛相信，只要责任明确划分在人工与系统之间，AI代理可以安全处理受监管环境中的紧密范围任务。尽管如此，输出具有法规或风险影响时，人工审查层仍然至关重要。

从编码到文件繁重的操作流程

在交易会计和客户入职方面，高盛和Anthropic的项目负责人首先与领域专家一起观察现有工作流程，识别瓶颈。所部署的AI代理现在可以审查文件、提取实体、判断是否需要补充文件、评估所有权结构，并在必要时触发进一步的合规检查。这些任务通常涉及大量文件，需要个人判断，适合由AI辅助的决策支持。

通过自动提取和初步评估，代理减少了分析师在手动比对上的时间。然而，它们并不取代最终决策，而是提供结构化数据和建议的下一步，帮助专家专注于复杂或高风险案例，而非日常文件处理。

Forrester的首席分析师Indranil Bandyopadhyay解释说，交易会计中的对账需要比较分散的内部账簿、对手方确认和银行对账单中的数据。典型工作流程依赖于准确提取和匹配多个文件中的数字和文本。在这里，Anthropic的Claude被定位为一种能够大规模处理此类文件密集型匹配步骤的工具。

为什么Claude适合对账和入职用例

Bandyopadhyay指出，Claude处理大范围上下文窗口和遵循详细指令的能力，使其非常适合复杂的对账流程。对于客户入职，分析师需要解析护照和公司注册文件，然后交叉引用所有来源。此外，解读非结构化文件的需求增加了复杂性，传统规则工具难以高效应对。

在这种环境下，AI提取结构化数据、突出不一致之处和标记缺失文件的能力非常契合。结果是减轻分析师的整体工作负担，加快客户入职流程，同时保持银行所需的治理标准。

Bandyopadhyay强调，财务和合规平台仍然是主要的记录系统。Claude位于工作流程层，负责提取和比对，而由人工分析师处理代码暴露的例外情况。在他看来，像银行这样受严格监管的行业中，操作的价值在于这种分工，而非完全自动化。

风险管理、不确定性与人工监督

Anthropic的金融服务负责人Jonathan Pelosi表示，Claude经过训练，能揭示不确定性并提供来源归属，建立审计轨迹，减少幻觉的影响。此外，这些设计旨在通过将输出与支持证据关联，使AI行为对风险团队和监管机构更透明。

Bandyopadhyay还强调了人工监督和验证的重要性，建议机构设计系统以便早期发现错误。尽管如此，他承认，在得到妥善监控的情况下，AI代理可以比人类员工更快地完成大量重复性检查和比对。

高盛的Marco Argenti否认了AI系统本质上比人类更容易被欺骗的观点。他认为，社交工程攻击主要利用人类的漏洞，而AI模型可以在大规模中检测微妙的异常。然而，他重申，最优的方案是将人类判断与自动审查结合在一起，形成协作团队。

对银行运营的影响

Argenti表示，这种结合意味着在不成比例增加人员的情况下，运营能力将大幅提升，即使考虑到AI部署的已知问题。此外，它帮助银行应对日益增长的监管和文件负担，同时控制人员增长。

在整个银行业，生成式人工智能正逐渐成为提升运营绩效的工具，通过加快文件处理、缩短异常处理时间和提高高容量工作流程的吞吐量。然而，持续需要人工监督意味着机构必须保留现有的记录系统和治理结构，利用AI主要优化其上层流程。

总之，高盛在Claude及相关代理上的工作，展现了金融行业中生成式AI的务实模型：自动化文件繁重、规则相关的任务；清晰呈现例外情况；并由人工专家最终负责关键决策和法规遵从。