美国银行今年将在人工智能及相关技术创新方面投资 40 亿美元

来源：CIO 作者：Paula Rooney

这家银行业巨头七年前就开启了其人工智能战略，当时推出了一个小型的内部模型。这个模型至今仍是提升客户体验的动力源泉，同时也为如今该行 40 亿美元的人工智能计划埋下了伏笔。

美国银行今年将在人工智能及相关技术创新方面投资 40 亿美元。不过，这家金融服务巨头自主研发、已有 7 年历史的人工智能助手艾丽卡（Erica），至今仍是关键的投资回报率生成器、客户与员工体验的关键支撑，并且让银行深感自豪。

2018 年时，很少有人使用 “智能体” 这个词，更不用说 “智能体人工智能” 了。但美国银行组建了一个由软件工程师、语言学专家和银行业专家组成的团队，开发出了这个小型语言模型。多年来，该模型一直利用呼叫中心的客户反馈数据进行优化。

美国银行负责消费者、商业及财富管理技术的主管哈里・戈帕尔克里希南（Hari Gopalkrishnan）表示，艾丽卡能够取得成功并长期发挥作用，关键在于其规模较小。

戈帕尔克里希南说：“我们不会用艾丽卡来写文章，也不会用它来编写软件。我们试图理解客户向我们提出的简短信息，因为他们不想在有 50 项不同内容的屏幕菜单上费力查找。基本上，我们要能够解读，当客户说‘我想付账单’时，他们真正的意思是什么？我们如何理解客户想要的简短对话呢？

“我们训练这个模型就是为了做到这一点。” 他谈到基于开源模型构建的艾丽卡时说道，“随着时间的推移，它的准确率从 80% 提高到了 85%，现在已经远远超过了 90%。这也让我们能够更好地预测这个模型的表现。”

戈帕尔克里希南表示，在疫情期间，美国银行对艾丽卡进行了优化，使其能够帮助客户申请薪资保护计划（PPP）贷款，并满足众多商业和消费者需求。随着生成式人工智能和智能体人工智能产品的不断发展，他会接受这些新技术，但他认为银行的大多数客户需求都可以在内部得到满足。

如今，超过 2000 万银行客户在使用艾丽卡虚拟助手。而且，该公司 20 多万名员工中，超过 90% 的人在使用专为员工打造的内部智能体 “员工版艾丽卡”（Erica for Employees）。戈帕尔克里希南称，这使得员工向信息技术服务台的求助电话减少了 50% 以上。

押注人工智能

2025 年，美国银行将从其 40 亿美元的人工智能投资中拿出一部分，为员工、银行客户以及旗下美银美林的智能体 “问美银美林”（Ask Merrill）提供更强大的搜索和协助功能。

戈帕尔克里希南表示，该行已经在利用生成式人工智能应用程序，并开展了一些试点项目，这些项目已经过了概念验证阶段。例如，该公司称，开发人员正在使用一款基于人工智能的工具辅助编码，效率提高了 20% 以上。

理财顾问们也在使用生成式人工智能为客户会议做准备，每年在客户互动和业务增长方面节省了数万小时。生成式人工智能还被用于呼叫中心的优化，不过该公司拒绝透露所使用的具体工具。

美国银行称，其一个 “内部开发” 的生成式人工智能平台，能够让全球市场销售和交易团队 “更快速、高效地搜索、总结和综合市场研究及评论”。

戈帕尔克里希南更看重智能体和现有业务流程编排技术的实际应用，以服务消费者和商业银行业务客户，而不是仍处于测试阶段的复杂智能体人工智能技术。他还指出，许多被过度炒作的技术，如元宇宙和增强现实技术，并没有为银行客户转化为许多实际的商业应用案例。

不过，戈帕尔克里希南认为计算机视觉技术以及基础模型的多模态能力很有前景，他正在研究如何运用这些技术来提高客户满意度。

尽管如此，艾丽卡仍将是客户和员工体验的代表，随着需求的出现，其后端将增加更先进的推理和推断能力。

混合云推动创新
美国银行每年在技术上的投入为 130 亿美元，其中包括与一些未具名的咨询公司合作，而不是单打独斗。

戈帕尔克里希南是美国银行八大业务线中六条业务线的首席信息官。他表示，美国银行采用一种混合 “托管策略”，基于该行多年来运营的虚拟私有云，并根据需要使用公有云。美国银行与微软、亚马逊网络服务（AWS）、谷歌以及其他云服务提供商都有合作关系。但和许多银行的首席信息官一样，出于成本和安全考虑，戈帕尔克里希南更倾向于将工作负载保留在内部。

戈帕尔克里希南说：“我们在扩展这一策略方面非常有效，这让我们无需为突发的大量业务量支付额外费用。” 他还补充说，看到一些组织将业务从云计算中迁回，这很 “有意思”。

这位首席信息官表示：“我们一直说不会走极端。我们的观点是，我们本质上有一个托管策略。我们的虚拟私有云中有多个可用区。我们广泛使用虚拟私有云，并且根据用例需求，无论是为其他软件提供商还是为我们自己，在必要时我们可以扩展到公有云。”

美国银行还继续大力押注大型机，这在近期股市剧烈波动期间为其提供了帮助。

他说：“大型机仍然是一个非常重要的战略平台。但随着时间的推移，我们确实进行了现代化改造，弄清楚了哪些工作负载实际上更适合分布式环境，哪些工作负载应该在多个可用区中更具横向扩展性，以及哪些工作负载如果我们仅仅为了重写而花费大量资金去重写，那将是不负责任的。”

戈帕尔克里希南暗示，在美国银行继续涉足分析和人工智能领域的过程中，数据聚合和数据清理也在其规划之中，Hadoop 和 Snowflake 是其正在使用的一些数据平台。

戈帕尔克里希南说：“我们一直在对数据计划进行现代化改造。我们围绕数据分析开展了大量工作，从正确的来源获取数据，确保数据的清洁，确保数据得到良好的管理，确保以负责任的方式处理数据。”

他还补充道：“我们在人工智能方面所做的一切都要经过一个包含 16 个不同方面（如偏差和透明度）的治理流程。”

投身生成式人工智能领域
随着公司进一步深入研究生成式人工智能，实用性将是技术选择的核心目标，尽管戈帕尔克里希南承认美国银行可能会使用更先进的基础模型。但这家金融服务公司将探索能产生效果的最简单解决方案，并且不会依赖于任何一家供应商。

他说：“我们的目标是不依赖于特定的模型，因为行业情况会随着时间发生巨大变化。推理技术在发展，词元定价在变化，新的创新不断涌现。我们不想被任何特定的模型束缚。本质上，我们会研究用例，考虑数据分类，评估我们的能力，然后综合考虑找到解决问题的合适方案。”

戈帕尔克里希南声称，基础模型在训练、推断和推理方面的创新很棒，但他将继续使用现成的方法和成熟的解决方案，来满足客户和员工不断变化的数字需求。他并不寻求一个推倒重来的平台。

他说：“我们不想追逐那些刚在某个地方宣布的新潮事物，因为利用现有的简单人工智能智能体和基本的业务流程编排常识，已经可以做很多事情了。”

佛罗斯特咨询公司（Forrester）的分析师布莱恩・霍普金斯（Brian Hopkins）称美国银行的技术策略为 “务实精准”，并指出艾丽卡已经处理了超过 24 亿次互动，问题解决率达到 98%，堪称在不损害信任的前提下扩展数字互动的典范。

谈到美国第二大银行时，他表示：“他们在生成式人工智能方面采取了更为谨慎的路线，但我认为这可能会被证明是明智之举。信任是银行业的命脉，而生成式人工智能仍然存在一些实际风险，比如产生幻觉、缺乏可解释性以及存在安全漏洞。既然美国银行已经构建的系统运行良好，为什么还要冒险损害信任呢？以他们的规模，一次失误可能会代价高昂。这不是像咨询这样的知识型业务，在咨询领域生成式人工智能已经产生了更直接的影响。”

这位分析师还补充道，既然美国银行已经进入生成式人工智能阶段，它是凭借自身的优势进入的，即干净的数据、明确的业务目标以及将人工智能投入实际运营的丰富经验。他们 “一次投资、多次复用” 的模式，随着时间的推移可能会带来显著的回报。

霍普金斯说：“归根结底，虽然他们不张扬，但我发现他们悄无声息地取得了成效。如果在生成式人工智能的热潮平息后，他们超越了竞争对手，我也不会感到惊讶。”