Akcje Microsoft Corporation (MSFT) wzrosły w poniedziałek o 2,34% do 543,03 dolara, zyskując 12,42 dolara silnym popycie, gdy kurs zbliżył się do dziennego maksimum w okolicach 546 dolarów. Wzrost nastąpił, gdy Northern Trust ogłosił rozszerzoną współpracę z Microsoftem koncentrującą się na onboardingu klientów instytucjonalnych, łączącą operacje obsługi aktywów z narzędziami chmurowymi i AI producenta oprogramowania.

Microsoft i Northern Trust rozszerzają współpracę w obszarze AI

Northern Trust, bank depozytowy, którego podstawową działalnością jest przechowywanie aktywów i obsługa portfeli instytucjonalnych, wprowadził agenta onboardingowego opartego na AI w ramach swojej platformy Front Office Solutions. System został opracowany wspólnie przez zespoły inżynieryjne obu firm, aby uprościć przetwarzanie złożonych danych inwestycyjnych, a projekt rozszerza ich współpracę na operacje obsługi aktywów. Agent ma ograniczać pracę ręczną związaną z przygotowywaniem danych klientów przed ich wykorzystaniem na platformie.

Front Office Solutions obsługuje fundacje, fundusze emerytalne, endowmenty oraz duże biura rodzinne. Instytucje te często prowadzą rejestry transakcji w wielu wewnętrznych systemach, co oznacza, że zespoły onboardingowe muszą najpierw uporządkować dane historyczne, zanim platforma będzie mogła generować spójne raporty wyników. Ponieważ ta praca przygotowawcza wyprzedza każdy raport otrzymywany przez klienta, jej tempo bezpośrednio wpływa na to, jak szybko instytucje otrzymają użyteczne wyniki.

Inwestycje alternatywne dodatkowo komplikują ten proces, ponieważ ich rejestry zazwyczaj wymagają rekonstrukcji przed wykorzystaniem. Według badania Northern Trust 57% właścicieli aktywów wskazało konsolidację rozproszonych danych jako swoje główne wyzwanie. Nowy agent rozwiązuje ten problem, przekształcając historie transakcji klientów w ustandaryzowany format raportowania.

Agent AI skraca czas przygotowania danych o 83%

Według Northern Trust agent skrócił czas przygotowania danych z dwóch i pół tygodnia do trzech dni, co stanowi redukcję o 83% w mierzonym procesie. Firma poinformowała również o wyniku F1 pierwszego przejścia na poziomie 96,5% dla wyników systemu. Miara F1 łącza precyzję i czułość, aby ocenić jakość zautomatyzowanych rezultatów.

Przegląd ludzki pozostaje częścią procesu. Analitycy Northern Trust nadal badają decyzje agenta i korygują wyjątki — proces ten pomaga zespołom wykrywać błędy, zanim klienci zaczną korzystać z platformy raportowej.

Pod względem technicznym system działa na Microsoft Azure, platformie chmurowej firmy, i jest zbudowany przy użyciu Microsoft Foundry, platformy do tworzenia aplikacji i agentów AI. Łączy się on również z Excelem i SharePointem, zapewniając narzędzia do zatwierdzania, podczas gdy zarządzana warstwa wiedzy przechowuje zatwierdzone informacje onboardingowe w celu wsparcia przyszłych prac.

Wdrażanie AI kładzie nacisk na kontrolę danych

Microsoft i Northern Trust zaprojektowali system z myślą o wymogach prywatności i ładu korporacyjnego obowiązujących w usługach finansowych. Microsoft oceniał wydajność na zanonimizowanych danych, podczas gdy Northern Trust zachował pełną kontrolę nad informacjami o klientach. Takie podejście pozwoliło zespołom inżynieryjnym poprawiać wyniki bez ujawniania bazowych danych klientów — ograniczenie, które kształtuje prace nad AI w całej branży bankowej, gdzie zobowiązania regulacyjne ograniczają sposób wykorzystania danych klientów w pracach rozwojowych.

Obie firmy wbudowały nadzór ludzki w przepływ pracy, zamiast wykluczać analityków z procesu decyzyjnego. Northern Trust oczekuje, że automatyzacja zmniejszy powtarzalną pracę przygotowawczą i stworzy więcej czasu na zadania specjalistyczne, a jego strategia łączy przetwarzanie automatyczne z oceną pracowników wrażliwych operacjach klientów.

Ogłoszenie ilustruje dążenie Microsoftu do stosowania AI korporacyjnej w silnie regulowanych instytucjach finansowych. Dla Northern Trust wdrożenie celuje w wąskie gardło operacyjne wpływające na szybkość onboardingu i gotowość raportową. Obie firmy przedstawiają projekt jako ramy dla szerszego wdrażania AI przy określonych kontrolach ładu korporacyjnego. Ta struktura — zanonimizowane testy u dostawcy, dane klientów przechowywane we własnym zakresie i analitycy w procesie decyzyjnym — to praktyczny model, który firmy przedstawiają jako podstawę do dalszego wdrażania AI w regulowanej finansowości.