美国银行的首席技术与信息官表示，企业在使用人工智能时最常见的错误之一就是首先求助于AI——尽管他所在的银行明年计划将AI预算翻倍。

这些言论展示了全球金融两大支柱企业如何决定AI在哪些领域创造价值——以及哪些情况下更简单的工具反而更胜任。

"我们看到自己和其他公司犯下的最大错误之一，就是把AI仓促当作解决方案，"Hari Gopalkrishnan在纽约举行的Fortune AIQ峰会上表示，"而确定性模型往往已经完全够用。"

Gopalkrishnan与标普全球首席客户官兼Kensho Data & Platforms联席负责人Sally Moore一同出席了小组讨论。Fortune编辑总监Andrew Nusca主持了这场讨论。

美国银行：先考虑简单的工具

Gopalkrishnan表示，银行首先从客户需求出发，并对请求背后的步骤建立"流程清单"。银行经常决定不采用AI——"很多次都是如此，"他说——最终结论是移动应用或实时决策规则可能是更好的答案。

银行的每个AI项目都要经过涵盖16个风险"支柱"的审查，包括隐私、偏见、员工影响和知识产权。"我们不会上线一个只能听懂某些口音的聊天机器人，"他说。

他表示，银行使用AI已超过十年，最初从欺诈模型开始。据Gopalkrishnan介绍，其Erica虚拟助手已处理36亿次交易，他还补充说，如果没有Erica，银行需要再增加11,000人来接听客户电话。该银行3月的一份新闻稿统计Erica的客户互动次数超过32亿次。

这种谨慎与巨额支出并存。首席执行官Brian Moynihan在9月表示，约140个AI应用为银行花费了4亿美元，并带来了8亿美元的收益，且AI支出预算明年将翻倍。预算翻倍与这一系统性审查并行，正体现了小组讨论反复触及的矛盾：大力投资，但只投在技术确实有效的地方。

支出的分配经过精心规划。Gopalkrishnan表示，银行对模型保持中立态度：一个名为Orchestra的编排层（顾名思义）将简单的分类任务发送给在银行自有GPU上运行的、经过批准的开放权重模型，而更复杂的推理工作则交给专有模型。他表示，这种架构也有助于控制token成本。

他表示，在财富管理领域，顾问现在只需"数秒到数分钟"即可完成客户会议的准备工作，而这在过去需要数天甚至数周。

在自主智能体方面，银行并不急于推进。"目前在辅助型智能体领域还有很多价值可以挖掘，它们实际上是在人机协同的循环中工作，"Gopalkrishnan说。随着控制基础设施的完善，银行会走得更远。

他还谈到了安全问题，指出AI模型在发现软件漏洞方面越来越好，这意味着无论企业是否部署AI打补丁和安全开发都至关重要。他表示，利害关系超出任何一家机构：如果某家小银行出了问题，人们就会对金融体系失去信心。

标普全球：数据即货币

Moore表示，这家拥有160年历史的公司正在重新定位自己——既激进又谨慎。她指出，标普全球是全球最大的信用评级机构，也是最大的指数提供商之一，其大量金融数据为受监管的工作流程提供支持。

"数据是AI中的货币，"Moore说，并补充道客户需要准确性、引用来源，以及可追溯到源头的可审计性和可追溯性。在一个数据服务于受监管工作流程的行业中，这种可审计性是使用AI的前提。

她将此归功于一次早期押注：标普全球于2018年收购了AI公司Kensho，此举"给了我们优势，"她说，并解释道公司此后将Kensho置于业务的核心位置。7月6日，该公司将其Market Intelligence部门拆分为两个单位。第一个是Kensho Data & Platforms，将面向客户的数据和AI交付层"Kensho Data"与旗下涵盖Capital IQ、Ratings Direct、Visible Alpha和With Intelligence的Platforms部门组合在一起。第二个单位是Enterprise Solutions。首席执行官Martina Cheung表示，这些变革应能支持收入增长并改善利润率。这次重组为这些既定目标提供了一个具体检验：以AI为核心的数据战略能否真正带来回报。

大约两年前，标普全球还设立了首席客户办公室，由Moore领导，以便与客户更紧密地合作。该办公室包括一个实验室团队以及公司所称的前置部署专家，他们与客户共同推进AI应用。

Moore表示，标普全球为处于AI应用不同阶段的60,000家客户提供服务。公司与前沿AI实验室合作，将其数据注入大型语言模型和生产力工具，如今还构建自己的智能体。应用场景从宽泛的任务（如银行家准备会议和路演材料）到为单一工作构建的专用智能体不等。

她举了一个例子。一家拥有8,000名银行家的一级银行曾在其自有平台上整合标普的内容集合。标普帮助该项目以"快六倍"的速度投入生产，她说，准确率从该银行起步时的约60%提升至随后的98%。她没有透露该银行的名称，这些数据是标普自己的统计。

该公司还构建了一个"信贷备忘录生成器"智能体，保持人在回路中，并依赖对底层数据的置信度。

与Gopalkrishnan一样，Moore强调为工作选择合适的工具。她表示，标普全球针对语言模型的确定性方案是API，不会产生高昂的token成本，而更复杂的"大规模自适应数据检索"成本则更高。由于客户从不同预算中支付数据、技术和人员效率的费用，标普会与他们讨论一系列可能的成果。

分歧之处

当被问及是否曾放弃选择AI时，Gopalkrishnan表示，最简单的答案往往就是最好的答案。"AI并不总是正确的答案，"他说。

Moore表示认同，并进一步阐述了这一观点。"我认为Hari说得非常好。这不完全是关于合适的工具，而是关于重塑，"她说。"我在这里要解决的是什么问题？这项技术能把我带向何方？"

在标普全球内部，这意味着设立一个中央转型办公室，汇集技术专家，以及最近加入的数据运营团队。两家公司都为未来数月留下了可衡量的标记：银行翻倍的AI预算将于明年生效，而标普全球重组后的部门将接受Cheung增长和利润率目标的检验。

在闭幕的快问快答环节，Moore提到了"嵌入式智能"，她表示这"创造了超越现有客户群体服务的机会"。

Gopalkrishnan作了总结发言："我认为，预见客户需求并在他们所在之处提供服务，将使你在原本同质化的市场中形成差异化。"

Fortune记者在本篇报道中使用生成式AI作为研究工具，一位编辑在发布前核实了信息的准确性。本文最初发表于Fortune.com。