pwc


解锁明天：

一本探讨金融服务行业代理人工智能力量的操作手册


目录

1. 执行摘要

01 简介 6

02 行业聚焦 13

银行 14

保险 18

• 资本市场（包括私募股权） 25

03 成为边境组织 28

04 为何选择普华永道与微软

作者43

03 成为边境组织28

04 为何选择普华永道与微软

作者43

执行摘要


金融服务机构正处于深刻变革的时期。宏观经济不确定性、日益增长的合规要求、日益增加的欺诈风险、客户期望的转变以及快速老龄化的劳动力都在重塑银行、保险公司和资本市场公司必须运营的方式。与此同时，欧盟的人工智能法案、DORA和GDPR等监管框架正在加速透明、安全和良好治理的技术采用的需求。在这种背景下，许多金融机构正转向代理人工智能，以增强韧性、加速关键流程、改变客户体验并开启新的增长机会。

代理式AI代表了从传统分析、自动化和生成式AI的一次重大转变。与完成孤立的任务不同，代理可以推理、行动并编排多步骤流程，最小化人工干预一一访问数据、执行工作流程并适应新条件。当负责任地部署时，这使金融机构能够提高效率和准确性，同时保持对高风险决策的关键人工监督。

人工智能代理的影响在行业中已经显现。在银行业，金融犯罪、合规监管、客户互动和贷款等领域已经产生了显著的价值。代理可以收集和验证客户识别信息，汇编资产来源文件并简化开户流程。它们增强了交易监控和欺诈检测流程，同时保持审计轨迹以供监管报告。在客户体验方面，代理支持联络中心工作人员，推动自助之旅并提供实时个性化优惠。贷款流程正在从端到端进行重塑，文件验证、风险评估和工作流程协调正越来越多地实现自动化。

在保险行业，代理人工智能正在改变核保、理赔、客户服务和员工可持续性。核保人员可以基于从保单数据、理赔活动、气候模型、行为洞察和地理空间图像中不断更新的风险信号做出决策。理赔可以从损失通知到保单验证和推荐赔偿的几乎完全自动处理，从而提高速度和索赔人体验。欺诈检测受益于跨结构化和非结构化数据的跨代理协作。对于面临重大人口挑战的保险公司，许多熟练工人即将退休，新人才有限，代理人工智能提供了保留机构知识和维持运营能力的关键机制。

资本市场机构正在利用代理式人工智能进行高价值的分析和运营活动。多代理工作流程通过将财务报表、盈利电话、市场新闻和替代数据整合到结构化研究草稿中，将首次分析所需时间从几天缩短到几分钟。代理还可以支持对关税或地缘政治事件等外部冲击的快速解读，并将压力测试情景扩展以模拟不断变化的市场状况。在私募股权和投资运营中，代理可以加速尽职调查，揭示整个投资组合中的运营风险，并通过实时、个性化的见解来增强客户咨询服务。

在全部分支领域，一个共同的模式正在出现：当智能代理将决策密集、高复杂度的流程转化为人工智能应用，转变客户体验，以及连接之前未连接的企业部分时，它可以释放巨大的价值。然而，要实现这些能力，不仅仅是孤立的试点。金融机构必须构建可重复使用、全企业范围的人工智能基础架构，这些基础架构将战略、治理、技术、人才和交付相连接。一个前沿组织——那种结合人类专业知识与规模编排的组织——可以在日益严峻的市场环境中以更快的速度、更高的精准度和更强的韧性运营。

实现这一变革需要一份清晰、可行的路线图。领导者应制定大胆而负责任的人工智能愿景；提升组织的素养和信心；围绕价值链而不是孤立的任务重新设计运营模式；现代化数据与云基础设施；将负责任的人工智能嵌入到部署的每个阶段，并将这些原则扩展到实时监控和控制；并培养能安全加速采用的合作伙伴关系。通过结合这些要素，金融服务公司可以超越实验阶段，挖掘智能代理的全企业价值。

代理人工智能不再是遥远的承诺。它现在是推动金融服务业转型的实际催化剂。那些立即行动、负责任地扩展规模、有效治理并赋权员工的机构，将引领竞争步伐，增强客户信任，并为行业塑造一个更具韧性、智能和包容性的未来。


介绍

市场形势与行业挑战

金融服务业公司正面临着一个迅速加快的变化步伐。尽管这个行业已经显示出极大的，它正面临着许多面对最近的冲击，挑战可能增加未来近期的风险。在高度复杂的市场环境中汇聚的挑战包括：持续进行的数字化转型、老龄化的劳动力、年轻客户期望的变化和忠诚度降低、经济和地缘政治现实的转变以及人工智能等新兴技术。这些变革之风为所有行业的子行业，包括银行、财富和资产管理、保险和资本市场，既创造了新的机遇，也带来了新的威胁。

同时，在不同司法管辖区新监管要求已经生效，目的是保护全球金融系统的稳定性和安全性。但这也正在增加银行、保险公司和其他机构的合规压力和成本。普华永道发现，金融服务业 90%的受访者... 《2025年全球合规性研究》指出，合规要求正变得越来越复杂。并且， 84%的企业正寻求利用技术来帮助它们自动化和优化合规性及交易监控活动。

许多新规定影响该行业，因为欺诈、勒索软件、黑客攻击和其他威胁的风险日益增长，重点关注网络安全和韧性。例如，到2030年全球损失增加。欺诈和合规度上升 由于银行业欺诈，预计成本将达580亿美元，尤其是当与其他趋势如客户忠诚度下降相结合时，这将对金融行业目前的利润率构成威胁。

全球因欺诈行为导致的银行损失预计将达到

580亿

截至2030年

考虑到所有这些发展，很明显，金融服务机构需要为可能非常不同于今天的未来商业环境做好准备。他们越来越倾向于寻求人工智能和代理人工智能的帮助来应对这些挑战。


AI代理是什么？是什么是具有代理能力的AI？

人工智能和代理型人工智能代表不同的能力层次。在探索金融机构如何使用这些人工智能之前，重要的是明确这些系统的定义和它们之间的区别。

人工智能（AI）指的是使用数据和高级算法模型——包括机器学习和深度学习——来执行传统上需要人类智能的任务的系统和技术，例如预测结果、做出或推荐决策、通过生成式AI和大型语言模型等平台自动化流程和生成内容。除了其技术能力之外，AI在金融服务领域内充当了业务转型的催化剂，使组织能够创新、优化运营并推动增长。这一进步的核心是致力于负责任的人工智能实践，确保在部署AI解决方案时实现道德治理、透明度和问责制。

代理型AI超越了传统AI的能力，后者仅限于识别异常和评估风险，却无法采取独立行动。它也优于生成型AI，后者只能根据特定提示创建内容，却无法自主执行一系列任务。此外，代理型AI比结合自动化和AI的自动化系统更先进，因为这些系统仍需要大量的人为监督才能运行。

相比之下，基于代理的AI可以在几乎不需要人工干预的情况下运行。虽然金融机构中的关键决策继续需要人类问责制，但AI智能体可以作为数字同仁，运用推理解决任务，适应新的情况，并利用各种API和工具以更少的人工投入来实现成果。

代理式人工智能正在重新定义金融服务机构针对长期行业挑战提供创新解决方案的可能性。在金融服务行业，许多公司正成为人工智能的早期采用者，这受到利润压力、监管和竞争的驱动。这些前沿组织正在引领向以人为导向、以人工智能操作为模型的转变，其中代理扩展决策、自动化和速度在整个企业中的应用。

通过自动化复杂任务、提升客户体验和加强合规性，代理人工智能赋能银行、保险公司、资产管理公司及其他金融服务机构以更高的效率和灵活性运营。随着监管要求和市场期望的演变，采用代理人工智能职位将使金融服务公司能够以韧性领导并在快速变化的环境中创造可持续价值。


金融服务中代理式人工智能的商业价值

通过在业务多个环节部署人工智能代理，银行、保险公司以及其他金融服务机构可以降低整个流程（如客户服务、定价、承保和理赔结算）对人工支持的需求。这自动化并加速了许多以前基于人际对话或手工审查文件需要人工决策的任务。除了自动化洞察力并提高效率外，代理型人工智能还有助于企业在人才短缺或大量员工达到退休年龄造成的劳动力挑战下维持或提高服务水平。利用人工智能代理，组织还可以开辟新的机会来增加收入和扩大业务。

30%

但成功实施人工智能，尤其是智能体AI，是一个多方面挑战。AI应用有时可能会表现出意外或不一致的行为，有时会生成被称为幻觉的虚假回应，或者采取可能不符合客户最佳利益的行为。为了降低这种可能性，企业需要严格将AI智能体的行为与业务规则和道德规范相一致。他们还应该采用人工审核方法，即在某些超出定义阈值的智能体行动上，由人工根据风险因素、交易价值或其他符合组织政策的因素给出最终批准。

此外，金融服务公司投入时间和精力来管理围绕数据隐私和安全、AI模型中可能存在的偏见、合规性和客户信任等方面的AI相关挑战至关重要。

值得关注的是，用例可能因地区、法规、首选商业模式、基础设施成熟度以及市场准备情况而异。详见“法规”部分了解详情。欧盟金融领域关键法规的考量，这些法规对欧洲各组织产生了重大影响。


欧盟金融行业的监管考虑因素

自2025年1月起生效，欧洲的数字运营规则（DORA）出台，旨在加强网络韧性法案提高金融行业组织的韧性并使大陆现有法规协调一致。其中要求：关于网络威胁的信息共享、董事会级别的合规失败责任和监督第三方关键ICT服务提供商的风险。

建立不同级别的控制标准，以如何欧盟的AI法案涉及各行业的组织使用基于风险的AI应用。该法案于2024年6月通过，将于2026年全面实施，其中一些条款将提前适用，例如禁止存在不可接受风险的AI系统，该禁令自2025年2月起开始实施。这一禁止不可接受风险水平的措施包括认知行为操纵、社会评分、生物识别识别和分类，以及实时和远程生物识别应用。AI法案还针对高风险应用设定了安全和其它要求，对低风险应用要求透明度，并对低风险使用保持最小监管。

自2018年5月起，欧盟的通用数据保护条例已保护了与控制或处理其个人数据的组织互动的人们的隐私和安全。它要求此类组织以合法、公平和透明的方式处理个人数据；仅出于特定、明确和合法的目的收集数据；仅收集必要、相关且适当的数据；确保数据是最新和准确的；存储数据不超过必要的时间；并安全处理数据以保护其免受未授权使用、丢失、破坏或损害。

智能代理可以发挥关键作用，帮助金融机构保持合规，通过持续监控监管要求，自动化证据收集，并确保控制措施在业务流程中得到一致应用。同时，将监管要求整合定制的AI工具也已经在帮助金融服务机构在分析和技术合作伙伴的合同优化等任务上发挥作用，帮助金融机构更好地管理第三方风险，满足DORA等法规的要求。此类工具还可以生成符合透明度和可审计性要求的文档。

随着金融服务机构扩大对代理人工智能的应用，他们需要确保对代理生态系统有足够的监管，以满足行业严格的监管要求。这很可能需要使用控制塔或控制平面，例如控制平面Microsoft Agent365是一个支持代理式AI的基础架构，充当“记录系统”和“控制系统”，用于记录和监控代理式工作流的各项活动。



行业焦点

有了正确的基础，代理型人工智能将惠及金融服务业的各个领域，从银行到保险再到资本市场。下一节将概述这些领域各自的具体影响。


金融

在整个银行业，代理人工智能在三个领域呈现出显著的即时价值：金融犯罪和监管流程、客户互动与个性化、以及贷款和信贷决策。这些领域结合了高监管压力、大量复杂数据和多步骤工作流程一一在这样的条件下，主的、推理驱动的代理能够带来快速、可衡量的影响。

金融犯罪和监管流程

代理人工智能正在通过在多个系统中协调数据收集、分类和分析来重塑金融犯罪生命周期。银行通过代理自动进行客户身份识别（KYC）和开户，代理整理、总结和验证财富来源信息，这些信息以前需要大量的人工工作。例如，一家主要亚洲银行使用代理工作流程将创建财富来源备忘录的任务从大约十天缩短到大约一小时，最终验证由客户关系经理进行。这反映了一个更广泛的趋势：银行正在采用一种混合模式，其中代理处理大部分调查和文件工作，而人类在监管机构期望的关键决策点提供监督。这些能力扩展到反洗钱和欺诈检测，代理分析实时交易以揭示可疑模式并减少误报。优势不仅来自改进的检测，还来自全面的过程协调——检索证据、准备案件叙述、应用政策规则以及在必要时触发人工审查。

在其他监管合规领域，由代理人驱动的流程支持，并且通过生成报告来进行报道核心报表金融报表DORA结构化证据包，维护审计轨迹，积极监控控制漏洞。银行还在构建“控制塔”治理结构，以监督代理行为，将监管规则嵌入工作流程，并确保代理系统始终保持可解释性和合规性。

合伙人，金融服务领导，PwC英国，强调速度的 Darren Ketteringham，变革由代理人工智能驱动：

银行业务中令人瞩目的AI代理速度。这些系统不仅仅是节省了几分钟任务时间，它们彻底简化了端到端流程。客户身份验证（KYC）、交易监控、欺诈审查、客户服务中心之旅：现在，代理们可以处理所有这些繁重工作，质量更高、一致性也远超传统自动化。


客户参与与个性化

代理AI提高了客户互动的每一阶段。在服务中心，代理总结谈话、实时推荐下一步行动并自动更新记录一一支持一贯的服务，使同事们能够专注于复杂案件。


$ \sim 30\% $

代理人驱动的自助服务可以在无需人工干预的情况下解决约 30%的常规请求，提高满意度和降低运营成本。

在市场营销和客户关系管理领域，代理商分析行为数据、交易数据和人口统计数据以优化市场细分并推出个性化的优惠方案。他们还可以利用这些洞察来调整现有服务或推出针对特定客户需求的新产品。在财富和资产管理中，多代理工作流程帮助顾问综合投资组合和客户偏好的信号，提供高度定制化的接触和及时的产品建议。这提高了与高价值客户的互动，为针对性的增长创造了新的机遇，这在许多组织面临挑战的环境中是必不可少的。不断增长的投资组合搭配盈利悖论，利润率下降。


贷款与信贷决策

代理人工智能正在将贷款从传统的手动、文件密集型过程转变为动态的端到端数字之旅。通过自动化文件收集、验证和风险评估，代理系统使贷款决策更加快速、准确，并简化了所有相关方的协调。这一转变简化了贷款的发放和售后服务，提高了透明度，并为消费者和商业贷款开辟个性化客户体验的新机遇。

代理工作流自动化了消费者抵押贷款和商业贷款的文档准备、验证和风险评估。新兴的多代理平台帮助银行协调复杂的贷款簿操作，如提取、续期和偿还，并通过连接不同数据集来增强流动性和对冲决策。

展望未来，银行正在尝试通过代理辅助端到端旅程来处理高风险消费者交易，将贷款流程的进步与客户体验和个性化相结合。例如，在不久的将来，购房者可能会在房产搜索、报价谈判、多银行申请、按揭批准和保险激活等环节得到支持，这一切都通过协调的代理工作流程来完成。

Partner, 领袖，卢森堡普华永道，关于...的影响 Patrice Witz，代理人工智能：

”

对于银行来说，真正的突破在于将代理人工智能视为触发器，而不是附加品，以重新思考端到端的价值链。贷款流程的渐进式自动化本身并不能实现转型。它需要为代理世界的基本运营模式进行根本性重构。那些犹豫不决的人将看到差距迅速扩大：虽然技术发展迅速，但所需的文化、组织和技能转变需要时间来发展，因此公司应尽早开始。


保险

在保险业，代理人工智能可以在承保和风险评估、索赔和欺诈管理、客户服务和留存以及员工韧性等方面产生重大影响。这些领域反映了该行业对专家判断的依赖、对非结构化数据的运用以及对客户期望的敏感性。

承保与风险评估

授权型人工智能正在重塑承保，使其从周期性的、以文件驱动的活动转变为响应式、持续学习的风险管理功能。承保决策不再依赖预定更新或手动文件汇编，而是可以依赖于持续不断的实时信号流，这些信号反映了整个投资组合的情况。

AI智能代理会自动收集和组织风险评估所需的信息，从申请材料、历史政策与索赔数据以及相关外部来源中提取细节。它们会标记缺失或不一致的部分，并生成可快速验证的结构的化风险文件——或者，对于业务流程较为简单的领域，可以在未超过设定的阈值的情况下无需人工干预直接批准。这减少了人工工作量，提高了一致性，并在过去不切实际的地方实现了直接承保。


重大转变来自持续更新风险观点的能力。来自索赔活动、行为模式、天气模型、图像分析和移动数据的信号直接输入到承保模型。分数可以根据暴露条件的变化进行调整，无论是由于预测的天气事件、变化的交通风险还是新的行为指标。承保成为一个动态的、适应性强的系统，而不是受限于周期性调整的系统。

代理型人工智能还扩展了可以用于操作的数据类型。高分辨率气候预报、无人机和卫星图像以及超本地移动模式使得风险评估可以落实到单个物业、邻里或路线层面。这支持了更细致的细分，并使得之前过于昂贵或复杂的覆盖模型得以实施。

因为这些代理可以自动浮现出新的模式，保险公司可以设计更具有针对性的或对事件做出反应的产品，而无需增加核保员的工作量。自动准备和持续更新的洞察力使得在小细分市场和新定价方法上进行实验成为可能。

全球创新与数字战略金融服务总监 Dorota Zimnoch，微软公司，描述了“前沿转变”。

人工智能正在改变保险公司构建和演进其产品组合的方式一一但前沿保险公司正走得更远。通过将人工智能应用于统一、可信的数据，它们从静态产品转向持续学习、适应性的提供，从而揭示新的增长点，并几乎实时地响应不断变化的风险和客户需求。与此同时，更精确且成本效益更高的由人工智能驱动的欺诈检测和风险情报正在改变保险的经济，使得之前不经济或受限的风险变得可行。这就是前沿的转变：保险公司从简单地转移风险到积极理解、预防和动态定价一一解锁全新的商业模式和可持续的竞争优势。

索赔与欺诈管理

现代人工智能代理不再仅仅是协助调整员一一它们现在可以自主地协调整个索赔流程，从损失通知开始到支付启动。这些系统可以通过聊天、语音或数字渠道收集客户证据；提取和验证政策信息；检测不一致性；并在几秒钟内生成结构化案件评估。当仍需要人工支持时，代理会呈现关键事实，突出异常情况，并提出建议的下一步行动，大幅减少人工审查时间。

人工智能驱动的交互也提升了索赔人体验：对话代理保持一致性，可靠地处理情感背景，全天候多语言运营，并通过取代过时的电话树流程来消除摩擦。

展望未来，代理系统可能使保险公司能够通过采取早期预警信号行动来减少某些可避免的索赔。高级模型可以通过对风暴相关的财产损害进行超局部预测来延长天气预报，利用卫星或无人机图像识别易受损害的资产，并向客户发送具有保护家园指导的针对性警报。在汽车保险中，代理人员持续解读细微的路面交通模式，以发现新出现的风险并相应调整保险覆盖或路线建议。



这些见解直接应用于承保，形成一个持续的学习循环：实时索赔信号在等待季度审查之前就告知了风险选择和定价决策。这有助于保险公司最小化损失比率，同时提供更加个性化的产品。

欺诈专注的代理商协同分析行为信号、政策历史、索赔者情绪、文件真实性以及跨案例模式。通过结合多种检测策略，他们揭示传统基于规则的系统未能发现的细微异常扩大保险商可审查案件的范围，同时不影响合法索赔者。

随着生成工具也赋予了骗子能力，这些多智能体框架提供了必要的防御能力，以保持同步，降低调查成本并扩大覆盖范围。

转向代理性主张和欺诈管理正在拉大早期采用者和缓慢跟进者之间的表现差距。进行现代化的保险公司将在成本、速度、客户体验和风险准确性方面获得明显优势，而犹豫不决的保险公司则面临来自日益增长的索赔波动、更复杂的欺诈和越来越紧的利润空间的日益增长的压力。

同时，承保、理赔、预防与欺诈检测正逐渐成为单一的、相互联系的系统的一部分，在这个系统中，一个领域的信号会在其他领域强化决策。这创造了一个自我改进的循环，增强了投资组合的韧性，提高了定价精度并加速了决策周期——对于那些未能采纳这些架构的组织，这使得它们在每一轮变革中都越来越暴露于一个日益快速变化的市场。

客户服务和保留

代理式人工智能使保险公司能够提供全天候、多语言、全渠道的服务。以代理为动力的系统正在提升保险公司跨区域和语言提供24小时服务的能力，以便在保单持有人需要的时候和地方提供支持。

代理商还可以处理政策问题、索赔更新和行政请求，实现统一流程，减少部门间不必要的交接。当需要升级时，代理商会附带完整背景将案件转交给同事，以便他们能够快速解决。这有助于为客户提供改进的全渠道体验。


54%

100%

57%

组织中部署了代理式人工智能的，客户体验得到了提升。

100%

正在使用或计划不久后使用人工智能代理进行客户服务。

发现 54%的组织 PwC的AI代理调查显示，采用代理AI的公司在客户体验方面有所改善，面向客户的使用案例数量迅速增加。在所有参与调查的公司中， 57%正在使用或计划不久后使用AI代理提供客户服务。

劳动力韧性

随着提供强大的工具来简化如索赔和承保等领域的流程，Agentic AI正在转变劳动力韧性。许多保险公司面临结构性的能力缺口：数十年的专业知识集中在不断缩小的劳动力中，且新人才进入如索赔、运营或精算工作等领域的人数有限。显示表明近期的一项基准测试显示，欧洲保险行业超过三分之一的员工年龄超过50岁。代理系统通过捕捉经验丰富的员工如何做出决策，并将这种知识转化为可以持续可靠运作的操作模型，有助于保留关键的专业知识，以应对团队规模缩小的情况。

随着这一转变的加速，一种新的混合工作模式正在出现。员工在日常流程中与代理进行互动，监督产出，指导改进并解决例外情况。这些互动形成了一个持续的训练循环，随着时间的推移加强系统性能。结果是，即使员工人数减少，劳动力也能保持一一在某些情况下扩大一一其产出。


成功采用此模式还要求文化变革。保险公司传统上规避风险，许多组织仍在重新定义角色和嵌入以代理支持的工作流程。那些行动迅速的组织将更好地应对人口压力，保持运营韧性，而行动较慢的组织则面临需求上升和可用人才持续减少的风险，可能落后于他人。

合作伙伴，德国普华永道FS大数据和高级分析咨询 安德烈亚斯·胡芬施图尔描述了保险行业的一个主要劳动力趋势：

”

企业正在探索使用人工智能以更少的人员完成同样数量的工作。这减少了替换退休人员的需求。一些领先的企业正在更进一步，探索如何通过代理人工智能帮助增加市场份额并重新定义它们的独特卖点。在接下来的2到5年内，转向一种新模式的实际机会正在出现，在这种模式中，人与人工智能代理携手合作，既确保日常业务顺利运行，又推动新的增长机会。

正如保险公司从风险和索赔流程中挖掘新的价值，资本市场和私募股权公司正在将代理人工智能应用于自己的高风险分析和工作流程一一加速洞察力生成，提高尽职调查质量，并加强实时风险管理。



（包括私募股权）

资本市场

在资本市场和私募股权领域，包括金融交易所和金融基础设施提供商，代理型人工智能的影响正在研究与分析加速、交易和尽职调查操作、客户咨询和个性化，以及风险、流动性和合规管理等方面显现出来。这些领域需要在高时间压力下综合不同的信息一一这是多智能体协同的理想环境。

研究与分析加速

代理式人工智能通过将多天的分析工作流程转换为仅需几分钟即可运行的完整编排流程，加速了投资研究。代理式系统可在几分钟内消化财务报表、收益记录、市场新闻和替代数据，以生成结构化的分析草案。因此，投资组合经理和分析师可以专注于以判断驱动的评估和情景探索，而不是手动综合。

当外部冲击发生，例如突然的政策声明或新关税的引入，代理商会迅速通过追踪头寸和行业中的敞口路径来评估可能导致的投资组合影响。这使得投资团队能够快速且自信地对影响市场的动态作出反应。

EMEA资本市场负责人，微软，描述了人工智能如何帮助投资组合马克·费弗，管理者加快了他们的研究：

”

对于投资组合经理来说，突破在于获得智能的第一视角，并立即了解市场事件如何在其持股中传播。多智能体系统可以将结构化和非结构化来源汇集在一起，在几分钟内提供初步分析，并展示例如新关税等突然冲击如何通过投资组合层层传递。这使得投资组合团队可以将时间花在判断上，而不是拼凑数据。


风险、流动性及合规管理

代理型AI通过自动化数据采集、验证和风险评估等耗时步骤，从根本上重塑了交易和尽职调查的运营。由代理驱动的编排通过自动化数据室接入、清单管理及风险标记，加快了尽职调查的周期。在私募股权领域，多代理工作流程可追踪投资组合公司间的运营关键绩效指标，并揭示改进机会，使交易团队能够专注于价值创造而不是文档处理。

客户咨询与个性化

代理人工智能通过从实时市场、投资组合和行为信号中生成持续更新的个性化投资见解，提升了客户咨询服务。代理人工智能综合市场发展、投资组合风险敞口和客户行为，及时挖掘投资机会并生成定制化见解。顾问能从实时信号中受益，指示何时进行客户联络是合适的。随着公司越来越多地在大数据生态系统中运作，代理可以同时利用内部和外部来源，如合作伙伴、供应商和宏观经济数据，来具体化机会并更精确地定制建议。

交易和尽职调查操作

代理型人工智能通过持续暴露监测、动态场景扩展和自动化监管工作流程，增强风险管理、流动性和合规性管理。代理支持对暴露、流动性头寸和集中风险的持续监控。它们还通过模拟更广泛的宏观金融场景、动态调整输入和将结果路由以供人工验证，扩展压力测试能力。在风险管理之外，由代理驱动的流程处理重复的合规性任务，提高了透明度，并在资本和流动性管理过程中减轻了人工报告的负担。

在银行、保险和资本市场上，一个共同的模式正在浮现一一当代理人工智能重塑决策密集、高复杂性的流程，转变客户体验或增强组织快速、一致、透明地做出决策的能力时，它能够带来显著的价值。



成为边陲组织

领导力路线图：以信任和速度扩展代理人工智能

代理人工智能为金融服务机构推动变革、提供卓越服务和创造持久的企业价值提供了重大机遇。微软将这些组织描述为“前沿企业”——在人工智能应用前沿运营的企业，其中人类专业知识和代理人工智能协同合作，以大规模提供按需智能。向这一模式转变需要明确的战略愿景、实用的路线图和强大的治理。

这份报告探讨了代理型人工智能的众多高价值应用一一从改变保险业的索赔处理和承保，到提升银行业的欺诈检测、客户体验和合规监管，再到加速资本市场的研究、尽职调查和风险管理。挑战不在于机会短缺，而在于选择和实施那些可以在整个组织中扩展的应用。变革始于采取以流程为先的思维，确定驱动价值的核心业务流程，并将人工智能项目围绕这些流程来构建，而不是从技术或工具开始。接下来，优先考虑应该集中在增强核心价值链、连接之前孤立的活动，以及为企业级变革创建可复用的基础。互联互通的价值链放大了整体影响，而投资于强大、可重复的代理型能力的企业相较于那些仅部署孤立、一次性案例的企业，能够获得更大的利益。

合伙人，PwC英国EMEA FS数据与人工智能负责人，强调重要性的莉莉亚·克里斯托菲，构建坚实的云和数据基础：

“

通过制定人工智能解决方案的蓝图，公司可以为整个组织设计可扩展性。这种方法使企业能够通过在新数据集上重新训练并重新部署，将一个在某一业务领域证明有效的能力扩展到其他场景。鉴于构建人工智能解决方案所需的重大投资，这种重复使用至关重要。

持续的成功源于构建企业级的AI能力，这些能力随着时间的推移相互强化。一个连贯的路线图确保了雄心与执行相匹配。这始于一个由基础支柱支撑的战略愿景：提供个性化和积极主动的服务；嵌入负责任、透明的AI标准；赋予同事先进工具和洞察力；以及投资于可扩展、面向未来的平台。这些支柱共同引导组织有效部署代理AI。

将抱负转化为成果，高级目标必须基于指导每个阶段的实际原则。将目标驱动的支柱与运营规则相连，确保采用既具有创新性又负责任加强信任、能力和治理，同时加速价值创造。

在制定人工智能转型升级战略时，金融机构需要回答六个关键问题：我们的愿景和对风险的偏好是什么？我们需要促进哪些知识技能？我们的转变后运营模式将是什么样子？我们的所需技术基础是什么？我们如何确保AI的负责任运用？以及哪些伙伴将帮助我们实现目标？


六个实现代理式人工智能成功的支柱

1

人工智能将推动现代金融服务的愿景，立足于客户价值、信任以及对风险偏好有明确定义，从而在谨慎的约束下实现大胆的创新。

愿景和风险偏好

2

雄心与自信：无畏价值、严于风险的人工智能

文化素养和技能集

3

我们将通过基于角色的学习路径、实践社区和实际应用来提高整个组织的AI熟练度。

支持一个对AI充满信心的劳动力：将意图转化为影响的能力

运营模式

联邦化的、以产品为中心的AI运营模型，中央标准，本地交付和可衡量成果

一种建设方式，多种获胜途径：治理、敏捷、价值引领的人工智能

4

5

科技

一个安全、可扩展的数据+AI平台（数据湖+MLOps+代理能力），具有可预测的成本模型

6

风险与治理

工程打造可信赖的规模效应：强大、实用且以隐私为本的AI

以人为本的责任AI设计：明确的责任制、透明的控制与伦理标准，以保障客户和社会的利益

支持以人工智能的速度发展的道德决策治理

合作伙伴关系

企业之间、金融科技公司、学术界和监管机构的生态系统合作伙伴关系，以加快安全创新和社区受益。

共同，更快：将共同目标转化为AI进步的合作关系


从愿景到行动：优先考虑价值链影响

路线图首先将战略转化为选择。应优先考虑那些嵌入在价值链中，并且能够明显提升客户、风险和运营成果的应用案例——而不是作为孤立的概念验证。

多个相互关联的价值链可以放大总体价值，前提是它们需要与明确定义的风险偏好和透明的守则相匹配。重复利用是关键：制定蓝图，以便每次成功都能在组织中更容易、更快地复制。

准备你的人：提升人工智能的熟练度和信心

真正具有变革性的AI部署需要一支准备好使用新工具并以新方式工作的劳动力。强大的技术只是开始；成功的智能体AI部署需要变革管理和通过教育和获取正确资源来支持组织的员工。普华永道（PwC）的显示表明近年来，关于劳动力市场的调研显示，员工采纳AI的速度比许多领导预期要快，并且普遍对使用减轻重复性工作的技术持积极态度。然而，他们希望了解AI将如何影响他们的角色，以及如何获得建立AI赋能企业所需的技能的支持。

为变革提出论据应当包括清晰地描述实施代理型人工智能的目的，包括解决的具体商业问题和解决方案与贵组织转型路线图的契合方式。阐明这些方面有助于确保成功采用人工智能所需的广泛组织支持。


您也需要准备好调整现有的业务流程，以适应人工智能带来的新能力。例如，代理式人工智能可以自动管理可能需要组织不同部门的不同团队完成的流程，正如之前的例子所显示的。因此，可能需要重组团队。并且可能需要更全面地重新构想工作。

例如，如果你是一家希望利用AI代理简化贷款的银行，你可能需要重新审视整个贷款流程，而不仅仅是寻找借助AI改善几个步骤的方法。随后，价值链可能会与你今天所熟悉的大相径庭。例如，原本有20个步骤的流程，在代理世界中可能只需要三个步骤。

围绕交付建立结构：确立您的运营模式和COE

成功扩展人工智能的关键先决条件是创建一个强大的AI卓越中心（CoE），该中心提供实现工业交付所需的架构、标准和能力。一个有效的CoE建立了基础——数据准备、技术、安全和架构——同时嵌入AI信任设计，以确保负责任和合规的使用。它通过常见的模式、平台和蓝图实现可重复、可扩展的解决方案交付，并得到清晰的价值实现框架和绩效指标的支持。

同样重要的是，CoE通过构建技能、培养采纳和支持持续学习来推动人力赋能。这些元素共同构成了一个受管治的、高效的且影响力大的AI引擎，该引擎平衡速度、风险和成本，并始终向整个组织提供有意义的成果。

一个卓越的人工智能中心在现代数据平台的管理中扮演着核心角色一一制定数据摄入、血缘关系、质量检查和模型部署的标准，以确保代理系统能够在可信、定义明确的数据上运行。这种统一的治理确保了复杂的、多代理的工作流程可以在业务单元之间一致部署，而无需重复基础设施或创建并行数据孤岛。

技术——为智能体AI构建现代、可扩展的基础

随着企业对代理人工智能的实践经验积累，他们的技术基础必须进化以支持更复杂的应用。现代人工智能系统越来越依赖于协调的工作流程，其中多个代理执行过程的不同步骤——而且，在适当的引导下，这些协调的工作流程可以管理从端到端复杂旅程。这种转变已经在诸如加速信用卡发放或快速个人贷款审批等用例中显现，在这些用例中，多个代理共同收集信息、验证文件、评估资格并完成决策。像微软Copilot Studio这样的工具，拥有预构建的代理库，可以帮助组织加快这些早期步骤。

然而，构建具有代理功能的协同工作流程需要比许多传统环境更强大的技术基础设施。集成代理AI带来了新的运营和监管风险，尤其在金融服务领域，组织必须证明其数据和系统具有安全性、可追溯性和弹性。因此，准备采用新的技术开始于严格的数据治理——基于角色的访问控制、加密、监控和检测异常行为的安全措施——依托能够持续运行于业务功能中的现代云基础设施。

PwC的发现代理的2025年EMEA云业务调查显示，尽管许多组织在扩展代理方面仍处于早期阶段，但AI能力现在已成为企业选择云服务提供商的决定性因素。


，合作伙伴，技术与数据FS领导，瑞士普华永道，强调的Prafull Sharma认识到构建稳固云和数据基础的重要性：

”

每一次人工智能的转型都取决于其数据的力量。治理将碎片化的信息转化为可靠的洞察，而一个精心构建的云平台将试点项目转化为平台。它们共同让您能够负责任地扩展人工智能，跨越功能、市场和监管环境。

现代基于湖屋架构的数据平台——例如-是微软 Fabric成为扩展智能代理的必要基础。这些平台将一个组织的数据汇集到一个安全、受管理的环境中，取代了碎片化的旧系统。它们使大规模管理信息变得容易得多，提高数据质量并加速新数字产品的开发。需要注意的是，设计良好的数据仓库仍然是必要的前提。确保数据来源可追踪、可追溯和可记录也是至关重要的。those that make it easier for non-微软Fabric现在包括技术用户代理，以获取关于数据问题的精确、丰富的上下文答案。

采用围绕机器学习（MLOps）和AI（AIOps）的现代工程实践，有助于确保人工智能模型和代理工作流程的可靠性和时效性，为企业开始自动化更多决策创造所需的稳定性。

在这个背景下，一家全球金融市场基础设施提供商与微软合作，将数十个数据系统整合到一个统一的Fabric环境中。结果是：对其数据的信任度提高，产品开发周期显著缩短。

当与维护和更新AI模型的自助化流程相结合时，强大数据平台提供了实现高级代理人能力所需的控制从协调多个代理完成多步骤任务到将AI直接嵌入同事日常使用的工具中。这些平台还提供了更为可预测和灵活的成本模式，让组织能够在需要时调整AI使用量，无需承诺始终如一的基础设施。这些基础共同构成了一个灵活、韧性强，并准备好实现企业级代理人AI的技术环境。


嵌入信任一负责任的AI、治理以及人在回路中

金融机构在部署代理型人工智能时，必须更新其治理和道德框架，以确保他们能够与客户和监管机构建立并维持信任。

当组织采用一种针对负责任的AI的稳健方法，以透明、一致和可问责的方式应对风险时，它们可以从人工智能中获得显著而可持续的收益。这包括考虑与数据、AI模型、基础设施和法律要求相关的风险，以及AI流程如何融入业务，以及AI工具可能有意或无意地被滥用的方式。普华永道的研究表明，这种方法不仅带来可量化的收益，而且增强了弹性。

建立负责任的AI项目首先评估贵组织的过程、政策和运营模式与最佳实践的一致性以及支持在您的前沿企业转型路线图中所确定的目标。在此基础上，您的企业可以开发一个端到端的治理框架，该框架在AI旅程的每个阶段都考虑风险和必要的控制措施。

对于具有自主能力的AI系统，拥有强大、实时的控制至关重要。预防性和反应性控制支持安全使用，而纠正性控制同样关键，以确保识别出的问题能迅速得到解决。新的更快的交付模式，其中人类监督并验证编码控制，与非人类代理在混合团队中合作，也在扩展控制的意义。除了技术问题之外，监测结果是否与商业意图相符也非常重要。控制应包括严格的用户身份验证、对AI提示和输出的保护措施、关于内容来源的透明度、对易受攻击用户的早期检测和保护以及集中交互日志记录。

对于金融服务机构来说，确保任何依靠人工智能做出的决策或采取的行动都做到透明、可解释且充分支撑是至关重要的。使用人工智能需要无偏见、公平、安全、合法和道德。并且，重要的是要在人工智能系统中建立问责机制，通过让人类参与到验证重要决策或行为过程中，使其发挥功效。

应对数据安全、隐私和合规性问题

数据是任何人工智能部署的核心。为了确保最佳结果，您需要确保您组织的数据准确、完整且最新。维护监管机构所要求的隐私和安全至关重要一一在适当的情况下，排除某些数据类型以维护信任和合规性。

当负责任地部署时，人工智能可以帮助满足关于安全、数据隐私、洗钱、欺诈预防等方面的需求。记录合规可能耗时费力，但人工智能代理可以帮助自动化和加速许多曾经需要人工努力的过程。

EMEA银行业领导，微软，阐述了对强大数据的重要性 Anisha Kaul建立信任：

在金融服务中，信任是通过行动赢得的。微软通过在网络安全、数据隐私和负责任的AI方面进行深度投资来增强这种信任。如果AI是飞机，那么数据就是燃料没有最高品质的燃料，任何飞机都无法起飞。坚实的数据基础支持AI产生负责任、可扩展且真正对客户有价值的成果。

连接生态系统一一与合作伙伴合作，安全加速

金融机构、技术提供商、学术界和监管机构之间的生态系统合作可以加快安全创新并带来社区效益。它们有助于缩短价值实现时间，推广最佳实践，并提供实现可持续扩展所需的平台和方法。

一旦确定了成为前沿组织的路线图和所需的基础设施，下一步就是与可以帮助将这一愿景变为现实的团队合作。扩大代理式人工智能需要深刻的行业理解以及经过验证的技术。




为什么普华永道和微软？

正确的基石

金融机构需要战略洞察和大规模可信赖的技术。毕马威和微软提供互补的优势。毕马威带来深厚的金融服务专业知识、监管理解和转型经验。微软提供安全的、企业级云和针对高度监管环境的领先人工智能平台。这两者对于希望以清晰、可控和可衡量的业务影响加速人工智能采用的公司来说都至关重要。

EMEA FSI 领导者，微软，描述了微软为人工智能带来的优势 帕特里斯·阿曼，金融服务部署：

对于全球金融服务领导者来说，下一个竞争前沿不是单一的人工智能，而是企业智能——这种智能通过设计实现统一、可靠、符合规定和可操作。微软开发了其IQ架构，通过连接人们的工性行为（工作智能），商业如何根据其数据作出判断（织造智能），以及人工智能代理如何得到接地和管理（铸造智能），使其变得生动具体。这一统一的智能层使组织有信心扩展创新，将信任、透明度和监管纪律转化为董事会层面的战略优势。我们对于安全、合规和信任的敏锐关注通过设计内化，我们是结果驱动型的，通过加速器、强大的行业数据模型、与核心系统的深度融合以及包括普华永道等公司的强大合作伙伴生态系统，支持客户。

普华永道和微软都擅长于帮助金融机构负责任地、大规模地部署智能代理AI。普华永道的智能代理AI价值链可以与微软的技术如Copilot Studio、Agent365、Fabric、Foundry和IQ架构整合，以帮助组织自动化复杂流程，生成更深入洞察，并提升客户和同事的体验。普华永道和微软都致力于负责任AI原则。这些原则支持透明、可解释且符合监管预期的创新。


普华永道作为金融行业的长期转型合作伙伴，支持组织在应对市场变化、监管变革和客户需求变化的过程中。我们帮助领导者设计人工智能赋能的运营模式，以推动韧性、竞争力和增长。作为微软技术（如Copilot Studio）的最大全球采用者之一，我们在100多个国家部署，将第一手实践经验应用于客户工作，确保指导具有实用性、经过测试，并基于真实企业规模的采用。

，合伙人，EMEA微软联盟领导者，普华永道西班牙，描述了普华永道是如何构建的毛罗·伊泽维尔拥有的 AI能力：

”

普华永道是我们自己的客户零：我们在100多个国家的23万名用户中部署了Copilot，使我们成为全球最大的采用者之一。这种亲身经验，结合微软技术的安全和规模，使我们能够帮助客户负责任地采用人工智能，有效治理，并通过经过验证的模式实现交付。


代理人工智能不再是实验前沿，而是推动银行、保险和资本市场变革的实用催化剂。那些将抱负根植于坚实基础治理、投资于可重复利用的能力并赋予员工与人工智能自信协作的组织，将定义下一时代金融服务。那些先行一步、负责任地扩大规模并在整个生态系统中协作的企业，不仅将驾驭未来的动荡，还将塑造一个更具韧性、更智慧、更以客户为中心的行业。

PwC和微软都准备好支持您的代理人工智能之旅。联系我们了解更多信息。

作者

微软


Patrice Amann EMEA FSI 领导 Micros oft



Anisha Kaul EMEA银行领导者微软

马克·费弗尔 EMEA资本市场负责人微软

Zimnoch Dorota


全球创新与数字战略总监，微软金融服务

PwC（普华永道）


毛罗·泽维尔

合伙人，EMEA微软联盟领导者普华永道西班牙


莉莉亚·克里斯托菲

伙伴，EMEA金融服务业数据与人工智能领导者PwC英国


Darren Ketteringham

合作伙伴，英国金融服务业领导者PwC


安德烈亚斯·胡芬施图尔

合伙人，FS大数据与高级分析咨询德国普华永道


帕拉夫·夏尔马

合作伙伴、技术及数据金融服务业领导毕马威瑞士


Patrice Witz

合作伙伴，微软联盟领袖 普华永道卢森堡