今年，美國銀行將投資40億美元用于AI及相關(guān)技術(shù)創(chuàng)新，但這家金融服務(wù)巨頭七年前自主研發(fā)的AI助手Erica，如今依然是關(guān)鍵的投資回報率來源、客戶與員工體驗的核心，也是其引以為傲的成果。

2018年時，很少有人使用“助手”一詞，更不用說“自主式AI”了，但美國銀行組建了一個由軟件工程師、語言學家和銀行業(yè)專家組成的團隊，打造了這款小型語言模型，該模型多年來根據(jù)呼叫中心收集的客戶反饋數(shù)據(jù)不斷優(yōu)化。

美國銀行消費者、商業(yè)和財富管理技術(shù)部門負責人哈里·戈帕爾克里什南(Hari Gopalkrishnan)表示，Erica之所以能夠成功且經(jīng)久不衰，關(guān)鍵在于其規(guī)模較小。

“我們不是用Erica來寫文章，也不是開發(fā)軟件，而是試圖理解客戶簡短的信息需求，因為他們不想在屏幕上有著50個不同選項的菜單中來回查找和選擇，而我們要做的就是理解客戶的真實意圖，比如當他們說‘我想支付賬單’時，他們到底是什么意思?”戈帕爾克里什南說道，“我們該如何理解客戶想要的簡短對話內(nèi)容?

“我們訓練模型來做到這一點，”他談到這款基于開源模型打造的Erica時表示，“隨著時間的推移，它的準確率從80%提升到85%，再到90%以上，這讓我們對模型的預測更加精準。”

戈帕爾克里什南表示，疫情期間，美國銀行對Erica進行了調(diào)整，使客戶能夠申請薪資保護計劃(PPP)貸款，處理多種業(yè)務(wù)及消費需求。隨著GenAI和自主式AI產(chǎn)品的發(fā)展，他將予以接納，但他認為，該行的大部分客戶需求都可以自主研發(fā)。

如今，超過2000萬的銀行客戶都在使用Erica虛擬助手。此外，該行20多萬名員工中，超過90%的人都在使用面向員工的Erica，使得IT服務(wù)臺的電話呼叫量減少了50%以上。

銀行依靠AI

2025年，美國銀行將斥資數(shù)十億美元用于AI投資，為員工、銀行客戶和美林(Merrill Lynch)代理(Ask Merrill)提供增強的搜索和協(xié)助功能。

戈帕爾克里什南表示，該行已經(jīng)在利用GenAI應(yīng)用程序和試點項目，這些項目已經(jīng)超越了概念驗證階段。例如，開發(fā)人員使用基于AI的工具輔助編碼，據(jù)稱效率提高了20%以上。

GenAI還被顧問用于為客戶會議做準備，每年為客戶參與和增長節(jié)省了數(shù)萬小時的時間。此外，GenAI還被用于呼叫中心優(yōu)化，但該公司拒絕透露使用的工具。

美國銀行“自主研發(fā)”的一款GenAI平臺使全球市場銷售與交易團隊能夠“更快速、高效地搜索、總結(jié)和合成市場研究和評論”，該行表示。

戈帕爾克里什南重視代理和現(xiàn)有編排技術(shù)在處理消費者和企業(yè)銀行業(yè)務(wù)方面的實際應(yīng)用，而非仍在測試中的復雜自主式AI技術(shù)，并指出許多被過度吹噓的技術(shù)(如元宇宙和增強現(xiàn)實)尚未轉(zhuǎn)化為銀行業(yè)客戶的業(yè)務(wù)用例。

但戈帕爾克里什南看好計算機視覺和基礎(chǔ)模型的多模態(tài)能力，他計劃利用這些技術(shù)提升客戶滿意度。

不過，Erica仍將是客戶和員工體驗的代表——隨著需求的出現(xiàn)，其后端將增加更先進的推理能力。

混合云推動創(chuàng)新

美國銀行每年在技術(shù)上投入130億美元，并與未具名的咨詢公司合作，而不是單打獨斗。

戈帕爾克里什南同時擔任該行八個業(yè)務(wù)部門中六個部門的CIO，他表示，美國銀行采用的是基于多年來運營的虛擬私有云的混合“托管策略”，并根據(jù)需要使用公共云。美國銀行與微軟、AWS、谷歌和其他云服務(wù)商都有合作，但和許多銀行CIO一樣，戈帕爾克里什南出于成本和安全方面的考慮，更傾向于將工作負載留在內(nèi)部。

“我們在擴展規(guī)模方面非常有效，這讓我們不必為突發(fā)流量付費，”戈帕爾克里什南說道，并補充說，看到一些組織將業(yè)務(wù)從云計算中撤出“很有意思”。

“我們始終表示，我們不會讓擺動過度，導致偏離方向，”這位CIO說道，“我們的觀點是，我們基本上采用的是托管策略，我們的虛擬私有云中有多個可用區(qū)，我們廣泛地使用虛擬私有云，并根據(jù)需求，可以基于用例(無論是為其他軟件供應(yīng)商還是為我們自己)將數(shù)據(jù)爆發(fā)到公有云。”

美國銀行也在繼續(xù)加大對主機的投入，這有助于該行應(yīng)對近期股市的大幅波動。

“主機仍然是一個非常重要的戰(zhàn)略平臺，但隨著時間的推移，我們已經(jīng)實現(xiàn)現(xiàn)代化，弄清楚哪些工作負載更適合在分布式環(huán)境中運行，哪些工作負載應(yīng)該橫跨多個可用區(qū)實現(xiàn)更橫向的可擴展性，以及哪些工作負載如果我們投入大量資金重寫會是不負責任的。”他說道。

隨著美國銀行繼續(xù)進軍分析和AI領(lǐng)域，數(shù)據(jù)聚合和數(shù)據(jù)清洗也已成為其行動計劃的一部分，他暗示，Hadoop和Snowflake等是正在使用的數(shù)據(jù)平臺。

“我們一直在推動數(shù)據(jù)計劃現(xiàn)代化，”戈帕爾克里什南說道，“我們在數(shù)據(jù)分析方面有著大量的工作，從正確的地方獲取數(shù)據(jù)，確保數(shù)據(jù)的準確性、合規(guī)性和可控性。”

他補充說：“我們在AI方面所做的一切都要經(jīng)過一個包含16個不同支柱(如偏見和透明度)的治理流程。”

進軍GenAI領(lǐng)域

隨著該公司進一步深入GenAI領(lǐng)域，實用性將成為技術(shù)選擇的核心目標——盡管戈帕爾克里什南承認美國銀行可能會使用更先進的基礎(chǔ)模型，但這家金融服務(wù)公司將探索最簡單的解決方案來產(chǎn)生結(jié)果，并且不會依賴于任何單一供應(yīng)商。

“我們的目標是實現(xiàn)模型不可知論(model-agnostic)，因為隨著時間的推移，行業(yè)會發(fā)生重大變化。推理會出現(xiàn)，代幣定價會變化，新的創(chuàng)新會出現(xiàn)，”他說道，“我們不想依賴于任何給定模型。本質(zhì)上，我們會研究一個用例，研究數(shù)據(jù)分類，研究我們的能力，然后結(jié)合實際情況，找出解決問題的正確方案。”

戈帕爾克里什南表示，基礎(chǔ)模型的訓練、推理和推理創(chuàng)新非常出色，但他將繼續(xù)使用現(xiàn)成的方案和成熟的解決方案，來滿足客戶和員工的不斷變化的數(shù)字化需求，他不想用新的平臺取代舊的。

“我們不會盲目追求剛發(fā)布的新事物，因為利用已經(jīng)通過簡單的常識性智能體和基本編排實現(xiàn)的方案，還有很多工作可以做。”他說道。

Forrester分析師布萊恩·霍普金斯(Brian Hopkins)稱美國銀行的技術(shù)策略為“務(wù)實精準”，并指出，已經(jīng)處理了24億多次互動、留存率高達98%的Erica，是在不損害信任的情況下擴大數(shù)字參與度的經(jīng)典案例。

“他們采取了更加謹慎的方式進入GenAI領(lǐng)域，但我認為，這最終可能會成為明智之舉，”他談到這家美國第二大銀行時說道，“信任是銀行業(yè)的命脈，而GenAI仍然存在幻覺、缺乏可解釋性和安全隱患等風險。當美國銀行已經(jīng)構(gòu)建的東西行之有效時，為什么要冒信任受損的風險呢?考慮到他們的規(guī)模，如果出錯，將代價高昂，這不是像咨詢這樣的知識密集型業(yè)務(wù)，GenAI已經(jīng)產(chǎn)生了更為直接的影響。”

如今，在進入GenAI階段時，美國銀行是從優(yōu)勢地位出發(fā)的——擁有干凈的數(shù)據(jù)、清晰的業(yè)務(wù)目標和豐富的AI運營經(jīng)驗，這位分析師補充道。他們的“一次投資，多次復用”的模型從長遠來看可能會帶來巨大的回報。

“最終，雖然他們并不張揚，但我發(fā)現(xiàn)他們默默耕耘，卓有成效，”霍普金斯說道，“一旦GenAI領(lǐng)域的塵埃落定，我毫不驚訝他們會超越競爭對手。”