為何僅靠大型語言模型（LLMs）無法在金融服務中實現投資回報

探索頂尖金融科技新聞與活動！

訂閱金融科技週刊的電子報

由摩根大通、Coinbase、貝萊德、Klarna 等高管閱讀

大型語言模型（LLMs）被譽為我們時代的電力，它們的出現引發了金融領域的一波實驗浪潮。從自動化研究到客戶洞察，潛力巨大。但隨著採用率的提高，一個明確的現實逐漸浮現：僅靠LLMs是不夠的，還需要一層代理層來支撐。

LLMs可以產生文字，但它們需要代理來保證真實性。它們可以總結數據，但沒有代理層，無法決定哪些資訊對你的業務最為重要。在一個信任、合規和速度不可妥協的行業中，這個差距至關重要。雖然LLMs為系統帶來強大能力，但具有代理能力的人工智慧知道何時以及如何點亮燈光。

僅靠LLMs是不足夠的

LLMs令人印象深刻，但它們是反應式的。它們對提示做出反應，生成文本，並總結數據，但缺乏商業背景。單靠它們，缺乏對組織定義、規則和時間線的理解。沒有代理層和背景目錄，這些模型雖然強大，但不完整。它們可以流暢溝通，但無法確保其所說內容與企業對真實的定義一致。在需要信任、組織和一致共享資訊的複雜金融環境中，這個差距變得尤為關鍵。

代理人工智慧結合背景目錄，提供缺失的元素：決策所需的商業背景，以及人機循環學習以持續改進。它們共同賦予系統自主性、背景知識和記憶能力。代理知道要尋找什麼，背景目錄確保輸出符合可信定義，兩者在明確界限內運作。在實務中，這使金融機構能夠：

*   持續掃描市場、新聞和文件，提前發現異常
*   追蹤客戶情緒變化，並將洞察連結到顧問和產品團隊
*   自動化報告和合規流程，讓洞察直接轉化為決策

結合元資料層的代理，將LLMs從反應工具轉變為金融操作中的積極參與者，而人類仍是主要決策者。它們將潛力轉化為績效。

隨著越來越多企業採用AI工具，那些將AI視為策略配角的組織，將無法獲得預期的投資回報。AI策略最成功的情況，是將其融入組織的結構中，成為組織本身的一部分。

在模型之上建立智慧

電力的歷史提供了一個有用的比喻。早期獲得電力是一種競爭優勢。一旦電力普及，優勢轉向那些設計高效使用電力系統的人。工廠、裝配線和照明系統成為差異化的因素。

現在，LLMs也處於同一階段。它們已經廣泛可用。真正的優勢來自機構如何利用它們來指導工作流程、協調決策和支持人類判斷。僅僅部署一個模型作為“萬用解決方案”並不是策略。利用智慧來解決或支持特定目標，才是產生可衡量影響的關鍵。

舉三個例子：

*   **市場研究**：LLM可以總結新聞或文件。由背景目錄元資料支持的代理，篩選、優先排序並突出與投資決策相關的資訊，量身定制。
*   **客戶情緒分析**：LLM閱讀社交貼文或調查。背景目錄提供的代理聚合洞察、追蹤趨勢，並將結果連結到關係經理。
*   **詐騙與合規**：LLM解析非結構化數據。代理根據背景目錄中的定義協調異常檢測，然後自動化報告和後續任務，以防止操作風險。

在每個場景中，模型提供規模和流暢性，但代理與背景目錄的結合，創造出相關性、焦點和可行性。

支持人類判斷

有人認為代理或LLMs會取代人類。在金融服務領域，這不太可能。人類提供判斷、監督和戰略思考，這些是無法自動化的。代理和背景目錄放大了人類的能力，確保資訊準確、具背景且準備好用於決策。它們處理重複、耗時或高度分散的任務。

結合後，LLMs、代理和背景目錄形成一個反饋循環：模型產生洞察；代理優先排序並協調；背景目錄將其根植於組織的真實中。最後，人類做出決策。

這樣可以更快、更有信心且更精確地達成結果。分析師和領導者花更少時間收集資訊，更多時間用於行動。

競爭的必要性

僅依賴LLMs的金融機構仍然是反應式的。而那些整合代理和背景目錄的組織，則能實現前瞻性、效率和規模化的洞察。LLMs是必要的，但不完整。代理將它們轉化為真正產生價值的系統。背景目錄確保這些系統基於可信定義和可驗證數據運作。

金融服務行業正處於轉折點。LLMs已成為基本工具。競爭優勢來自設計能協調智慧、提供背景並整合工作流程的系統。理解這一現實的企業，將引領下一個金融科技創新時代。

LLMs提供力量。代理和背景目錄引導這股力量，並使其變得有用。它們共同讓金融服務組織能夠看得更清楚、行動更自信，並做出更智慧的決策。

關於作者

Alexander Walsh是Oraion的共同創辦人兼執行長。擁有策略、金融和國際擴展的多元背景，Alexander在推動全球領先企業成長方面已有超過十年的經驗。在創立Oraion之前，他曾任職於Via.work，擔任國際擴展主管，協助擴展公司全球業務，並成功以收購方式退出，賣給JustWorks。他的經歷涵蓋Apple、N26和矽谷銀行，專長於運營、合規和數據驅動的決策制定。Alexander專注於商業策略、財務管理，以及利用自動化推動成長和轉型。