摩根士丹利多年来一直致力于升级其技术和数据基础，以支持人工智能能力。随着高管们在全业务范围内扩展生成式和代理式AI应用场景，这些投资正开始见效。

在该公司的财富管理部门，AI的运用已从协助处理离散任务的对话式工具，演进为能够 管理工作流 的更为协调的系统，覆盖企业平台，据摩根士丹利财富管理技术首席信息官Hina Shamsi介绍。她表示，这些扩展能力在很大程度上得益于最初的基础性投资。

“我们知道，这些AI代理或代理式工作流的效果，取决于我们所拥有的上下文和数据，”她在接受CIO Dive采访时表示。

Shamsi表示，大约八年前，该部门在看待数据的方式上做出了重大转变。起初，高管们以账户为中心来考虑数据。但客户希望了解的是整体关系——而不仅仅是特定账户。

Shamsi表示，关注点的转变推动摩根士丹利形成了有意义的机器学习能力，包括次优行动建议，基于更广泛的数据组合为顾问提供关于与客户采取适当后续步骤的指导。

Shamsi表示，持续投资于数据平台、上下文和语义层以支持生成式AI和代理，仍是技术领导者们的关键重点。

“这让我们得以真正开始专注于其他一些事情，即构建生成式AI和代理工作流能够理解的语义层，”她说。

扩展代理能力

Shamsi表示，该银行的财富管理部门在AI之旅上日趋成熟，将重点转向AI编排的工作流。

她说，目标是实施能够代表顾问或支持专业人员跨不同系统执行工作的代理能力，同时将人工监督和决策保持在核心位置。

财富管理的三大重点领域是客户互动、服务和顾问协助代理。

该公司推出了一款客户协助代理，让客户能够用自然语言提问并完成常见任务。她说，这是客户虚拟助手的第一代版本，随着其成熟，将朝着提供账户特定协助和更多上下文支持能力的方向发展。

Shamsi表示，该部门还通过其服务协助代理实现了生产力提升，她将其描述为客户服务专员的伙伴。该代理可以检索信息并执行资金转移、开户和变更受益人等操作。

“虽然这些听起来像是简单的操作，但它们需要访问多个应用程序和平台，而我们的代理式工作流旨在自动化日常任务，以便我们的支持专业人员能够将更多时间花在更高附加值的任务上，”她说。

Shamsi表示，顾问协助代理帮助处理日常活动，使顾问能够指导工作，而无需完成所有手动操作。

“这里的想法是，我们试图消除他们必须做的事情中的摩擦，专注于什么是有附加值的活动，即花更多时间在客户互动本身，”她说。

随着代理能力的增强， 控制变得更加重要，Shamsi说。她补充道，不应给予代理无限的自主权。

她说，她的团队构建的代理在“明确界定的边界”内运作，包括代理可以访问哪些信息、如何访问、可以采取哪些行动以及何时需要人工介入。

“我怎么强调护栏、权限、监控和人工监督的重要性都不为过，”她说。