为什么仅靠大型语言模型（LLMs）无法在金融服务中实现投资回报率

发现顶级金融科技新闻与事件！

订阅金融科技周刊的新闻简报

由摩根大通、Coinbase、黑石、Klarna 等高管阅读

大型语言模型（LLMs）被称为我们这个时代的“电力”，它们的出现引发了金融领域的一波试验。从自动化研究到客户洞察，潜力巨大。但随着应用的增长，一个清晰的现实正在浮现：仅靠LLMs是不够的，还需要一个代理层。

LLMs可以生成文字，但它们需要代理来保证真实性。它们可以总结数据，但没有代理层，它们无法决定哪些对你的业务最重要。在一个信任、合规和速度不可谈判的行业中，这一差距至关重要。虽然LLMs为系统带来强大能力，但具有代理能力的AI知道何时以及如何点亮灯光。

仅靠LLMs是不够的

LLMs令人印象深刻，但它们是反应式的。它们响应提示，生成文本，总结数据，但没有业务背景。单靠它们，缺乏组织定义、规则和时间线的基础。没有代理层和上下文目录，这些模型虽强大但不完整。它们可以流利沟通，但不能确保其所说内容与业务定义的真实性一致。在需要信息可信、组织有序、共享一致的复杂金融环境中，这一差距尤为关键。

结合上下文目录的代理AI，提供了缺失的元素：决策所需的业务背景和人机循环学习以实现持续改进。它们共同赋予系统自主性、上下文和记忆。代理知道要寻找什么，上下文目录确保输出符合可信定义，两者在明确边界内操作。在实践中，这使金融机构能够：

*   持续扫描市场、新闻和文件，提前发现异常
*   跟踪客户情绪变化，并将洞察连接到顾问和产品团队
*   自动化报告和合规流程，使洞察直接转化为决策

结合元数据层的代理，将LLMs从被动工具转变为金融操作中的主动参与者，而人类仍然是主要决策者。它们将潜力转化为绩效。

随着越来越多企业采用AI工具，那些将AI视为策略配菜的组织，将难以实现预期的投资回报。AI战略最成功的方式，是将其融入组织的血脉，成为组织本身的一部分。

在模型基础上构建智能

电力的历史提供了一个有用的类比。早期获得电力是一种竞争优势。一旦电力变得普及，优势转向那些设计高效使用电力系统的企业。工厂、装配线和照明系统成为差异化因素。

现在，LLMs也处于同一阶段。它们已广泛可用。真正的优势在于机构如何利用它们来指导工作流程、协调决策和支持人类判断。仅仅部署一个“万能”模型并不是策略。利用智能解决或支持特定目标，才是真正推动可衡量影响的关键。

考虑三个例子：

*   **市场调研**：LLM可以总结新闻或文件。由上下文目录元数据支持的代理，筛选、优先排序并突出与投资决策相关的内容，定制投资者需求。
*   **客户情绪分析**：LLM读取社交帖子或调查问卷。由目录支持的代理聚合洞察、追踪趋势，并将结果连接到关系经理。
*   **欺诈与合规**：LLM解析非结构化数据。代理利用目录中的定义进行异常检测，然后自动化报告和后续任务，以防止操作风险。

在每个场景中，模型提供规模和流畅性，但代理和上下文目录的结合，创造了相关性、焦点和可操作性。

支持人类判断

有人认为代理或LLMs会取代人类。在金融服务行业，这不太可能。人类提供判断、监督和战略思考，这是自动化无法取代的。代理和上下文目录通过确保信息准确、具备上下文、便于决策，放大了人类的能力。它们处理重复、耗时或高度分散的任务。

当它们结合时，LLMs、代理和上下文目录形成一个反馈循环：模型生成洞察，代理优先排序和协调，目录将其根植于组织的真实中。最终由人类做出决策。

结果是更快、更有信心、更精准的成果。分析师和领导者减少了收集信息的时间，更多地专注于行动。

竞争的必要性

仅依赖LLMs的金融机构，仍然是被动的。那些整合代理和上下文目录的组织，将实现主动性、效率和规模化洞察。LLMs是必要的，但不完整。代理将它们转变为真正创造价值的系统。目录确保这些系统基于可信定义和可验证数据运行。

金融服务行业正处于转折点。LLMs已成为基础工具。竞争优势现在来自设计协调智能、提供上下文、跨工作流程整合的系统。理解这一现实的企业，将定义下一代金融科技创新。

LLMs提供动力，代理和上下文目录引导这股力量，使其变得有用。它们共同帮助金融机构看得更清楚、行动更自信、做出更明智的决策。

关于作者

Alexander Walsh是Oraion的联合创始人兼CEO。拥有丰富的战略、金融和国际扩展背景，Alexander在推动全球领先企业增长方面拥有十余年的经验。在创立Oraion之前，他曾担任Via.work的国际扩展总监，帮助公司扩大全球运营，并通过收购实现成功退出，出售给JustWorks。他的职业经历还包括苹果、N26和硅谷银行，专注于运营、合规和数据驱动的决策制定。Alexander的专长在于商业战略、财务管理，以及利用自动化推动增长和转型。