模型提议，账本决定：金融业究竟如何采用智能体

财务团队面对的并不是「确定性系统还是 AI」的二选一。我们能查证的每一个生产部署都划了同一条线：模型负责读取、匹配和起草，而决定资金流向的，是某个确定性的环节或某个具名的人。BNY 大约 140 名「数字员工」各自向一位人类经理汇报。Allianz 的理赔智能体把处理时间缩短了 80%，但每一笔赔付都由人来授权。Rillet 的 AI 账簿提出分录，再通过规则过账。真正的争论不在于要不要越过这条线，而在于以多快的速度把它往前挪；而美国银行监管机构在 4 月选择不表态，把生成式与智能体式 AI 整个排除在新的模型风险指引之外。

一览

具名企业自称在运行什么，以及最终由谁拍板。所有结果数字均为企业自报，没有一项经过独立审计。

企业	智能体做什么	谁来决定	公布的结果
BNY	约 140 名「数字员工」，例如标记卡住交易的支付校验智能体	每名都有独立登录账号和一位人类经理；每个动作连同其理由都会被记录	卡住的支付在几分钟而非几小时内被标记出来
Allianz（澳大利亚）	七个智能体处理约 500 澳元以下的食品变质理赔	每笔赔付都由一位理赔专业人员授权	处理与结案时间减少 80%
Rillet	AI 原生 ERP，提出科目分类与分录	过账由规则、政策和映射表生成；会计人员审批	客户超过 600 家；2026 年 8 月估值 10 亿美元
BlackLine	Verity Prepare：多智能体的对账准备	产出一份可供审计的资料包，「交由人工签核」	自 2026 年 7 月 27 日起全面可用
Ramp	Policy Agent 对照公司政策审核报销	从仅审核模式起步；审核人员保留最终决定权	早期客户中审批准确率 99%，人工审核减少约 85%
Goldman Sachs	用于交易会计与客户开户的 Claude 智能体	未披露	2026 年 2 月称处于「早期阶段」；此后未公布任何结果

所有部署共有的模式

各方来源细节不同，形状却一致。有四项控制反复出现，合起来就是 BCG 与 SCBX 在 2026 年一篇关于银行智能体、题为 “The Agent is the Easy Part” 的论文中所说的「确定性边界之内的概率性内核」。

表中每个部署背后的同一种安排：在代码或人采取行动之前，模型的输出都只是提议。

模型提议，由人或规则落定

Allianz 的赔付授权、BlackLine 的签核资料包、Ramp 从仅审核模式起步，以及 Morgan Stanley 的顾问在会议纪要发出前先行编辑，都是把一个人放在输出生效的那个点上。Anthropic 于 2026 年 5 月发布的金融智能体模板包含总账对账器和月末结账器，描述的也是同一种安排：用户在 Claude 的工作「交给客户、提交归档或付诸执行之前」进行审阅和批准。BCG 的表述最为清楚：「智能体提议；系统落定」，而自主权要「随着证据到来」逐步赢得。

由确定性层写入记录

Rillet 把规则说得很直白：「即便使用 AI 来提出科目分类，最终的账簿过账也由确定性逻辑（规则、政策、映射表）生成。」Stripe 的支付基础模型提升了盗卡测试的识别效果，但授权还是拒绝的决定仍留在其 Radar 规则里。模型可以让信号变得更好，却不执行动作。

算术交给代码

Bridgewater 的投资助手编写 Python，让代码去计算。Claude in Excel 把公式写进工作簿，便于审计。学术证据指向同一方向。Vals AI 的 Excel 建模基准发现「数值准确性是主要弱点」，公式检查的通过率远高于数值检查。2026 年一篇针对计算密集型金融问题的预印本 CIFQA，通过让模型只处理语言、把每一次计算都交给 Python，达到了 95.54%。我们自己的对账实验发现了最要紧的那种失败：模型的算术通常是对的，而算错时它的答案看起来一模一样。

每个智能体都有身份和日志

BNY 为每名数字员工配备「登录账号、电子邮箱和人类经理」，BNY 的 Michael Demissie 表示「数字员工执行的每个动作都完全可审计……理由都会被记录」。JPMorgan 的技术团队在总结 2026 年创新周时写道：「自主权与控制必须同步增长。」这是最不起眼的一项控制，也是监管机构最先问到的一项。

缺了这条线的地方出了什么问题

专业服务与金融服务领域公开的失败案例有一个共同点：生成的输出在中间没有任何确定性检查的情况下，直接到了客户或公众手里。

Deloitte 澳大利亚，2025 年：一份价值约 44 万澳元的政府保证审查报告中出现了捏造的参考文献，以及一段编造的联邦法院法官引语。修订后的报告披露使用了 GPT-4o，Deloitte 退还了最后一期款项。
EY 加拿大，2026 年 5 月：一份关于会员积分计划欺诈的研究被撤回，原因是其 27 条参考文献中有 16 条并不存在。
澳大利亚联邦银行，2025 年 8 月：CBA 曾把 45 个岗位的裁撤归因于一个语音机器人；在工会以来电量正在上升为由提出质疑后，CBA 撤销了这一裁员，并称原决定是一个「错误」。
Klarna，2025 年：在其助手接手了三分之二的客服对话之后，Klarna 的首席执行官表示，AI 优先的做法带来了「质量更低」的服务，公司随后重新开始招人。
Moffatt 诉 Air Canada，2024 年：这不是金融案件，却是金融律师常引用的那一个。仲裁庭裁定航空公司须为其聊天机器人编造的退款政策承担责任，并驳回了聊天机器人是「一个独立法律实体」的辩解。

这份清单上缺席的东西同样重要。我们没有找到任何模型算术错误进入已提交财务报表的公开案例，也没有找到任何专门针对生成式 AI 的审计监管处罚。PCAOB 2024 年的审查发现，审计机构使用它主要是做「行政和研究」类工作。这与上面的模式一致：凡是计算金额的地方，企业都让模型远离计算本身。

2026 年监管机构提出了什么要求

各地规则朝着不同方向演进，对于在多个市场运营的机构，这些差异至关重要。

美国：生成式 AI 被排除在模型风险之外

4 月 17 日，美联储、OCC 和 FDIC 以 SR 26-2 取代了 SR 11-7。其脚注 3 以「新颖且快速演变」为由，把生成式与智能体式 AI 置于指引范围之外；我们的模型风险页面介绍了检查人员仍然期待什么。新定义中有一个容易被忽略的细节，与这场争论直接相关：「模型」如今「不包括简单的算术计算，例如电子表格中的那些，也不包括确定性的基于规则的流程」。因此，一个把每个数字都移进代码、把每个决定都移进规则的架构，会把这些部分移出模型风险的范围，而模型本身则通过豁免条款被排除在外。留给治理的，是模型的路由与判断——恰恰是目前还没有任何框架覆盖的部分。FINRA 的 2026 年监管报告首次讨论了 AI 智能体，其关注点沿着同一条线展开：缺乏人工检查的自主权、权限悄然越出授予范围，以及难以还原的多步骤操作。

欧洲与英国：一边推迟，一边从未豁免

欧盟的《数字综合法案》（Digital Omnibus）自 2026 年 7 月 27 日起生效，把《AI 法案》中针对信用评分以及人寿与健康保险定价的高风险义务，从 2026 年 8 月推迟到 2027 年 12 月 2 日。日志记录、人工监督和准确性义务没有变化；变的只是日期。英国在模型风险上采取了与美国相反的立场：PRA 的 SS1/23 不针对特定技术，从一开始就没有打算把生成式 AI 排除在外。FCA 于 4 月公布的第二批 AI Live Testing 参与者包括 Barclays、UBS 和 Lloyds 旗下的 Scottish Widows，用例涵盖智能体支付、反洗钱和 KYC。

亚洲：登记册与具名问责

新加坡金管局（MAS）于 10 月 7 日发布了最终版 AI 风险管理指引，覆盖「所有形式的 AI 技术」，要求建立 AI 清单、进行重要性评估并实施人工监督。首批章节自 2027 年 10 月起适用，MAS 计划在 2027 年就智能体专项指引征求意见。一周之后，香港金管局（HKMA）宣布了其 ART 框架，以及一份即将发布的讨论文件，提议建立「重要 AI 智能体登记册」和「以意图为锚的问责」。如果这一思路扩散开来，BNY 的模式——每个智能体都是一个有人类负责人的具名身份——就会从一种良好实践变成一项监管期望。

正反两方的论点

支持方：基线并不是零

主张让模型多做一些的理由，要从它所替代的流程说起。Raymond Panko 的电子表格研究把单元格错误率定在约 1%，并在所研究的大多数电子表格中都发现了错误。2024 年 4 月，Citi 把一笔本应为 280 美元的入账录成了 81 万亿美元。经办的支付员工和第二位复核人都没发现，第三名员工在约 90 分钟后才发现。据 FT 统计，该行当年发生了十起 10 亿美元及以上的险情。四眼复核同样有漏检率。如果一个带检查的模型比两个没有检查的人犯错更少，那么用完美标准去要求它，就等于保留一个更差的流程。

反对方：错误的形状不一样

反方并不主张模型平均来看更差，而是主张平均值本身就是错误的衡量标准：

错误的分布不同。人会失手。模型则会产出流畅、内部自洽的捏造内容，比如一份看起来没问题的参考文献列表，或一份显示差额为 0.00 的对账结果，而复核人员更难发现这类错误。
尾部风险说了算。BCG 的衡量标准是爆炸半径：「单个智能体的动作在被某个确定性环节或某个人拦下之前能波及多远。」它认为这是「真正要紧的风险数字」，因为「它是单一最坏结果，而不是平均值」。
问责无法转移。前代理货币监理官 Michael Hsu 在 2024 年警告：「有了 AI，推卸不良后果的责任比近来记忆中任何一项技术都更容易。」Air Canada 案的仲裁庭表明，这种推卸站不住脚。
检查要花钱。Stanford 与 BetterUp 的研究人员在 2025 年做的一项调查（发表于 HBR）估计，清理低质量 AI 输出每次大约要花两个小时。一个 95% 的时候正确、却需要 100% 检查的模型，省下的远没有看起来那么多。

我们的结论

双方在不同的步骤上各有道理。对于阅读文档、匹配记录和起草，一个带检查的模型如今很可能胜过人工基线，拒绝使用它本身就是一种成本。对于计算和决定，这种比较本身就不对：代码做算术完美无误，规则做决定始终一致，所以在那里模型的替代方案不是一个人，而是一个函数。正是这条边界让「胜过人类」的说法变得可以检验。有了它，模型的每一个输出都会被检查，其错误率也可以被测量。没有它，你只会在公司外部的某个人发现问题时才知道。

接下来会发生什么

可以预期的五项进展，每项都附有一个能表明我们判断有误与否的信号。

按动作类别而非按模型授予自主权

企业会一次提升一类动作的智能体权限（先是标记，再是准备，然后是在限额以下过账），每一步都以上一步实测的错误率为依据。信号：智能体审批限额出现在授权政策中，就像员工的审批限额那样。

智能体登记册成为监管要求

香港金管局提议的重要智能体登记册会被效仿，因为它监管成本低，而且与 BNY 等企业已经在做的实践相吻合。信号：第二家监管机构，或金融稳定理事会（FSB）的最终稳健实践文件，要求建立附有具名负责人的智能体清单。

美国关于生成式 AI 的指引将以原则而非规则的形式出现

各机构已表示将就 AI 的使用（包括生成式与智能体式 AI）发布信息征询（RFI）。鉴于 SR 26-2 不具强制性的基调，可以预期出台的是关于日志记录、人工审核和第三方问责的原则，而不是一套验证制度。信号：RFI 的发布，以及它是否问及可复现性。

厂商在落定层展开竞争

Rillet、BlackLine 和 FloQast 售卖的已经不只是模型，确定性层与审计资料包同样是卖点。审计机构的结盟（EY 同时与 FloQast 和 Rillet 合作）就是市场的试金石。信号：某家审计机构公开把厂商智能体准备的对账结果作为审计证据来依赖。

采用差距缓慢收窄

Gartner 发现 2025 年有 59% 的财务团队在使用 AI，又在 2026 年 5 月报告称，63% 的财务组织表示实施进度慢于预期。McKinsey 发现，包括财务在内，没有任何一个业务职能中有超过 10% 的公司实现了智能体的规模化。2026 年 10 月的 Evident AI Index 连续第五年把 JPMorgan 排在第一，但在其跟踪的用例中，只有 12% 披露了对运营指标的任何影响。信号：这个 12% 上升，意味着企业能够衡量自己的智能体改变了什么。

常见问题

AI 能否用于必须确定性的金融流程？

能，前提是模型只负责提议，由确定性的环节来决定。在我们找到的部署中，模型阅读文档、匹配记录、起草说明，而代码计算每一个金额，规则或具名的人批准任何涉及资金流动的操作。

在金融工作流中，LLM 应该做算术吗？

不应该。基准测试发现，数值准确性是模型金融工作中最薄弱的环节，而错误答案和正确答案看起来一模一样。代码做算术精确且成本低，所以凡是要当作数字使用的数，模型都应该调用代码来算。

美国的模型风险规则覆盖生成式 AI 智能体吗？

自 2026 年 4 月起不再覆盖。取代 SR 11-7 的 SR 26-2 把生成式与智能体式 AI 排除在范围之外，其对模型的定义也排除了简单的算术和确定性的基于规则的流程。银行仍需在其一般风险管理框架下治理这些工具。

AI 智能体做财务工作比人更准确吗？

在阅读和匹配上，只要输出经过检查，它们可以更准确。人同样会犯错，Citi 那次 81 万亿美元的险情就是例证。但模型会犯自信而流畅的错误，复核人员更难发现，因此有意义的比较是：经过检查的模型，对比经过检查的流程。

监管机构对使用 AI 智能体的银行有什么期望？

FINRA、MAS、香港金管局和欧盟《AI 法案》的要求基本一致：能够还原智能体所作所为的日志、在利害重大之处的人工监督、部署前及变更后的测试，以及企业对第三方模型始终负有责任。