金融机构加速布局多智能体系统与模型路由技术

据凯捷研究院（Capgemini Research Institute）发布的一份报告显示，在核心银行业务和保险业务流程中构建多智能体系统的金融机构中，近一半无法持续证明其投资回报。该报告基于对金融企业中1100名高管的调研得出。

报告指出，尽管接受调查的金融机构中有近60%已经在试点或部署智能体AI系统，但只有十分之一的机构成功实现了智能体在其环境中自主运行的编排。

凯捷金融服务云业务全球负责人拉维·科哈尔（Ravi Khokhar）表示，成功的多智能体系统需要建立稳固的云基础设施，该基础设施作为执行层，负责管理智能体的数据访问、决策制定与行动执行。他对CIO Dive表示：“随着智能体AI规模化发展，拥有最强基础设施的企业将看到真正的价值。”

随着金融机构向编排化的多智能体工作流扩展，首席信息官们需要通过云基础设施和成本管理系统来建立合适的运行环境。

据凯捷调查显示，几乎所有受访金融机构都在使用或计划使用自动化模型路由技术，以控制Token成本。模型路由会将查询请求发送至能够提供适当质量输出的最具成本效益的AI模型。科哈尔表示，企业期望云服务提供商会投资构建支持模型选择的能力。

例如，美国银行（Bank of America）已部署了名为Orchestra的AI路由层，该系统利用一个小型分类器AI模型，将查询请求发送至财务效益最高的模型。与此同时，旅行者保险公司（Travelers Insurance）也依靠模型路由来帮助控制成本。这家保险巨头自主构建了大语言模型TravelersLLM，以低于前沿模型的成本处理查询请求。

科哈尔表示：“云基础设施能够无缝实现这种路由，同时不会丢失上下文，也不会失去对正确数据的访问权限。这正是我们所说的‘智能回报’得以释放的关键所在。”

但金融机构可能仍将继续在本地环境中运行部分AI工作负载。凯捷的调查发现，在未来三年内，云与智能体AI能力的混合模式将成为超过三分之二金融机构的主流方式。

科哈尔表示：“混合策略是一种可组合的生态系统，在其中企业可以根据不同用途选用合适的语言模型、合适的计算环境以及合适的云环境。”

据凯捷称，除了严谨的成本管理策略外，AI资金投入的决策依据正从运营效率提升转向业务成果导向。该公司预测，到2028年，将业务成果作为AI支出理由的高管比例将增长141%。