銀行不想要另一款AI工具；他們想要的是一個代理工廠

銀行整合AI的主要障礙並非技術本身，而是數據質量。數據組織不善的機構通常需要更複雜、更昂貴的AI模型才能達到預期效果。Ant Digital Technologies透過首先協助銀行建構數據來解決此問題，這有助於使用更小、更具成本效益的模型，並將專案所有權擴展到IT部門之外。

AI在銀行業的應用正從單一任務工具演變為多功能「代理工廠」。這種轉變反映了對能夠管理各種銀行業務（例如承保、KYC和詐騙偵測）的綜合解決方案的渴望，這些業務通常依賴不同的系統。Ant Digital Technologies的「商業代理超級工廠」和Agentar 2.0平台，憑藉其基於角色的模板和技能模組，展示了這種方法。

能夠代表客戶行事的代理AI引入了新的問責挑戰。雖然早期的技術需要直接的人工操作，但AI代理作為其用戶的延伸，這意味著用戶仍需對AI的行為負責。這需要對流程、控制和審計實踐進行組織調整，以配合AI投資並避免失望。

規模較小、歷史悠久的金融機構，例如菲律賓的儲蓄銀行和農村銀行，儘管面臨傳統基礎設施的挑戰，但在AI採用方面可能具有優勢。與大型傳統銀行相比，它們需要理清的系統較少，一旦投入，潛在的行動速度可能更快。這些銀行已經在使用AI來簡化後台任務、改進信貸決策並加強詐騙偵測，從而促進該行業的利潤增長。