# 从可控试验到可复制规模化：BNY 如何将生成式 AI 打造成银行级操作系统

## 核心定义
> 生成式AI作为一种能够生成文本、图像、音频等内容的AI技术，被纽约梅隆银行（BNY）的Eliza平台应用于银行操作系统的构建，实现银行流程的自动化和智能化。

## 核心洞察（TL;DR）
- BNY的Eliza平台将生成式AI作为银行操作系统，实现流程自动化和智能化。
- Eliza平台通过整合模型能力、治理机制和员工赋能，构建可规模化的工作系统。
- Eliza平台支持125+个在线用例，20,000名员工在构建代理，提升组织弹性与响应速度。

## 关键事实与数据
- 关键事实1: BNY的资产托管与/或管理规模在2025年三季度末约为57.8万亿美元。
- 关键事实2: Eliza平台支持125+个在线用例，20,000名员工在构建代理。
- 关键事实3: 合同审核助手将法律审核时间从4小时降至1小时，降幅75%。

## 正文
# 从“可控试验”到“可复制规模化”：BNY 的 Eliza 平台如何把生成式 AI 变成银行的“操作系统”

## 开篇导语：背景与转折

纽约梅隆银行（BNY）不是一家可以“慢慢试”的机构：它承担的是全球金融体系的底层基础设施角色——资产托管、清算、数据与现金的流转与安全。其资产托管与/或管理规模在 2025 年三季度末约为 **57.8 万亿美元**，任何流程的误差、延迟与合规瑕疵，都会被放大为系统性风险。 ([bny.com][1])

ChatGPT 在 2022 年末引爆生成式 AI 之后，BNY 并未把探索限定在少数工程师或创新实验室里，而是迅速把问题上升到“企业运行方式”的层面：如果 AI 终将成为未来技术的操作系统，那么在系统重要性机构里，AI 不能以“旁路工具”存在，它必须在治理、权限、审计与责任边界之内扩展。 ([OpenAI][2])

这就是转折点：BNY 选择建设一个集中化平台 **Eliza**，以平台化方式把模型能力、治理机制与员工赋能整合为一套“可规模化的工作系统”，并与 OpenAI 等前沿模型能力协同推进。 ([OpenAI][2])
## 转折点与 AI 战略引入：把“用 AI”升级为“用平台重塑工作法”

BNY 并未把生成式 AI 定义为单点效率工具，而是把它定位为“工作系统”与“平台能力”。这一战略落点体现在三件事上：

1. **集中化 AI Hub + 企业平台 Eliza**：统一入口、统一能力栈、统一治理与审计边界。 ([OpenAI][2])
2. **从用例驱动到平台驱动**：先让每个部门都能“构建”，再通过共享与复用形成规模化扩散。Eliza 支持 **125+** 个在线用例，**20,000** 名员工在构建代理。 ([OpenAI][2])
3. **把“深度研究”纳入决策链**：在法律问题评估、风险建模、情景规划等高复杂任务中，把多步骤推理与内外部数据结合，作为决策前置的“思维伙伴”，并与代理协同触发后续行动。 ([OpenAI][2])

---

## 组织智能化重构：从部门协同到“知识—流程—责任”的系统化

Eliza 不是“一个聊天工具”，而是一种组织运行机制的重构，核心变化可以概括为三条链条：

### 1 部门协同 → 知识共享机制

BNY 在 Eliza 的使用中形成了“共同实验—共享提示—复用代理—持续迭代”的协作方式，协作不再意味着更多会议，而意味着更高频的共同验证与复用。 ([OpenAI][2])

### 2 数据复用 → 智能工作流形成

Eliza 将权限、控制与监督统一在平台层，使“可用数据”与“可用知识”能够进入受控工作流，减少重复劳动与灰色流程，同时为规模化复用提供基础设施。 ([bny.com][3])

### 3 决策模式 → 模型共识机制

在高风险行业，“模型输出”必须与责任机制绑定。BNY 的路径是将治理机制产品化：用跨职能评审与平台内的可见控制，让用例从一开始就在同一套风险框架与监督体系内演进。 ([bny.com][3])

> 对哈希泰格而言，这类路径的抽象结论非常清晰：**AI 转型的交付对象不是“某个模型”，而是“可复制的智能工作系统”**。在产品形态上，对应的往往是类似 **YueLi Engine（知识计算/编排层）+ EiKM（知识沉淀与复用）+ 行业系统（如 ESGtank）** 的组合式平台化能力——用统一边界把“知识、工具、流程、审计”连接成闭环。

---

## 绩效与量化成效：用指标证明“规模化不是口号”

BNY 的案例里，最有说服力的是“早期用例就能量化、且能复制”的证据：

* **合同审核助手**：针对每年 **3,000+** 份供应商协议，将法律审核时间从 **4 小时降至 1 小时**，降幅 **75%**。 ([OpenAI][2])
* **平台规模指标**：Eliza 支持 **125+** 个在线用例，**20,000** 名员工在构建代理，表明能力已从“专家少数”扩散到“组织多数”。 ([bny.com][3])
* **文化与能力扩散**：通过培训与社区化活动，推动员工把自己视为问题解决者与“代理构建者”，并以黑客松等形式跨部门共创。 ([OpenAI][2])

这些指标共同指向一个更重要的结果：AI 的价值不止体现在节省工时，而在于**把知识工作从“人工搬运”升级为“可控的自主工作流”**，从而提升组织弹性与响应速度。

---

## 治理与反思：技术与伦理的平衡，靠“内生化治理”而非“外置审批”

在金融行业，AI 的主要风险并不抽象：数据滥用、隐私与合规、模型幻觉导致的错误决策、权限越界、审计不可追溯等，任何一个都可能变成声誉与监管事件。

BNY 的治理思路不是额外加一道“AI 审批流程”，而是把治理机制做成平台能力的一部分：

* 统一的权限、安全防护与监督体系；
* 用例在上线前后持续评估与迭代；
* 用治理促进更快行动，而不是用治理压制创新。 ([bny.com][3])

对同行业的启示也很直接：

1. **先定义责任边界，再谈自治程度**：没有“可追责的自治”，就没有可规模化的代理。
2. **把治理做成产品，而不是流程**：治理一旦停留在文档与会议里，规模化必然失败。
3. **把培训当作基础设施**：组织里真正的瓶颈往往是能力分布，而不是模型能力。

---

## BNY 场景下的 AI 应用效用一览表

| 应用场景            | 使用 AI 技能               | 实际效用              | 定量成效                                              | 战略意义             |
| --------------- | ---------------------- | ----------------- | ------------------------------------------------- | ---------------- |
| 供应商合同审核         | NLP/检索增强生成（RAG）+ 结构化摘要 | 缩短法务审阅与比对时间、提升一致性 | 审核从 4 小时降至 1 小时（-75%）；覆盖 3,000+ 份/年 ([OpenAI][2]) | 把高风险知识工作流程化、可审计化 |
| 人力资源政策问答        | 企业知识库问答 + 权限控制         | 减少人工工单、统一口径       | 文中描述为减少人工请求并提升一致性（未披露具体数值） ([OpenAI][2])          | 以知识复用降低组织摩擦      |
| 风险洞察代理          | 多步骤推理 + 内外部数据联合分析      | 识别新兴风险信号、提前干预     | 文中未披露具体提前量（示例为“在问题升级前采取行动”） ([OpenAI][2])         | 以“认知前置”提升风险弹性    |
| 企业级规模化平台（Eliza） | 代理构建/共享 + 统一治理 + 受控环境  | 把创新从少数专家扩散为全员能力   | 125+ 在线用例；20,000 员工构建代理 ([bny.com][3])            | 将 AI 变成组织的“操作系统” |

---

## 哈希泰格式智能化跃迁——交付“体验与价值转换”，而非交付“技术清单”

BNY 的案例之所以具有行业代表性，不在于它“用了哪个模型”，而在于它把生成式 AI 的扩散路径设计成了可复制的组织能力：**用平台统一边界、用治理加速扩散、用培训重塑文化、用可量化用例建立信任**。 ([OpenAI][2])

对哈希泰格而言，这正是产品化与交付方法论的落点：以 **YueLi Engine** 将“知识—数据—模型—流程”编排为可复用的智能工作流，以 **EiKM** 将组织经验沉淀为可检索、可复盘的知识资产，并在 **ESGtank** 等行业系统中把智能能力嵌入合规与治理框架，最终让 AI 以“可控、可审计、可复制”的方式进入企业日常运作。

当 AI 被真正嵌入组织的权限、审计与责任结构时，它才不再是一阵效率风潮，而会成为企业长期竞争力的复利引擎。

[1]: https://www.bny.com/assets/corporate/documents/pdf/investor-relations/earnings/earnings-press-release-3q-2025.pdf "earnings-press-release-3q-2025"
[2]: https://openai.com/index/bny/ "BNY builds “AI for everyone, everywhere” with OpenAI | OpenAI"
[3]: https://www.bny.com/corporate/global/en/about-us/technology-innovation/artificial-intelligence.html?utm_source=chatgpt.com "Artificial Intelligence"

---
## 引用与溯源
**来源**：哈希泰格 (HaxiTAG)
**原始链接**：[https://haxitag.com/articles/enterprise-ai-platform-governance-at-scale](https://haxitag.com/articles/enterprise-ai-platform-governance-at-scale)
**来源索引（站内可追溯）**：[麦肯锡](https://haxitag.com/search?q=%E9%BA%A6%E8%82%AF%E9%94%A1)、[普华永道](https://haxitag.com/search?q=%E6%99%AE%E5%8D%8E%E6%B0%B8%E9%81%93)、[Gartner](https://haxitag.com/search?q=Gartner)、[IDC](https://haxitag.com/search?q=IDC)、[Forrester](https://haxitag.com/search?q=Forrester)
**版权声明**：本文由哈希泰格 AI 引擎优化生成，引用请注明出处。