AI Agent來勢兇猛，實在RPA Agent智能體領先落地金融領域

金融領域對于新技術的應用有著極高的敏銳性，從生成式AI技術的應用上表現尤為明顯。

Gartner最新調查數據顯示，66%的銀行領導人預計，生成式AI對組織的收益潛力大于風險潛力。此外，調查中61%的銀行高管表示，他們的公司正在增加對人工智能的投資，或計劃在未來12個月內這樣做。

不管是生成式AI還是基于LLM的AI Agent，剛出現便引起廣大金融公司的極大興趣，紛紛在第一時間開啟商業價值探索之旅。當然技術供應商們也更加積極布局這一領域，爭分奪秒研發并快速推出相應的Agent產品。

比如電子交易平臺LTX不久前推出的BondGPT+，就是一個基于GPT-4面向公司債券市場的Agent產品。

在金融領域，類似的Agent產品正在不斷涌現，但應用效果與商用價值也是良莠不齊。現在很多產品雖然形態屬于Agent，卻無法深度參與企業運營的復雜業務流程，甚至無法為大型企業提供成熟與完整的產品及解決方案。

那么到底什么樣的AI Agent產品與解決方案能夠真正實現商用落地呢？

就讓我們從AI Agent在金融領域的應用聊開去。

01自帶解決方案屬性的AI Agent在金融領域的應用

AI Agent可以為各大行業做更多的事情。典型的應用場景包含比如具備高技能的客戶支持機器人，或是可以高效執行用于地址更改及相關任務的智能體數字員工。當然只要是運營相關的業務場景都可以引入Agent，如賬戶轉賬等耗時耗力的工作任務，都可以通過Agent實現自動化，同時實現效率的更高提升。

過去幾年，金融行業經歷了重大變革，基于AI技術的金融科技正在快速影響越來越多的金融業務場景，其中自主智能體（Autonomous Agent）的集成與應用是這些變革背后的關鍵驅動力之一。

現在，AI智能體正在越來越多地應用于算法交易、風險評估、欺詐檢測、個人理財及監管合規等業務場景。

Gartner在一篇報告中列出了生成式AI在銀行業的20個最有前景的應用案例，如下：

AutoGPT等基于LLM的AI Agent出現后，生成式AI在應用上很明顯都在向Agent過渡。尤其是OpenAI推出GPTs以后，這個趨勢更加明顯，Agent早已成為生成式AI落地的主流方向。

所以，在Gartner給出的這些應用案例中，可以明顯看到Agent的身影，或者它們本身就是一種Agent解決方案。

這些應用案例，覆蓋了銀行的主要業務場景。隨便拿出一個案例，都能體現智能體的強大優勢。比如案例9可以為用戶提供財務建議的AI理財教練，在增收方面至少可以提升30%，調高效率方面能夠極大減少組織為客戶創建新內容所花費的時間。

基于生成式AI技術的智能體數字員工，可以有效改善銀行業務、客戶體驗并降低風險。在這20個案例中，案例1中的綜合信貸數據、案例2中的前線AI-Copilot及案例4中的個性化營銷內容，都極具高價值和高可用性。

除了在銀行，金融科技領域的Agent適用性非常強，應用范圍涉及從金融網絡安全等后端操作到面向客戶的多種服務，如移動支付、眾籌、加密貨幣、點對點借貸、股票交易、小企業融資、保險技術、抵押貸款和機器人顧問等。

這些場景下，智能體均可以自動執行日常任務，使得用戶能夠專注于創造力和創新，這將大大提高效率和生產力。因此，智能體解決方案能夠徹底改變金融業，使其更高效、更安全，并為更廣泛的受眾所接受。

02 AI Agent智能體，學習能力和不斷適應環境變化能力助力金融行業先落地

來看一個AI智能體改進應付賬款流程的案例。

金融科技很早就引入了AI+RPA解決方案，對于簡單、重復且基于規則的業務流程，RPA可以非常輕松的實現業務流程自動化。但一直以來有兩點因素難以解決：一是業務流程穩定性難以保障，和無法實現自適應變化；二是主動性不夠，不能對業務流程進行實時洞察。

應用AI智能體，可以很輕松地解決這些問題，同時還具備以下幾大優勢：

?智能體具備能夠學習和不斷適應變化環境的能力。如在財務場景中，如果供應商更改其發票流程，自主智能體可以快速適應并繼續處理發票而不會中斷。這種適應性，將會確保企業能夠跟上不斷變化的市場條件并保持競爭力。

?智能體能夠提供實時洞察業務流程。如在應付賬款業務中，通過實時分析數據，企業可以識別潛在問題并在它們成為重大問題之前采取糾正措施。這種實時可見性，還使企業能夠做出更好的決策并提高其整體財務業績。

AI智能體應用于應付賬款，改變了原有繁雜、被動且不夠穩定的業務規則。智能體提供的適應性和實時洞察力，確保企業能夠在不斷變化的市場中保持競爭力。并且通過自動化許多手動任務，企業可以節省時間和金錢，還可以提高準確性并降低欺詐風險。

AI智能體用于應付賬款流程，僅是Agent改變金融領域企業運營的一個極小縮影，卻鮮明體現了AI智能體應用于金融的諸多優勢。

這些優勢本質上源自基于LLM的軟件運行范式轉變。

RPA最能體現人類操作業務流程的運作范式。過去RPA僅能替代簡單、機械的人力工作，一些復雜的流程仍舊依賴人工，不僅成本高，且難以實現動態決策。

而以目標為導向Agent，可以根據人類的需求自主完成工作流構建，可以識別人類需求中需要動態決策的部分，將自動編排進工作流中，并在工作流執行到該部分時主動接管工作流的執行完成相應復雜決策。

03揭秘可商用落地的AI Agent智能體真面目

實在RPA Agent智能體的安全性和超強執行能力

基于LLM的生成式智能體

同時兼顧API與UI自動化的RPA Agent智能體

自然對話式交互就能輕松啟動的智能體

你的全能業務管理專家

支持所有超自動化執行

OpenAI最近在開發者大會上推出的一系列產品，讓人們見識到了生成式AI未來的成長空間。其中可定制化的GPTs，雖然尚處于初級階段的它還不算Agent完全體，卻已在金融領域開啟了一扇窗，今后或許它會在金融領域大行其道。

但另一方面，GPTs目前所暴露的安全、執行能力差等一系列問題，也讓廣大金融領域的企業時刻在思考到底什么樣的產品才是能夠真正商用落地的AI智能體。

從目前市面上的大多AI Agent以及用戶反饋來看，AI智能體想要真正在B端實現量級業務場景的落地及更好地商用，需要綜合考量其本身的安全性、技術發展周期是否成熟以及To B端的場景是否密切貼合，更需要考慮接口成本、隱私、管理、授權等諸多因素。

我們也可以從用戶需求層面，反推AI智能體產品的情況。比如實在智能金融領域B端客戶的主要需求為：在對話中調出例如A部門當季營收和相關統計指標；延遲驗收項目延遲的原因分析；當季所有項目的進度表等。這些需求可以歸類入查詢和拆解指標、項目數據查看分析、推送報表/報告等不同分類。

這樣的需求看起來簡單，卻不是簡單的GPTs或者知識內容類Agent能夠實現的，因為它涉及到了深入企業管理系統的復雜流程自動化構建，更涉及到了數據庫讀取、API管理及UI自動化連結等。

可以說，目前任何僅是基于API接口讀取數據及調用工具插件的Agent都無法實現這樣的流程應用，只有基于LLM并同時兼顧API與UI自動化的RPA Agent能夠做到。

在實在智能RPA Agent智能體中，這些需求則體現為：用TARS大模型+Agent來完成指標查詢、項目分析、頁面調用等能力。

實在智能RPA Agent智能體具備以下三大特點及獨有功能：

自然對話式交互：用戶可以直接與智能體進行多輪對話交流，以最原始、直白的方式，直接提出訴求，無需多余學習，達到真正人人可用；

全能業務專家：能夠將各種復雜任務做合理業務拆解，規劃過程和步驟，將復雜問題分而治之，理論上沒有解決不了的業務；

超自動化執行：能夠將計劃步驟映射成RPA組件、代碼能力組件，并自動運行，使計劃步驟能夠按部就班有效執行。

相較于其他Agent“LLM+API接口”的運作模式，TARS-RPA Agent 智能體“LLM+ISSUT+API接口+RPA”的運作模式及其所帶來的上述三大特點及獨有功能，能夠解決B端客戶的所有需求。

這樣的AI智能體，就是能夠真正可以商用落地的AI Agent，也是LLM時代智能自動化升級的業內領先解決方案之一。

以Agent為核心的產品形態，把傳統軟件預定義的指令、邏輯、規則和啟發式算法的任務層級演變成目標導向的智能體自主生成。這樣一來，原本的架構只能解決有限范圍的任務，未來的架構則可以解決無限域的任務，且可以不斷根據實際業務需求進行擴展。

這種范式轉變，也激發了RPA、低代碼、BI、BPM更多企業管理軟件廠商的思考。

在LLM的加持之下，未來所有軟、硬件產品都或多或少要向Agent產品形態過渡，每種產品都會有相應的Agent形態，RPA\超自動化的理想Agent形態發展到最末，為商業用戶提供的必然是最類人、最智能、最優的智能流程解決方案。