金融服务领导者正在问的五大AI信任与治理问题

去年在法兰克福Sibos大会上，问题是AI是否有效。今年：你的AI能否赢得你的信任？

数据支持了这一转变。在Grant Thornton的2026年银行业洞察AI影响调查中，半数银行业高管表示治理和合规已经限制了AI性能，但只有18%的人表示他们自信能通过对其AI控制的独立审计。我们与Economist Enterprise合作的2026年报告《让AI兑现》让AI兑现发现，对于代理式AI而言，同样存在差距：不到一半的组织正式要求为自主系统制定治理框架。

以下是我们从首席财务官（CFO）、合规官、资金主管和客户关系经理那里听到最多的五个问题。无论你今年是否参加Sibos，这些问题都值得一问。

1. 财务团队能否从报告转向行动？

“我们目前在所有实体和货币下的真实流动性状况如何？”这是资金主管每天都会问的问题。这正是AI最终应该能够回答的，而不需要花费三天的电子表格冲刺。

让一个模型总结报告很简单。更困难的是将受治理的数据和AI融入财务团队每天在资产负债表、流动性、支出和运营中做出的决策中。目标是帮助团队发现变化，调查驱动变化的原因，而不仅仅是自动化报告周期。

在Sibos迈阿密的Databricks展位（#DISL25）上，我们将发表演讲《释放被AI困住的资本：监管机构可审计的对账》释放被AI困住的资本：监管机构可审计的对账。该方案会发现总账到风险数据的断裂点，这些断裂点会悄然增加风险加权资产，通过引用证据进行调查，并在人工复核控制下释放受监管资本，且审计跟踪是监管机构能够真正跟进的。

我们还将深入探讨资金流动后的事情。代币化结算轨道解决了部分问题，但对账、金融犯罪控制和日内流动性管理仍然必须在链外进行。我们的闪电演讲《代币化移动了资金，但未移动困难部分》代币化移动了资金，但未移动困难部分，将介绍保持代币头寸、存款子分类账和资金账户持续对齐的运营模式。此外，您还将现场观看代币化存款对账控制平面的演示。

2. 金融犯罪团队能否在不失去控制的情况下使用AI？

“这个警报是真实风险还是噪音？”反洗钱分析师每天都会问几十次这个问题，这也是区分真正有帮助的AI与只是增加另一个无人信任的系统的AI的关键。

AI可以调查案件、连接上下文并支持分析师决策。但每个建议都需要有可追溯的来源：喂给它的数据是什么、它推荐了什么内容、是否有人审查了输出，以及机构能否为审计或监管审查重建调查过程。治理不能只存在于政策文件中。它必须内置于数据、访问控制和工作流程本身。

我们将在展位上展示这一点的实时版本：一个代理处理银行自有湖仓中的真实反洗钱警报，只查看分析师被授权看到的内容。它会起草可疑活动报告（SAR），并将提交工作留给人类，每个步骤都记录在案，与了解你的客户（KYC）/反洗钱证据和运行的模型相对应。这也是我们将在Discovery Stage会议中涵盖的问题，《金融机构如何在金融犯罪运营中治理AI》金融机构如何在金融犯罪运营中治理AI，于10月1日（周四）上午11:00举行，证明AI做了什么，而不仅仅是它能做什么。

3. AI如何帮助银行家、顾问和投资团队？

“这位客户现在真正需要我们做什么？”每位客户关系经理在通话前都会问类似的问题，而诚实的答案通常取决于分布在三个系统中的数据和一个他们没时间阅读的研究文件夹。RBC Brewin Dolphin使用生成式AI来自动化客户审查会议资料的准备工作，估计每年节省4,700小时。其他公司则走得更远。在一家全球资产管理公司，多代理工作流为数百只基金生成投资评论，在合规参与的情况下扩展顾问覆盖范围。在另一家公司，代理将专有基金评分与内部文件结合，在几秒钟内生成可供审计的投资组合分析，发现团队本没有时间自行发现的机会。

目标不是将人从高价值决策中移除，而是减少围绕这些决策的工作，以便将更多时间用于判断和关系本身。

4. 如何在增加复杂性的情况下使用实时数据？

“我们为何拒绝了一笔好的交易？”当风险决策基于几分钟（而非几毫秒）旧的数据时，交易银行负责人会这样问。

大多数机构已经拥有数据，只是分散在各个系统中，因批处理而延迟，或难以在受治理的方式下使用。Coinbase在Databricks上运行实时欺诈检测，P99延迟低于100毫秒，这是一个有用的基准，说明“实时”真正需要意味着什么。

5. 当使用规模扩大时，AI的成本是多少？

AI经济学在试点中看起来可控，但在生产中会截然不同。在最近的彭博CFO简报会上，一位CFO称AI代币支出在2026年上半年是一个“微不足道的数字”，同时指出并非每项任务都需要最昂贵的模型。但在这个银行或其他地方，这种情况不会持续太久。成本纪律需要在支出变得难以追踪之前开始，而不是之后。

如需更详细地了解工程团队如何解决此问题，请参阅Databricks的博客文章《大规模管理AI编码成本》大规模管理AI编码成本，其中详细介绍了从模型路由到支出可见性等各种手段，以防止AI成本超过它们创造的价值。

如果这些问题正是您团队已经在讨论的，我们更希望面对面交流。Databricks将参加2026年9月28日至10月1日在迈阿密举行的Sibos 2026。请发送电子邮件至[email protected]或访问我们的 活动页面 以查看完整议程并安排会议。