📢 转载信息
原文链接：https://openai.com/index/bny
原文作者：OpenAI
自 ChatGPT 于 2022 年底问世后，纽约梅隆银行 (BNY)（在新窗口中打开）便果断采取行动，在整个企业内推广生成式 AI。该公司并未将实验限制于少数技术人员，而是创建了集中的 AI 中心，发布了名为“Eliza”的内部 AI 部署和教育平台，并面向员工开展了负责任 AI 应用的培训。
BNY 首席数据与 AI 官 Sarthak Pattanaik 表示：“我们的口号是‘打造人人可享、随处可用、无所不包的 AI’。这项技术的变革效应如此巨大，因此我们决定采用平台化方案来执行。”
该平台现已支持超过 125 个实时用例，20,000 名员工正在积极构建代理。
从一开始，Eliza 的定位就不仅是工具，更是办公系统：它能将 BNY 的严格治理措施与领先的模型（包括 OpenAI 前沿模型）相结合，以帮助员工安全、从容地完成构建工作。
Pattanaik 说：“我们并不是在开发副业项目，而是力图改变银行的运作方式。”
在系统重要性机构中维系信任
BNY 在全球经济中发挥着系统性的重要作用，负责管理、转移和保护资产、数据与现金，其服务范围覆盖 100 多个市场。作为全球最大的金融机构之一，其托管和/或管理的资产总额超过 57.8 万亿美元，信任不容置疑。
Pattanaik 说：“我们就像全球金融服务生态系统的循环系统一样。从这个角度来看，我们必须确保信任度融入业务的各个环节。”
有了这样的责任，部署 AI 就不能是事后反思或次要实验。BNY 需要一项兼顾创新和责任的方案。
Pattanaik 表示：“很多人可能会说，你的责任如此重大——也许我们会对 AI 的发展保持观望态度。我们相信，AI 将成为未来技术的操作系统。”
通过设计治理，安全扩展 AI
Eliza 成功的关键在于其治理模型能够支持规模扩展，同时不减缓实验的速度。“有的人可能认为 AI 治理是一个障碍，但在我们的经验中，它实际上是一项驱动因素。”副总法律顾问兼首席技术顾问 Watt Wanapha 表示，“良好的治理措施能支持我们更快采取行动。”
BNY 的多个跨学科小组会定期召开会议，审核和探讨新的 AI 用例：
- 数据使用情况审核委员会：汇集知识产权、网络安全、工程、数据、隐私、第三方关系等领域的跨职能领导者。
- 人工智能发布委员会：负责协调类似团队和其他小组，以便在项目投入生产前重新评估相关计划。
- 企业 AI 委员会：负责企业内的高级监督和政策协同工作。
数据使用情况审核委员会每天都会向 AI 委员会提供洞察，而后者则负责评估高影响或新颖的场景。“我们不得不在此过程中持续迭代。”Wanapha 指出，“随着我们的用例不断扩展，模型不断变化，我们必须持续评估 AI 项目以保持准确性。”
BNY 的方案的与众不同之处，在于它能将治理完全融入工具之中。在 Eliza 中，所有的提示、代理开发、模型选择和共享工作都在受控环境中进行。
“Eliza 在系统层面嵌入治理措施。”Wanapha 解释道，“它能在所有模型和工具中统一权限、安全防护和监督体系，确保每个工作流都达到相同的保护标准。”
通过培训和社区活动，赋能每位员工
在 BNY，治理不仅是监督工作，更是员工与 AI 进行日常互动的方式。Eliza 通过设计来促进负责任的使用。所有员工在使用这一工具之前都必须完成强制性培训，并通过额外的培训、工具、挑战和社区支持来巩固这一基础。该公司现已面向 99% 的员工开展生成式 AI 培训，并提供更多高级赋能机遇。
全球人才主管 Michelle O’Reilly 说：“我们推出了多种学习解决方案，以满足员工的需求，并助其在学习之旅中不断进步。”
其中一项杰出举措是：打造“AI 习惯月”，通过每日七分钟培训系列活动，提升员工在提示、代理构建和同行分享方面的信心。O'Reilly 指出：“从本月起，我们观察到员工构建的代理数量已增加 46%。”
这一赋能模式已开启更广泛的文化转型。“员工认为自己具备独立解决问题的能力。”Pattanaik 表示，“我们正在见证团队运作方式的文化转型。”
这种文化体现在全行黑客马拉松等活动中，法务、销售和工程团队并肩协作、共同参与。“我们最近在销售部门举办了一场黑客马拉松。”销售和关系管理负责人 Ed Fandrey 表示，“虽然 IT 或技术人员并未参加活动，但每个人都感觉自己是开发人员。”
从早期用例学习中释放企业级影响力
AI 中心和 BNY 各部门在 Eliza 中合作构建的第一批代理，展示了团队如何将创意快速转化为实际影响：
- 合同审核助手：将每年 3,000 多份年度供应商协议的法律审核时间从四小时减少到一小时，降幅达 75%。
- 人力资源业务合作伙伴代理：提供有关福利和政策的快速解答，从而减少人工请求，并提高一致性和准确性。
这些早期项目引发了文化转型。“以前，协作意味着更多的会议。”O'Reilly 表示，“现在，这意味着共同实验、分享提示、测试代理、边做边学。”这种思维方式促成了创新的飞轮效应，一个团队的代理往往会成为另一个团队的基础。
为实现受控自主性，Eliza 最初仅允许私有代理构建。现在，由特定团队和角色创建的代理最多可以与 10 位同事共享，推动重用和扩展。最终，每个主要业务线中已有超过 125 个 AI 工具投入使用，包括：
- 潜在客户推荐引擎：生成与客户建议和讨论相关的洞察和机遇。
- 指标代理：通过权限感知访问，总结学习平台的使用情况和绩效。
- 风险洞察代理：利用深入研究，揭示投资组合中的新兴风险信号，帮助分析师在问题升级之前采取行动。
Eliza 还引入了高级 AI 代理（BNY 称之为“数字员工”）的概念，即具备身份、访问控制和专用工作流的代理。数字员工可处理支付指令验证和代码安全性增强等一切事务。
Pattanaik 说：“现在，人类操作者的角色不再是立即处理某些任务，而是成为数字员工的培训师或培育者。”
通过深入研究和代理将企业知识转化为自主工作流
BNY 的一个精选小组正在试验 ChatGPT Enterprise，为团队提供深入研究等功能，以探索与 AI 协作的新方式。
深入研究功能可执行多步骤推理，并结合内部和外部数据，以支持风险建模、场景规划和战略决策等用例。
“我每天都会用到它。”副总法律顾问 Watt Wanapha 表示，“如果我需要处理一个新的法律问题，我会将深入研究视作我的思维伙伴，帮助我评估是否存在我没有想到的问题。”
对于面向客户的团队来说，深入研究也在重塑其准备对话和战略规划的方式。这些洞察可以与代理协同配合，立即采取行动，在客户端系统中直接触发后续行动、起草外联方案或制定后续计划。
这些技术进步与 Eliza 的编排层共同构成了以权限、监督和遥测为核心的自主数字员工基础。下一个前沿领域已近在眼前。
Pattanaik 说：“我们正在持续进化，超越知识提取与推理阶段，串联组织内的各个节点，以创新方式打造客户个性化定制的新产品。”
AI 领导者的启示：将 AI 融入体系，而非简单叠加
BNY 的治理策略为企业 AI 团队驾驭安全环境提供了蓝图：
- 利用现有的风险框架：BNY 并未从头构建生成式 AI 特定的治理体系，而是扩展其成熟的法律和合规流程，以涵盖新的用例。
- 建立共同责任：跨职能委员会负责审核 AI 用例，以确保实时考虑特定领域的风险。
- 确保治理措施直观可见、易于访问：Eliza 的界面强制执行标记、遥测、审批流程和访问控制，而无需最终用户承担手动操作的负担。
- 投资文化和一致性：近 99% 的员工已完成负责任 AI 的培训课程，且已获得 Eliza 访问权限。Wanapha指出，“除非你已了解 AI 和平台的运作方式，否则就无法真正考量风险和机遇。”
- 与合适的合作伙伴携手共建： “在 AI 领域，我们都面临着尚未解决的新问题。”Wanapha 表示，“因此，拥有合适的合作伙伴和开放的沟通渠道非常重要。”
内部问责与外部合作相结合的举措，仍然是增长的关键推动力。“这个组合策略尤为实用，”Pattanaik 表示，“OpenAI 提供研究成果，BNY 则贡献目的明确的业务用例。”
🚀 想要体验更好更全面的AI调用？
欢迎使用青云聚合API，约为官网价格的十分之一，支持300+全球最新模型，以及全球各种生图生视频模型，无需翻墙高速稳定，文档丰富，小白也可以简单操作。
评论区