作者来自 Elastic Karen Mcdermott随着金融机构从 AI 实验阶段迈向自主运营可信上下文、治理和可观测性成为企业级 Agentic AI 的基础。金融服务领域的人工智能正在进入一个新时代。过去金融服务公司主要专注于部署生成式 AI以提高生产力、改善客户体验、加速软件开发和简化运营。如今讨论的重点正在转向agentic AI—— 能够进行推理、编排工作流并在整个企业范围内采取行动的智能系统。麦肯锡的《2026 年 AI 信任现状迈向 agentic 时代》报告表明各组织正在快速推进企业级 AI 部署。然而只有约30% 的组织在 AI 战略、治理和 agentic AI 控制方面达到了较高的成熟度。随着 AI 变得更加自主挑战已经不再只是部署 AI而是部署值得信赖的 AI。对于金融机构而言信任并非可有可无。它是负责任地扩展 AI 的基础。Agentic AI 改变了风险格局传统的生成式 AI 会回答问题。但 agentic AI 会采取行动。AI 助手可能会总结可疑交易或解释合规报告。但 AI agent 可以调查欺诈警报、检索客户信息、关联多个系统中的证据、推荐下一步行动并启动工作流。潜在的业务价值非常巨大但如果 AI 系统基于不完整、不准确或治理不善的信息采取行动其后果同样非常严重。每一个自主决策所依赖的不仅仅是强大的基础模型还取决于 AI 是否能够访问正确的上下文例如能够反映整个组织当前实际情况的、最新且可信的信息。没有这样的基础组织就有可能是在自动化错误而不是加速做出更好的决策。信任始于上下文金融服务领域一直在一个以信任为先的环境中运营。无论是遵守 DORA、《欧盟人工智能法案 - the EU AI Act》、NYDFS 网络安全法规the NYDFS Cybersecurity Regulation还是内部模型风险管理标准金融机构都必须证明数据的来源、决策是如何做出的以及是否能够为监管机构和审计人员重建决策结果。麦肯锡的研究也反映了这一成熟度指出金融服务领域凭借强大的治理和风险管理基础成为负责任 AI 领域的领先行业之一。这种领先地位创造了一个机会。投资于负责任 AI 的组织也更有可能报告更高的 AI 成熟度和更强的业务成果。治理并不会减缓创新相反它能够推动创新。对于 agentic AI 而言治理始于上下文。上下文是 AI agent 在采取行动之前用于理解情况的信息。在金融服务领域这意味着将运营遥测数据、客户信息、交易历史、应用数据、安全事件、监管政策和机构知识连接起来形成统一的视图。没有丰富的上下文即使是最先进的模型也可能给出不完整的建议。有了可信的上下文AI agent 就能更加准确地进行推理解释其结论并更加自信地采取行动。更好的上下文始于更好的数据可信 AI 始于可信数据。对于金融机构而言这意味着打破数据孤岛、提高数据质量并确保 AI 系统能够访问完整、及时且相关的信息。没有这一基础即使是最先进的 AI 模型也可能产生不完整、不准确或无法解释的结果。随着组织向 Agentic AI 迈进这一点尤为重要因为自主系统越来越多地在有限的人为干预下进行推理、做出决策并发起行动。这些决策的质量取决于它们所获得的上下文的质量。在 RSAC 2026 的一次讨论中Elastic 安全业务总经理 Mike Nichols 与 New York Life Insurance 公司安全工程副总裁 Sal Picheria 以及 theCUBE 的 Dave Vellante 一起讨论了组织如何为 AI 驱动的威胁时代做好安全运营准备。Picheria 并没有将 AI 视为起点而是介绍了 New York Life 多年来构建以数据为先的基础的努力包括整理运营数据、避免创建“数据沼泽”以及在扩展 AI 辅助的安全运营之前优先实现实时可见性。这一经验远不止适用于网络安全。无论是部署 AI 来检测欺诈、自动化合规、改善客户服务还是加速软件交付金融机构首先都必须确保其数据准确、可观测、可搜索且安全。正如 Nichols 所总结的“做好 AI 准备的第一步就是获得对你所拥有数据的可见性和控制权。”可信上下文能够将 AI 从一种实验性能力转变为可靠的企业级资产。可观测性成为 AI 的控制平面随着 AI agent 变得越来越自主组织需要获得的不仅仅是对应用和基础设施的可见性。他们还需要了解 AI 本身。领导者越来越需要回答以下问题AI agent 访问了哪些系统哪些信息影响了它的建议它为什么选择采取某个行动而不是另一个行动是否可以重建它推理过程中的每一步回答这些问题需要建立一个统一视图覆盖指标、追踪和日志。指标揭示性能趋势。追踪展示请求如何在分布式应用之间流转。日志提供每笔交易背后的详细运营事件。这些遥测信号结合起来构成理解不仅发生了什么还理解为什么发生这些事情所需的运营上下文。可观测性已经不再只是监控基础设施。它正在成为治理 AI 的控制平面。安全性必须与 agentic AI 同步发展麦肯锡发现近三分之二的组织认为安全和风险问题是扩大 agentic AI 应用规模的最大障碍。与此同时74%的受访者将 AI 不准确性视为相关风险72%的受访者则认为网络安全是高度相关的风险。对于金融机构而言这些担忧是有充分依据的。每一个 AI agent 都会与企业系统、API、敏感的客户信息和第三方服务产生新的交互。每一个自主行动都必须受到监控、验证和治理。Agentic 安全运营平台可以帮助应对这一挑战使 AI 能够调查警报关联日志、指标、追踪、威胁情报和历史调查中的活动并向分析师提供事件的全面视图。重要的是人类仍然掌握控制权。AI 能够加速调查并减少重复性工作同时保留高度监管环境所要求的治理和监督。Morgan Stanley 的观点体现了这一演进趋势。在 Elastic 最近于纽约市举办的一场客户活动中Rachel Wilson 表示网络安全从根本上来说是一个数据问题并强调了整合欺诈、网络安全、隐私和信息管理数据的重要性。随着组织采用自主 AI这种统一视图将变得越来越重要。企业搜索提供可信上下文大型语言模型提供推理能力。企业搜索提供上下文。当 AI agent 在整个企业范围内检索信息时搜索能够确保它们访问最新的、基于权限控制且经过治理的知识而不是仅仅依赖模型在训练过程中学到的内容。例如一个调查潜在欺诈行为的 AI agent可能会在推荐行动方案之前综合客户记录、交易历史、运营日志、欺诈指标、监管政策、客户沟通记录和以往的调查结果。企业搜索让这些信息之间的关联成为可能无论信息存储在哪里都能让 AI 以权威的企业知识为基础。丰富的上下文带来的提升不仅体现在准确性上也能提高可解释性、治理能力和信任度。每个金融机构在部署 agentic AI 之前都应该问的 5 个问题在将 AI agent 投入生产环境之前金融服务领域的领导者应该问AI 是否拥有正确的上下文每个决策是否都能够得到解释和审计我们是否能够通过统一的日志、指标和追踪来观测 AI 的行为我们的运营数据是否已经为自主 AI 做好准备安全团队能否在确保人类掌握控制权的同时持续验证 AI 驱动的行动能够自信地对这些问题回答 “是” 的组织将更有能力以负责任的方式扩展 agentic AI。从 AI 实验走向可信的自主运营麦肯锡总结认为AI 信任正在变得不仅仅是一项合规工作。它越来越成为业务发展的推动力。对于金融机构而言这种信任建立在上下文之上。它将可信的企业数据、AI 辅助的数据准备、企业搜索、统一的可观测性、智能安全运营以及确保人类对 AI 驱动结果负责的治理结合起来。金融服务领域几十年来一直通过韧性、透明度和严格的风险管理来赢得信任。随着行业进入 agentic AI 时代这些相同的原则仍然是成功的关键。领先的金融机构不会只是部署更多自主 AI。它们会部署以可信上下文为基础的 AI让每个决策都基于正确的数据每个行动都可被观测每个结果都能够解释并让每一次创新都增强信任而不是损害信任。因为在金融服务领域未来不会属于拥有最多 AI 的组织而会属于拥有最多可信 AI的组织。联系我们详细了解 Elastic 如何支持你的可信 Agentic AI 之旅。相关文章深入了解财富 500 强企业的金融风险战略利用 AI 转型金融服务释放增长、创新和洞察力AI 驱动的欺诈检测利用 Elastic 保护金融服务金融服务领域的 Agentic AI自主智能的崛起智能银行的崛起在 AI 时代统一欺诈、安全和合规本文所描述的任何功能或特性的发布及发布时间均由 Elastic 自行决定。目前尚不可用的任何功能或特性可能无法按时交付也可能根本不会交付。在本文中我们可能使用或引用了由相应所有者拥有和运营的第三方生成式 AI 工具。Elastic 无法控制这些第三方工具也不对其内容、运营或使用承担任何责任也不对因你使用此类工具而可能产生的任何损失或损害承担责任。使用 AI 工具处理个人、敏感或机密信息时请务必谨慎。你提交的任何数据都可能被用于 AI 训练或其他目的。无法保证你提供的信息会得到安全或保密的处理。在使用任何生成式 AI 工具之前你应当了解其隐私政策和使用条款。Elastic、Elasticsearch 及相关标识是 Elasticsearch B.V. 在美国及其他国家和地区的商标、徽标或注册商标。所有其他公司和产品名称均为其各自所有者的商标、徽标或注册商标。原文Building trusted agentic AI in financial services: From data to autonomous action | Elastic Blog