Duco 每月处理 200 多亿笔交易,服务 200 多家金融机构,其中包括全球前 20 大银行中的 7 家。我们注意到,这类金融数据自动化正在从“预测标签”转向“理解业务规则并执行流程”,AI 代理(能调用工具、分步骤完成任务的 AI 系统)开始进入核心业务链路。
这是什么
Duco 原本使用传统机器学习模型,为银行自动化超过 2 万个数据流程,包括信息提取和结果发布。但这类模型依赖大量历史数据,面对新格式、新业务规则时,需要反复定制和重新训练。
此后,Duco 采用 Amazon Bedrock 访问基础模型(大模型),并使用 Amazon Bedrock AgentCore 构建、连接和运行 AI 代理。后者负责身份认证、权限控制、运行追踪和效果评估,让代理能够接入银行内部工具与数据,同时保持客户数据隔离。
行业怎么看
这件事的核心并非模型参数更大,而是 AI 代理开始承担原本由多个软件和人工协作完成的后台流程。Duco 宣称,新架构缩短了部署时间,也降低了新客户接入成本。对银行而言,这意味着 AI 项目可能不再需要为每个流程单独训练模型。
风险也同样明确:金融业务对准确性、可解释性和审计责任要求极高,代理一旦误判业务规则,错误可能沿支付、结算或报告链路放大。AgentCore 解决的是运行与治理基础设施,不会自动消除模型幻觉(生成看似合理但错误的信息)和流程设计风险。AWS 同时是云服务与模型平台,Duco 采用其方案,也意味着关键业务能力与供应商生态进一步绑定。
对普通人的影响
对企业 IT:企业采购 AI 的重点正从聊天工具转向可审计的后台执行能力;系统能否接入现有数据、权限和流程,将比演示效果更决定项目成败。
对个人职场:数据核对、报表整理和规则判断等重复任务更可能被代理接管。员工的价值重心会逐渐转向定义流程、处理例外和检查结果,而非亲手完成每一步操作。
对消费市场:银行处理数据的速度和一致性可能改善,但代理自动化也会提高金融服务规模化与个性化的能力。消费者未必直接感知模型变化,却可能在开户、支付和争议处理环节感受到更快或更标准化的体验。