凯捷调查 1100 名金融高管：近六成已上马智能体AI，跑通企业级编排的仅 10%
要点
Capgemini 调查 14 个市场 1100 名金融高管：59% 已试点或部署智能体AI，但仅 10% 实现企业级编排，近半数无法持续证明投资回报。模型路由成为控本关键，TD Credit Assist 等生产案例初稿时间从 3 天缩至 30 分钟内。
凯捷研究院（Capgemini Research Institute）发布年度《世界云报告》金融服务业版，给狂飙中的金融智能体AI泼了一盆冷水：约 59% 的金融机构已经试点或部署了智能体 AI，但只有 10% 真正实现了跨环境的自主运行，也就是企业级的多智能体编排；与此同时，近一半机构无法持续证明这项投资的投资回报。这份报告的底层数据来自 2026 年 6-7 月对 14 个市场、七个金融子行业 1100 名 C 级高管的全球调查。
钱的花法正在跟着变。到 2028 年，把「业务成果」作为 AI 拨款首要标准的高管比例预计增长 141%，而仍盯着「效率」口径的将下降 42%——评估尺子从「省了多少人工」换成了「赚回了多少账面价值」。凯捷同时估计，AI 智能体到 2028 年可为金融业创造最高 4500 亿美元的经济价值，客户服务与反欺诈被点名为主要场景。饼很大，但能吃到的目前是少数：报告识别出仅 5% 的受调查机构已把运营智能体 AI 所需的能力制度化。
这 5% 的领先者与其余机构的差距是结构性的。51% 的领先者已实现企业级多智能体编排，其余机构只有 8%；94% 的领先者通过自动执行或策略即代码把企业治理嵌入系统，对手阵营只有 43%；把成果问责制度化的比例是 83% 对 25%。报告还预判，依托生态伙伴的深度合作模式将在三年内成为逾三分之二金融机构的主流选择。
模型路由是眼下最实在的降本手段。美国银行、Travelers 保险等头部机构已引入模型路由层，按任务难度在模型之间调度以控制 token 成本；摩根大通全球 CIO Lori Beer 在纽约 Evident AI 会议上透露，仅编程助手就占该行 token 支出的大头；桑坦德银行与英伟达共建 Santander AI Lab，其 Model Arena 把单任务成本从 5 欧元压到了 0.03 欧元。行业分析进一步指出，美国银行 Orchestra 与 Capital One 的 Chat Concierge 都在刻意「绕开」自家前沿模型来做简单任务，在控制支出的同时把响应延迟降低了 5 倍。
生产环境里的完整案例也有了样本。TD Bank 美国分行与旗下 Layer 6 实验室上线的 TD Credit Assist，由一个编排层协调多个专用智能体，为 300 多名信贷人员起草商业信贷备忘录中六个带引用的章节，初稿准备时间从最多三个工作日压缩到 30 分钟以内——但信贷专业人员仍对最终建议与决定负责，风险管理、智能体可观测性与护栏、催收智能体也已投入生产。
不过，编排平台的宣传口径与落地现实之间仍有温差。有行业分析直言，多数银行与保险公司其实仍被困在 AI 试点阶段，企业级编排的普及率远低于调查数字给人的观感；规模化的真正瓶颈不在模型能力，而在治理、护栏与成本纪律这些不起眼的基础设施。凯捷自己在报告里也承认：没有配套基础设施、治理和通向商业影响的清晰路径，规模化只会交付很小的价值。近六成上马、一成跑通——金融机构智能体AI的下一程，比拼的已经不是谁先试点，而是谁先把治理和账算清楚。
—
