Wealth Management Client Onboarding Needs More Than AI

财富管理客户入账需要的不仅仅是AI | Databricks博客

跳至主要内容

行业

2026年10月30日

财富管理客户入账需要的不仅仅是AI

受控案例上下文如何通过连接证据、监督代理和人类判断，将客户从首次提交文件推进到资金账户。

作者：Andrea DeSosa、Amit Kumar Jha 和 Siddharth Nahar

摘要

• 任务级AI加速文件处理和KYC筛查，但当证据、案件状态和决策在系统间碎片化时，财富管理客户入账仍会受阻。

• 受控案例上下文为AI代理和人工审核人员提供每个案件的共享、版本化视图，包括其证据、例外情况和决策历史。

• 在Databricks数据+AI平台上，受监督的AI代理通过治理、可追溯性和人工监督协调完整流程。通过周期时间、人工操作次数和批准到资金的时间衡量影响。

即使每个系统都完成了各自的工作，财富管理客户入账仍可能受阻。文件已收集，筛查结果已返回，工作流任务也已完成。但案件仍需等待，因为必须有人判断发生了什么变化、哪些证据是当前的、谁负责例外情况。

对客户而言，这些边界是不可见的。他们体验的是单一旅程，并期望自己的信息和进展能随之推进。然而在机构内部，这一旅程跨越客户关系管理（CRM）、文件、了解你的客户（KYC）、筛查、托管和工作流系统，每个系统都持有案件的不同部分。

机构已投入资源加快这些步骤，AI进一步加速了这一过程。但如果下一个团队仍需重建案件、协调证据并重新开启看似已完成的工作，更快的提取、筛查摘要或路由决策也无济于事。

在交接环节，入账流程仍会浪费时间。现代平台必须跨系统连接案件，在条件变化时协调工作，并保留流程依赖的控制和人类判断。当平台未能做到这一点时，系统间的成本就会累积。

为什么财富管理客户入账如此耗时？

第一个成本是客户最直接感受到的：时间。

在新加坡，开设私人银行账户需要约6周时间，复杂案件耗时更长。2026年5月，新加坡金融管理局（MAS）表示，由MAS与行业联合领导的账户开设工作组的举措预计可将这一中位数缩短至一个月内。

在机构内部，这表现为员工时间的消耗。Capgemini 2026年全球财富报告发现，144位财富高管中有60%缺乏统一的客户视图。同一报告指出，在16个市场的1317名关系经理中，41%的工作时间被运营任务消耗。这一数据涵盖了财富运营的广泛内容，而不仅仅是入账，但显示了常规协调工作消耗了多少资源。

入账流程本身涉及多个团队。2024年EY对十余家全球资产管理公司的报告显示，超过一半的公司入账流程涉及至少10个团队。但只有15%的公司报告与CRM系统有良好的集成。

“全球超过一半的资产管理公司入账流程涉及至少10个团队，但仅有15%报告与CRM系统有良好的集成。”

2024年毕马威（KPMG）与私人财富管理协会（Private Wealth Management Association）对35家香港私人财富机构的研究指出，客户准入需求是导致成本上升和客户体验恶化的关键因素。

研究结果涵盖了不同市场、人口和监管体系，每项发现都需要结合具体背景理解。尽管存在差异，但呈现出一致的模式——客户信息碎片化，多个团队需要手动拼接客户旅程。

机构通过增加员工工时、重复证据检索、人工对账、异常处理和控制历史准备来应对这种协调需求。系统集成、维护和变更测试进一步增加成本，而账户开立和资金注入则被迫等待。

任务执行速度的提升并不一定加快整体准入流程。一个系统可能按时完成任务，但案件仍可能在后续交接环节停滞。

人工智能可以进一步加速每个任务，但并不能自动消除系统间的摩擦。

为什么任务级人工智能无法加快准入流程？

人工智能已开始进入财富管理和资产管理领域。根据2025年埃森哲（EY）对100位决策者（财富管理和资产管理公司各占50%）的调查，95%的机构已将生成式人工智能扩展到多个应用场景，78%的机构正在探索自主代理人工智能。然而，将这种发展势头转化为可衡量的商业价值仍面临挑战，只有27%的高管报告称生成式人工智能带来了显著的商业影响。

从工作本身来看，这种差距显而易见。人工智能可以提取文档字段、总结筛查结果或推荐下一步操作。虽然这些能力可能在单一应用内提升任务效率，但交接仍依赖于当前证据和明确的变更记录。团队还需要知道是否需要重新审视早期工作。

自主代理人工智能使这种依赖关系更加重要，因为跨专业代理和授权工具分配任务需要共享的案件状态。该状态必须显示已完成内容、过期内容以及阻碍下一步的异常点。如果没有这种状态，更快的流程协调反而可能重现它试图减少的碎片化问题。

客户准入中的受控案例上下文是什么？

受控案例上下文是对每个客户准入案例的实时、版本化、源链接视图。它整合了证据、案件状态、已完成的控制措施、开放的异常点、代理活动和决策历史。由于上下文是版本化的，团队可以查看变更内容、变更影响范围以及是否需要重新审视早期工作。

准入流程的不同部分可能存储在不同系统中。核心客户和托管记录可能保留在原系统中，而证据处理、控制措施、模型和案件工作流可以在Databricks数据+人工智能平台上运行。受控案例上下文通过统一的受控视图连接这些工作，如下面的图表所示，同时保留记录所有权和决策权。在Databricks上，Unity Catalog集中管理访问控制、血缘关系和审计功能，而Delta Lake和Apache Iceberg等开放表格式支持跨系统的可靠数据管理和互操作性。

财富管理客户准入的受控案例上下文，连接CRM、KYC、筛查、托管和工作流系统，与人工智能代理和人工审核人员协同工作。

受控案例上下文的价值仅体现在它能帮助后续代理或审查者理解并推进案例时。一个实际的检验标准是：他们是否能在不重建案例历史的前提下回答以下四个问题：

• 当前有哪些证据是有效的？哪些来源和版本支持这些证据？
• 哪些工作已完成？哪些内容已变更？哪些结果可能已过时？
• 哪些问题尚未解决？下一步允许采取什么行动？
• 代理或授权工具可以执行哪些工作？哪些环节必须由授权审查者决策？

当这些问题的答案集中呈现时，受控主管代理即可从当前案例状态恢复工作。它能够将独立任务分配给专业代理，调用已批准的工具，并在需要判断时引入审查者。它还能标记矛盾证据，整理完整的审查包，同时确保该包所关联的证据、变更和操作始终与案例保持绑定。

这种价值体现在将上下文贯穿整个流程的运用中。现代平台必须持续更新该上下文，围绕其协调代理与人员协作，并从第一份证据到最终决策全程保持可见性与治理控制。

代理就绪的入职平台需要哪些能力？

要有效利用受控案例上下文，平台需要具备四项核心能力。这些能力共同解决了前述痛点：在每次交接时重新构建案例、手动协调工作、治理敏感数据访问权限、以及在无法看到完整流程时衡量任务进展。

• 保持案例的实时视图：随着新证据的到达、控制流程的执行和决策的产生，平台应持续更新受控上下文并维护其与底层来源的关联。分配给特定记录的系统可保持权威性，而代理和团队则基于统一的版本化上下文协同工作。在Databricks平台上，Lakeflow Connect将支持的源系统变更同步至平台，Databricks AI Functions提取并分类新证据，Lakebase则维护入职应用使用的实时事务状态。

• 在人员保留决策权的前提下协调代理工作：受控主管代理应根据当前案例状态选择下一步允许的操作，将定义好的任务分配给专业代理或已批准工具，并在需要判断时引入合格审查者。人员对异常处理、覆盖操作和入职审批仍保有最终责任。在Databricks平台上，主管代理可通过受控企业数据协调专业代理和已批准工具，包括Unity Catalog功能、MCP服务和Genie代理（原Spaces）。

• 治理数据、工具和操作：入职流程涉及个人身份信息（PII）和其他敏感记录。每个代理应仅能访问其任务所需的数据和工具，敏感字段应根据需要进行遮蔽或隐藏。代理操作应保持可追溯性和可审查性。在Databricks平台上，Unity Catalog为受控数据和AI资产提供细粒度访问控制、字段遮蔽、血缘追踪和审计功能，而Unity Gateway则通过控制每个代理可调用的模型和MCP工具，应用防护规则、跨模型路由请求、执行预算和速率限制，并记录所有请求，将治理延伸至代理运行时环境。

• 端到端衡量：团队应同时监控代理质量、延迟、可靠性和升级情况，与周期时间、人工操作、返工、异常和批准至资金时间等指标一同进行衡量。运营视图还应包含集成变更、重复数据传输以及准备控制证据所需的工作量。Databricks Apps 可以在队列和案例工作区中嵌入 Databricks AI/BI 仪表板，为运营和合规负责人提供旅程绩效与活跃案例的综合视图。

这些能力共同将受控案例上下文转化为运营模型。下图架构展示了上下文、受监管代理和人工审核如何在实际中协同工作。

受监管 AI 代理如何协调客户入账？

该架构将四种能力整合到围绕每个案例的持续运营循环中。信息可从源系统传来，而证据处理、控制、风险模型和入账工作流则在平台上运行。每个结果都会附带其来源引用和历史记录返回到受控案例上下文中，为下一个代理或审核人员提供案例的当前状态。

受控监督代理会读取该上下文并选择下一步允许的操作。根据案例情况，它可以调用已批准的工具、将工作分配给专业代理，或涉及审核人员。当新证据使早期结果过时时，它可以重新开启受影响的工作，而不是重启整个案例。它还会监控完成度和数据新鲜度，在案例继续推进前标记缺失或冲突的控制结果。

一个受控的客户入账架构，将共享案例上下文、受监管 AI 工作与在一致控制下的人工决策相连接。

一个简单的例子展示了该循环如何运作。考虑一个等待所需文件的案例。监督代理可以识别这一缺口，准备一封待审核的客户联系邮件，并暂停任何依赖缺失证据的工作。一旦审核员批准联系并文件通过指定渠道到达，案例上下文将更新。监督代理随后可以触发文件处理，仅重新运行受影响的检查，并将案例路由到下一步允许的操作。

在此示例设计中，每个专业代理都有明确的职责：

• 文档智能代理读取提交的文件，提取所需信息，并标记缺失的证据。
• KYC 和筛查代理整合身份、KYC 和筛查控制的结果。
• 风险分析代理将验证的案例事实与定义的规则和控制结果进行对比。
• 案例摘要代理准备待审核的评估草案。

每个结果都会附带其支持证据和来源引用返回到受控案例上下文中。监督代理利用更新后的状态判断是否需要其他代理操作、是否需要人工审核，或案例是否可以继续推进。

人员保留决策权。从受控工作区，审核员可以检查证据、请求额外信息、解决异常、记录附带理由的覆盖操作，或在其权限范围内做出决策。他们的操作会成为案例历史的一部分，可能触发另一个代理任务或定向重新运行。案例建议保持为草案评估。警报处理、风险接受和入账批准仍保留在分配了相应权限的系统和审核员中。

治理贯穿整个工作流程。细粒度的访问权限限制每个代理仅能访问其工作所需的特定数据和工具。代理追踪记录会记录每个代理执行的操作、耗时及预估模型成本。团队可利用这些历史记录评估质量、发现退化问题并调查失败原因。这些追踪记录支持AI和模型风险监管，同时授权决策会保留在业务记录中。追踪记录与决策记录共同为合规和审计团队提供可重建的每宗案例说明：审查了哪些证据、运行了哪些控制措施、每个代理生成了哪些内容，以及谁批准、覆盖或升级了结果及其原因。该记录支持反洗钱/客户尽职调查（AML/KYC）记录保存和检查准备，因为机构可以展示每个决策的形成过程，而非事后拼凑历史。

审查员工作空间记录人工操作，而应用程序则维护工作流所需的真实案例状态。在获得授权决策后，受控集成会将批准的结果记录在负责拥有该结果的系统中。在Databricks上，审查员工作空间可作为Databricks App运行，Lakebase负责维护实时案例状态。

该运营模式的价值必须在整个旅程中衡量，从首次收集证据到账户资金到位。否则，更快的代理或控制措施可能只会将延迟转移到下一个交接环节。

机构应如何衡量代理协助的开户流程？

当架构改善整个开户流程时才创造价值。更快的代理响应固然重要，但真正的考验是案例是否能更早推进、团队是否减少协调工作时间，以及控制措施是否保持有效。

从一条高摩擦路径开始。选择一个交接、返工和延迟已显而易见的开户流程。在试点开始前，协调财富运营、合规、数据和技术负责人。就所需证据、每条记录和决策的负责人、必须由人工判断的环节，以及主管可触发的操作达成一致。

在改变工作流程前建立基准线。从以下三个领域衡量当前流程：

• 成本与产能：每完成一次开户的成本，以及顾问、运营和合规人员在每宗案例上花费的工时。

• 流程表现：中位数和第90百分位的周期时间、批准至资金到位时间、人工操作次数、访问的系统数量、文件返工次数、异常情况、未完成案例和弃用案例数量。

• 技术与控制：运行和更改集成的成本、数据重复传输以及组装控制、血缘和审计证据所需的工作量。

这些指标能揭示通常消失在团队队列和系统交接中的工作。它们也能显示受控案例上下文是否减少了重复对账和证据搜索，或只是将工作转移到其他地方。

在试点开始前设定成功阈值。评估速度、员工工作量、代理质量、追踪完整性及控制有效性。主管和专业代理应减少可避免的交接，并为审查准备更完整的案例。他们的追踪记录应使工作更易于评估和调查。

异常、覆盖和重新开启案例的比率仍需进行根本原因和质量审查。增加可能表明存在控制问题。也可能意味着新流程检测到了之前被遗漏的问题。

跨整个流程解读结果：

• 如果中位数周期时间改善但第90百分位没有变化，说明复杂案例仍然存在停滞问题。

• 如果代理处理速度加快但审批到资金发放时间保持不变，说明瓶颈已经转移。

• 如果人工操作减少但控制证据准备量保持平稳，说明最终审核包仍需优化。

当从首次收集证据到账户资金以及控制有效性保持稳定时再进行扩展。现代客户准入的标准很明确：加快案例处理速度，使每个代理操作均可追溯，同时在需要判断的环节保留人工决策权。

常见问题

为什么仅靠AI无法解决财富管理客户准入问题？

更快的文件处理、筛查或路由无法解决证据碎片化、案例状态和决策历史不连贯的问题。当团队需要判断发生了什么变化、哪些工作仍然有效以及谁应该采取行动时，准入流程仍可能在下一个交接环节受阻。

什么是受控案例上下文？

受控案例上下文是对准入案例的实时视图，包含源数据链接和版本信息。它将证据、案例状态、控制结果、异常、代理操作和决策历史关联起来，使代理和审核人员能够基于统一的上下文工作。

监督式AI代理如何在保持人工控制的前提下协助KYC和客户准入？

受控监督代理可以将工作路由给专业代理处理文档智能、KYC筛查和风险分析，并在需要判断时引入审核人员。细粒度访问权限和操作痕迹使代理行为可追溯，同时人工保留对异常处理、覆盖操作和准入审批的最终决策权。

受控案例上下文是否需要企业替换现有系统？

不需要。核心记录可以保留在CRM、托管系统或其他指定系统中，而证据处理、控制、模型和工作流程在Databricks数据+AI平台运行，由Unity Catalog统一管理数据、模型和代理工具。受控案例上下文在连接工作流的同时，保留记录所有权和决策权。

企业应如何衡量代理辅助准入的价值？

企业应衡量整个准入流程的综合结果，而不仅仅依赖代理速度。有用的衡量指标包括周期时间、审批到资金发放时间、人工操作次数、返工量、员工工作量、集成成本和控制有效性。当端到端改进持续存在且代理操作保持可追溯时，企业应扩大应用范围。

从一个高摩擦的准入流程开始，衡量从首次收集证据到账户资金的全流程影响。了解Databricks如何帮助金融服务企业构建受控、可追溯的智能代理工作流，并保持人工控制。

探索金融服务解决方案

相关标签：

解决方案 , 客户案例 , 数据领导者 , 金融服务与数据科学和机器学习

订阅博客获取最新文章

订阅我们的博客，最新文章将发送到您的邮箱。

立即订阅

查看所有博客

slice-start id="_gatsby-scripts-1"

slice-end id="_gatsby-scripts-1"