为什么交易后业务已为代理式 AI 做好准备
全球向 T+1 结算的转变暴露了交易后业务中的一个根本差距：虽然已经存在正确的数据和流程，但在数百个同时发生的异常中以足够快的速度执行这些流程，已超出了人工工作流的能力范围。Smartstream 产品管理总监 Yogesh Shenai 在《Global Custodian》中撰文指出，这正是代理式 AI 旨在解决的问题。代理不再是标记异常并等待，而是自主进行调查、沟通、丰富数据、确定优先级并解决问题——其速度完全符合压缩结算窗口的实际要求。
北美市场已于 2024 年 5 月过渡到 T+1，英国、欧盟和瑞士将于 2027 年 10 月 11 日紧随其后。Shenai 指出，已经完成过渡的企业发现，他们本质上只是在相同的人工任务上变得更快了。异常队列并未按结算紧急程度排序，跨多个系统的差错调查速度太慢，且用于交易对手通知和罚金跟踪的下游工作流在很大程度上仍处于人工状态。代理式 AI 直接解决了这些故障点中的每一个。
从反应式调查转变为预防式分流
如今，当人工分析师处理异常时，他们是从零开始——登录多个系统、阅读电子邮件历史记录并重构发生的事情。代理式工作流彻底改变了这一模式。通过根据已知的解决模式实时监控实时交易数据，Smart Agents 可以识别历史上先于差错出现的信号——例如始终响应迟缓的交易对手、长期存在 SSI 延迟的资产类别，或确认不匹配集群的交易类型——并在差错确认之前触发调查。分析师收到的是预先构建的案例并做出决策，而不是亲自进行调查。
运营团队与交易对手之间的电子邮件沟通也发生了转变。代理可以起草并发送外联邮件、监控回复、以自然语言阅读回复、评估情绪和意图，并将该判定作为结构化数据返回到工作流中。根据 Shenai 的说法，这种方法在适用范围内的工作流中将人工干预率降低了 60-80%，而原本需要资深分析师花费 30 到 45 分钟的调查，代理可以在不到两分钟内完成。
刻意设计人类角色
代理式 AI 并非人类判断的替代品，而是对该判断应用位置的重新分配。Shenai 在这一点上非常直接：需要人工输入的操作从一开始就应刻意设计为仅限人工，而不是在代理遇到困难时才作为备选方案。关系电话、带有声誉影响的交易对手升级以及具有法律影响的决策，都是人类权威作为正确设计选择的例子。同样，代理被构建为能够识别其无法解决的障碍——例如需要合同解释的争议、复杂的多阶段失败或第三方基础设施停机——并相应地进行升级。
除了异常处理，代理式工作流更深层的价值在于将机构知识代码化。资深分析师所具备的判断力——遵循哪些流程、哪些交易对手需要谨慎处理、哪些异常是常规的而哪些是更大问题的信号——现在可以编码到工作流设计中，进行检查和转移。新团队成员从第一天起就能继承这些知识，并随着工作流的完善而不断改进。Smartstream 的 Smart Agents 平台正是围绕这一模式构建的：政策控制的自主性、完全的可审计性，以及从分析师行为和结果中持续学习。
