高盛內部實測 Marquee AI！負責人 Chris Churchman 揭密 Agent 產品化五階段

重點摘要

• 高盛 Marquee 負責人 Chris Churchman 指出，機構級 AI 產品不能只看 Demo 表現，必須確保每個重要陳述可追溯至原始研究或可審計計算，目前該系統僅限高盛內部使用。
• Churchman 提出 AI 工程演進的五個階段，從提示詞工程一路發展至尚未成為通用術語的「授權工程」，後者核心在於釐清 Agent 的行動權限與責任歸屬。
• 亞馬遜雲端運算服務技術總監王曉野披露，87% 企業宣稱已大規模部署 AI，但真正拿到生產價值的僅有 10%，顯示企業級 Agent 的門檻遠高於技術展示。

高盛數位平台 Marquee 負責人 Chris Churchman 在最近的播客訪談中指出，其內部測試的 Marquee AI 系統目前僅限內部使用，並詳細闡述了頂級投行如何將 AI Agent 融入核心業務流程。Churchman 同時擔任高盛全球銀行與市場 AI 工作組聯席主席，他直言 AI Demo 只展示最好的一次表現，但機構產品上線後，最糟糕的輸出會被市場與客戶審視。這種對極端情況的關注，揭示了金融業與一般消費級應用在 AI 落地標準上的巨大落差。Marquee 是高盛面向機構和企業客戶的數位平台，目標是在高度不確定中幫助客戶作出決策並進入其投資流程。目前，Marquee AI 仍只在高盛內部使用，尚未對外開放，這意味著高盛正處於一個嚴格的內部壓力測試階段。

高盛內部測試 Marquee AI 揭示金融巨頭對 AI 落地標準的嚴苛底線：機構級 Agent 的成敗關鍵不在於模型參數，而在於確保每項陳述可審計追溯的「授權工程」與責任治理。

為什麼 90% 準確率對金融機構毫無意義？

對技術背景的創業者來說，模型準確率是常見的基準測試指標，但在金融決策場景中，這個指標的意義完全不同。Churchman 指出，一個模型即使在假設中有 90% 的事實是對的，也可能沒有實際價值，因為使用者不知道錯誤藏在哪 10% 裡，最終仍要核對全部事實。這意味著，在關鍵業務中，「不知道哪裡錯」比「全部重做」成本更高。為了應對這一挑戰，高盛為 Marquee AI 設定了極高的審計標準：讓每個重要陳述都能追溯到研究材料、交易台評論或可審計的計算，且判斷與具體證據一一對應，計算過程可複現。

這種要求背後，是大型語言模型本質上的技術瓶頸。Churchman 以「香腸機」為喻：事實和推斷一旦進入上下文視窗，都經過同一台機器處理，模型自身無法區分哪個是事實、哪個是插值。早期語言模型上下文視窗約為 4K Token（約 3000 個英文單字），後來逐步擴充至 128K，再到 100 萬 Token。儘管上下文視窗大幅擴張，允許模型處理更多資訊，但「事實」與「推斷」的混雜問題並未隨視窗擴大而自動解決。Marquee 平台彙集數以百萬計的研究文章、交易台評論、交易前分析，以及來自數十家數據供應商的內容。Churchman 將 Marquee 的 Market View 功能比作「資本市場的 Pinterest」，平台上已有數以百萬計的分析元件，每個元件由領域專家製作。這些專家製作的元件構成了可信賴的基礎數據層，AI 的角色並非取代專家，而是作為連結這些高質量元件的介面，並在輸出時嚴格標註來源。

從提示詞工程到授權工程：Agent 演進的五個階段

Churchman 勾勒出 AI 工程演進路線的五個階段：提示詞工程、上下文工程、Agent 工程、環境工程，以及尚未成為通用術語的「授權工程」。這個框架反映出，企業級 AI 應用正從技術調優轉向治理架構。前兩個階段主要關注如何讓模型輸出更符合預期，而 Agent 工程和環境工程則涉及模型與外部工具的互動以及執行環境的建構。然而，Churchman 認為，真正決定 Agent 能否在企業核心業務中落地的，是「授權工程」。

「授權工程」要解決的關鍵在於：Agent 被允許做什麼、以誰的名義行動、依據誰的授權，以及出了問題由誰承擔責任。在金融等高風險行業，責任歸屬是法律與合規的底線。如果一個 AI Agent 自動執行了一筆錯誤的交易，責任是由開發者、使用者還是機構承擔？這一問題目前缺乏業界標準框架，但 Churchman 的提法顯示，高盛正在內部嘗試建立這樣的機制。對於 B 端 AI 供應商而言，通用生成、搜尋和工具調用將快速商品化，更持久的價值將轉向企業上下文、系統整合、權限治理、評測和持續營運。這意味著，未來的競爭焦點不再是模型本身的參數規模，而是如何將模型嵌入企業的權限與審計體系中。

自動化與重新構想：AI 時代的人力資本挑戰

在探討技術架構的同時，Churchman 也關注組織層面的影響。他將企業使用 AI 分為「自動化」和「重新構想」兩種思路：前者在原流程中替代認知瓶頸，後者從「真正要完成什麼」出發重新設計人與軟體的分工。許多企業傾向於選擇自動化，因為它實施成本低、見效快，但 Churchman 警告，若企業只追求減少人工步驟，年輕員工可能跳過形成專業判斷所需的訓練。他以「健身房」為喻：人因為每天坐辦公室 12 小時，才需要主動去健身房；AI 時代也需要為思考建立健身房。如果 AI 承擔了所有基礎分析工作，員工將失去鍛鍊專業判斷力的機會，長期來看會削弱機構的核心競爭力。

這個觀點與 AWS 技術總監王曉野在 AIGC2026 峰會上的觀察相呼應。王曉野披露，87% 的企業宣稱已大規模部署 AI，但真正從中拿到生產價值的只有 10%。這 10% 的差距，很大程度上來自於企業是否具備「重新構想」業務流程的能力，以及是否建立了有效的駕馭機制。針對高風險金融流程，Churchman 提出可落地的閉環結構：AI 完成材料識別、資訊核對與預審；關鍵決定由明確的人確認；結果寫回原有業務系統，進入現有審計鏈。這種「AI 預審 + 人工確認 + 系統回寫」的模式，既利用了 AI 的效率，又保留了人的最終責任，同時確保了全流程的可審計性。

結語

從高盛測試 Marquee AI 可以看出，頂級機構對 AI 產品化非常謹慎。Chris Churchman 提出的「授權工程」概念，為業界提供了一個新的思考維度：Agent 的產品化不僅是技術問題，更是治理與責任問題。當 87% 企業宣稱部署 AI、卻只有 10% 真正發揮生產價值，高盛試圖透過嚴格的內部測試、強調可追溯性與審計鏈來跨越這道鴻溝。對於 AI/Web3 創業者而言，這意味著未來的機會不在於開發更強大的通用模型，而在於建構能夠嵌入企業權限體系、支援責任歸屬的 Agent 基礎設施。Marquee AI 目前仍只在高盛內部使用，未來是否對外開放、怎麼開放，都將顯現金融業對 AI 落地標準的底線。