KeyFrame內部研究專用

How Agents Cut Hour-Long Data Checks to 5 Minutes - Amol Kapoor & Clifford Ressel, Nori Agentic

AI Engineer英文
觀看原始影片

三句話摘要

使用雲端代理和 AI 自動化私人資產的 SecMaster 數據庫管理,大幅降低人工審查成本。 未來企業 AI 的核心價值不在 100% 自動化,而在讓代理主動發現問題並為人類提供經過驗證的建議,透過 95% 自動化加人工審核降低私人資產管理的成本與風險。 私人資產管理的複雜性遠高於公開股票:公開股票有統一的標識符系統(ISIN、CUSIP)和數據供應商,但私人資產(土地、電力廠投資、貸款協議)完全由文檔定義,無標準化格式,資訊散落在 PDF、電子郵件、 Zoom 錄音中。

重點整理

  1. 私人資產管理的複雜性遠高於公開股票:公開股票有統一的標識符系統(ISIN、CUSIP)和數據供應商,但私人資產(土地、電力廠投資、貸款協議)完全由文檔定義,無標準化格式,資訊散落在 PDF、電子郵件、 Zoom 錄音中。

  2. SecMaster 是資產管理的關鍵基礎設施:它作為資料真實來源,連接工程、風險管理、稽核等所有部門,任何數據衝突必須在下游分析前解決,否則會污染全公司的決策。

  3. 現有人工流程完全無法擴展:Fortune 200 資產管理公司面臨每月數千小時的人工驗證工作,因為每個單元格的變更都需追查源頭、確認合法性,這類繁重但低複雜度的工作最適合交由 AI。

  4. 雲端代理應具備通用基礎設施而非一次性定製:同一套雲端代理平台可透過英文指令、工具權限和配置文件客製化,用於 SecMaster、稽核、程式碼審查等多種任務,避免重複造輪子。

實用技巧與重點

  • 私人資產投資規模:2025 年二級市場交易額 2,400 億美元(較 2024 年增 50%),預測 2030 年另類資產管理規模達 32 兆美元
  • 人工成本現狀:Fortune 200 資產管理公司日均 5 萬資產、每資產 200 列,每筆變更平均耗時 1 小時人工審查,月耗數千小時
  • 代理解決方案時間成本:將單筆驗證時間從 1 小時降至 5 分鐘
  • 使用工具:Box(PDF 管理)、Bloomberg API、部分電子郵件存取、本地部署開源模型
  • 代理作業流程:偵測變更 → 查找源頭 → 組成案例說明 → 提供建議 → Slack 通知負責人
  • 自動化目標:95% 自動化搭配人工審核,而非 100% 全自動
  • 公司名稱及資源:Noria Agentech、Agentics NYC 社群、noriagentic.com

結論

未來企業 AI 的核心價值不在 100% 自動化,而在讓代理主動發現問題並為人類提供經過驗證的建議,透過 95% 自動化加人工審核降低私人資產管理的成本與風險。

完整解析

私人資產投資正急劇成長,過去一年二級市場交易額達 2,400 億美元,預測 2030 年全球另類資產管理規模將達 32 兆美元。這個趨勢的主要驅動力是 AI 成為經濟唯一持續增長的領域,導致資本大幅流向與 AI 相關的資產——數據中心、能源設施、GPU 集群、以及 OpenAI、Anthropic 等私人公司的股權。然而,與此同時,私人資產的管理也變得複雜得令人絕望。

與公開股票不同,公開股票有全球統一的標識符系統(ISIN、CUSIP 等)和專業數據供應商管理,私人資產完全沒有這套基礎設施。一筆私人投資交易——例如貸款予興建電廠附近的公司、或購買數據中心旁的土地——無法用標準代碼識別,其條款與權利只存在於零散的合約、修正案、甚至酒吧紙巾上的簽名。所有信息必須手動從各種文檔中提取,導致資訊管理成為噩夢。

資產管理公司的 SecMaster(資產主檔)是全公司資料的真實來源,連接工程、風險管理、合規稽核等所有部門。任何數據衝突都必須在流入下游分析前解決,否則會污染風險模型、P&L 會計、監管報告等所有決策。但私人資產的非結構化特性打破了這套流程。一家 Fortune 200 資產管理公司案例顯示,其每日監控 5 萬筆資產的 SecMaster(每筆資產約 200 列),即使變更不頻繁,每月也會產生數千筆需驗證的單元格變更。每筆變更都需人工檢查源頭、確認數據正確性——平均每筆耗時 1 小時,月耗數千小時人力,這對組織來說根本無法擴展。

Noria Agentech 的解決方案是在 SecMaster 新增「雲端代理」層。每當資產數據變更時,雲端代理會自動啟動,本地執行開源模型(確保數據安全),存取公司的 Box(文檔管理)、Bloomberg API、部分電子郵件等工具,自動查找變更源頭、組成完整的論證說明並提供保留或捨棄的建議,最後透過 Slack 通知負責人。人類審核仍然存在,但現在只需 5 分鐘確認代理的建議,而非 1 小時盲目搜尋文檔。關鍵洞察是代理無需複雜的客製化架構——它們透過英文指令文件學習領域專業知識,就像新進分析師一樣,團隊可輕鬆編輯 Markdown 配置文件來修改代理行為,同一套雲端代理基礎設施可服務稽核、程式碼審查、SecMaster 等多種任務,只要改變指令與工具權限即可。

8 min
AI 技術中文11月17日

Muse AI 国内注册方法来了!无需排队、无需信用卡,全程免费!

一路向前看原片 ↗
  • IP環境是核心要素:乾淨的住宅IP搭配日本節點能大幅提升註冊成功率,講者稱日本節點「幾乎秒過」,可選美國但成功率較低。
  • 全新郵箱是必要條件:系統會記錄每個郵箱的註冊歷程,曾排隊或卡在信用卡驗證的信箱會直接失敗,必須使用全新未註冊過的郵箱才能完全規避之前的失敗記錄。
AI 技術中文11月17日

Meta 改写 K-Means,训练轮次降到十分之一​ | K-Means | e-means | Meta FAIR | 聚类算法 | 向量检索 | Faiss | DINO10B | 向量数据库

Best Partners TV看原片 ↗
  • 從累加到衰減的中心維護:傳統小批量更新會累積歷史統計量造成早期分配記錄長期影響,而 e-Means 用指數移動平均使新分配能即時調整中心,早先統計逐漸失效,避免陷入次優解。
  • 死簇復活機制是關鍵改進:消融實驗顯示這項改動影響最大,透過每 5 批次檢查樣本不足的中心,從較大簇拆分一半重新安排,將樣本不足 10 個的中心比例從 26.3% 降到 0.3%。
AI 技術英文11月17日

Goal Engineering - The New Buzzword

Prompt Engineering看原片 ↗
  • 長期開放式目標中最難提供的上下文不是文件或 API,而是人類的判斷力與品味。傳統的檔案查詢或技術規格是相對容易部分,真正瓶頸在於定義「什麼是好的結果」。
  • Actively AI 初期採用單一代理處理多種任務類型失敗,因為人類審查者必須在十種不同的任務格式間切換心智模式,造成效率低落。重新架構為多個專一代理後,人類可在相同心智模式下快速連續審查。