AREX Feed Article
Northern Trust 与 Microsoft Frontier Company 将机构客户 onboarding AI agent 投入生产：数据准备由约 2.5 周缩至 3 天
Microsoft 11 月 9 日在官方新闻网站发布，宣布 Northern Trust 与 Microsoft Frontier Company 合作部署的机构客户 onboarding（新客户接入）AI agent 已投入生产。这个 agent 的任务，是把新客户多年积累、格式各异的交易历史和现金流映射到这家总部位于芝加哥的银行的行内平台上。按公告口径，这一步的数据准备时间从约 2.5 周缩短到 3 天。
质量数字同样出自公司自测：agent 以 96.5% 的首过质量分完成映射，其余 3.5%——它不确定如何归类的内容——转人工复核；客户数据全部留在 Northern Trust 行内，不用于训练任何外部模型。特稿由 Microsoft 撰稿人 Chen May Yee 署名，文中未提及独立第三方验证。
Northern Trust 首席运营官 Pete Cherecwich 在芝加哥的银行总部外。图：Alex Garcia／Microsoft。
“每家的表格都不一样”：agent 先要学会认出 capital call
Northern Trust 的业务包括为大型家族办公室、养老基金、资产管理公司和大学捐赠基金等机构持有并管理投资；特稿开篇便以“数万亿美元客户资产”形容其管理规模，并引述首席运营官 Pete Cherecwich 的话：“人们指望我们保管数十亿美元的资金，并确保它们安全。”把新机构客户接入这样的银行，公告称原本可能耗费数周：客户在多家投资、多种格式下积累的多年交易历史，需要准确转换成行内平台能用的数据。双方要的东西很明确：一个快速且准确完成这种转换的 agent；不要的东西同样明确——错误。
Frontier Company 的做法是把工程师和 AI 专家派驻进客户组织。这类前置部署工程师（forward-deployed engineers，FDE）与客户共同设计和交付有具体目标的 AI 方案。在 Northern Trust，FDE 与行内金融专家组成联合团队，为 agent 建了一套规则库。不同金融公司对同一事物各有叫法，Cherecwich 解释：“每家的表格都不一样。但有些核心东西你能认出来：‘哦，这是一笔 capital call（出资催缴），这是一次 valuation（估值）。’”团队把模型锚定在业务词汇上，再拿此前几次 onboarding 的匿名数据，让它学习这些数据最终是如何组织的；Northern Trust 团队的持续反馈不断扩充规则库。
牵头该项目 FDE 团队、任 Microsoft Frontier Company 企业副总裁的 Vik Singh 在特稿中说：“这是一次真正的协作。Northern Trust 带来了对自身业务的深刻理解，并在 AI 专长上求助于我们。要把 agent 的准确率做对，双方缺一不可。我认为这是 AI 在受监管行业推进的一个样板。”
FI 口径、人工复核与对账：Northern Trust 怎么测出这些数字
特稿把这个质量数字称为 FI 首过质量分，并将其描述为结合精确率（precision）与召回率（recall）的标准 AI 评估指标；agent 的表现随时间爬坡（hill-climb），最终达到 96.5% 的水平。剩下 3.5% 是 agent 拿不准如何归类的部分，转给人工复核。Northern Trust 团队特意保留这道“人在回路”，以避免错误信息进入账目；复核之后，银行照常执行既有对账流程，确认自家账簿记录与前一任管理人一致，然后才正式上线。
时间数字的来路写在特稿脚注里：部署完成后，Northern Trust 对真实客户 onboarding 场景实测准备时间，统计范围包括数据转换、分析师复核、例外处理和最终验证；改进幅度由约 2.5 周的旧流程基线，对比 agent 辅助流程完成实测生产案例的平均用时得出。
公告同时引述 Cherecwich 谈及收益：“借助 Microsoft 的 FDE，我把一件原本可能被排到低优先级的事情推向了市场。”他说，现在“见到收入的速度快多了，客户也更满意”。
Frontier Company：今年 7 月成立、投入 25 亿美元的驻场工程组织
Frontier Company 本身还很新。Microsoft 今年 7 月 2 日在宣布成立这家“新运营业务”，投入 25 亿美元，向客户派驻 6,000 名行业与工程专家，与他们共同设计、部署并持续改进 AI 系统，由 Rodrigo Kede Lima 出任总裁。博客称有一条原则不可妥协：客户的数据、知识产权和竞争优势，都不会被以商品化其行业差异化优势的方式用于训练模型；平台保持模型多元，客户可按场景选用 OpenAI、Anthropic、Microsoft AI 或开源模型。
发布时微软点名的早期客户包括伦敦证券交易所集团（LSEG）、Land O'Lakes、联合利华（Unilever）和诺和诺德（Novo Nordisk）；Northern Trust 与该业务的合作，按本次特稿的说法始于今年早些时候。
Copilot 全员培训：23,000 名员工、超过 15,000 个自建 agent
在客户数据不出行内的前提下，银行同时为更大范围的 AI 使用打底：为全部 23,000 名员工提供 Microsoft Copilot 培训，员工已创建超过 15,000 个 Copilot agent，用途包括从公司招募说明书（prospectus）中挖出特定数据点；为带动兴趣，银行最近还办了一场设现金奖励的最佳 Copilot agent 比赛。特稿称，Northern Trust 正在研究把 AI agent 用于其他产品和服务。
Pete Cherecwich 在 Northern Trust 芝加哥总部办公室内。图：Alex Garcia／Microsoft。
边界：低风险才用前沿技术，1 亿美元付款不交给 AI
特稿末尾记录了行内的疑问和 Cherecwich 的回答。有人问他这对工作意味着什么，他答：“我最早做过的一份工作，是在缩微胶片（microfiche）上查找市政债券。现在已经没有人看缩微胶片了。所以，工作会变，你得学新技能。”他同时划出边界：“如果是低风险的事，我们可以站在技术前沿。”并补充：“我们不会在短期内让 AI 自主完成 1 亿美元的付款。”