金融机构正从各自独立的AI智能体，转向由多个智能体协同完成任务的系统。但采用速度跑在了企业级运营能力前面：Capgemini《2027年金融服务云报告》显示，59%的机构正在试点或部署多智能体系统，真正具备全企业编排能力、能够规模化自主执行的只有10%。19

这组落差是报告最值得关注的结论。试点或部署智能体，不等于能够在整个业务体系中协调它们、管理其行动，并证明它们带来了实际价值。报告基于对14个市场的1,100名金融服务业高管开展的调查。2

采用多，不代表协同能力强

多智能体系统不是让一个AI独自完成一整套流程，而是由多个智能体分工协作。在金融服务领域，报告观察到应用正从零散尝试走向银行和保险的核心业务流程。3

59%涵盖了处于试点或部署阶段的机构；10%则代表更高的能力门槛：具备全企业范围的编排能力，能够自主执行业务。19 两个数字放在一起看，说明金融机构对多智能体AI兴趣浓、试验也不少，但要让它在整个组织内自主运行，仍不容易。

对评估AI进展的管理者而言，这一区别很重要。一个试点可以验证某种用途，却不能单独证明机构已经具备跨流程协调智能体所需的基础设施和管控机制。

投入之后，回报仍难说清

报告还指出，机构在衡量价值方面面临挑战：48%的机构无法持续证明智能体AI项目的投资回报，51%缺少成熟的价值评估门槛来决定是否继续投入。22

因此，单看部署数量并不足以判断成败。机构还需要评估项目是否产生业务价值，以及是否值得继续获得资金支持。报告预计，到2028年，将业务成果作为AI主要投资依据的高管人数会增加141%。9 这是对管理者投资优先级变化的预测，并不代表AI的实际回报已经提高。

云不只是算力底座，也关乎治理

Capgemini认为，云的角色正在超越承载AI工作负载的基础设施。在报告的表述中，云可以成为自主系统的“执行权威”：为智能体规模化运行提供基础，同时帮助其在可信边界内行动，并将行动转化为可衡量的结果。19

这也使技术现代化和治理成为扩展多智能体系统的关键。报告称，90%的机构正在使用或计划采用智能模型路由，以优化性能并管理Token成本；52%的银行和保险机构倾向选择超大规模云服务商，作为治理多智能体部署的合作伙伴。3

这些数字反映的是受访机构报告的做法和偏好，并不能证明某种云方案必然带来安全或有效的结果。但它们显示，模型选择、成本管理与治理，已经成为规模化讨论的一部分，而不只是“要不要部署智能体”的问题。

金融机构接下来要补什么课

Capgemini的调查呈现出热情与运营能力之间的差距：多数受访机构正在试点或部署多智能体AI，具备全企业自主执行所需编排能力的却只占一小部分。19

报告及其配套公告强调，金融机构需要现代化改造底层技术栈；其中一份公告称，十分之八的高管将减少技术债务列为优先事项。18 再结合回报难以衡量这一问题来看，机构既要补齐运行智能体的技术基础，也要建立判断其价值的标准。

对管理者来说，关键不只是“用了多少个AI智能体”，而是团队能否可靠地协调它们、管好它们的数据访问和行动，并证明由此形成的工作流程值得继续投入。

金融机构正从各自独立的AI智能体，转向由多个智能体协同完成任务的系统。但采用速度跑在了企业级运营能力前面：Capgemini《2027年金融服务云报告》显示，59%的机构正在试点或部署多智能体系统，真正具备全企业编排能力、能够规模化自主执行的只有10%。19

这组落差是报告最值得关注的结论。试点或部署智能体，不等于能够在整个业务体系中协调它们、管理其行动，并证明它们带来了实际价值。报告基于对14个市场的1,100名金融服务业高管开展的调查。2

采用多，不代表协同能力强

多智能体系统不是让一个AI独自完成一整套流程，而是由多个智能体分工协作。在金融服务领域，报告观察到应用正从零散尝试走向银行和保险的核心业务流程。3

59%涵盖了处于试点或部署阶段的机构；10%则代表更高的能力门槛：具备全企业范围的编排能力，能够自主执行业务。19 两个数字放在一起看，说明金融机构对多智能体AI兴趣浓、试验也不少，但要让它在整个组织内自主运行，仍不容易。

对评估AI进展的管理者而言，这一区别很重要。一个试点可以验证某种用途，却不能单独证明机构已经具备跨流程协调智能体所需的基础设施和管控机制。

投入之后，回报仍难说清

报告还指出，机构在衡量价值方面面临挑战：48%的机构无法持续证明智能体AI项目的投资回报，51%缺少成熟的价值评估门槛来决定是否继续投入。22

因此，单看部署数量并不足以判断成败。机构还需要评估项目是否产生业务价值，以及是否值得继续获得资金支持。报告预计，到2028年，将业务成果作为AI主要投资依据的高管人数会增加141%。9 这是对管理者投资优先级变化的预测，并不代表AI的实际回报已经提高。

云不只是算力底座，也关乎治理

Capgemini认为，云的角色正在超越承载AI工作负载的基础设施。在报告的表述中，云可以成为自主系统的“执行权威”：为智能体规模化运行提供基础，同时帮助其在可信边界内行动，并将行动转化为可衡量的结果。19

这也使技术现代化和治理成为扩展多智能体系统的关键。报告称，90%的机构正在使用或计划采用智能模型路由，以优化性能并管理Token成本；52%的银行和保险机构倾向选择超大规模云服务商，作为治理多智能体部署的合作伙伴。3

这些数字反映的是受访机构报告的做法和偏好，并不能证明某种云方案必然带来安全或有效的结果。但它们显示，模型选择、成本管理与治理，已经成为规模化讨论的一部分，而不只是“要不要部署智能体”的问题。

金融机构接下来要补什么课

Capgemini的调查呈现出热情与运营能力之间的差距：多数受访机构正在试点或部署多智能体AI，具备全企业自主执行所需编排能力的却只占一小部分。19

报告及其配套公告强调，金融机构需要现代化改造底层技术栈；其中一份公告称，十分之八的高管将减少技术债务列为优先事项。18 再结合回报难以衡量这一问题来看，机构既要补齐运行智能体的技术基础，也要建立判断其价值的标准。

对管理者来说，关键不只是“用了多少个AI智能体”，而是团队能否可靠地协调它们、管好它们的数据访问和行动，并证明由此形成的工作流程值得继续投入。