金融科技公司 FIS 在 2026 年 10 月 15 日的官方新闻稿中宣布，其与 Anthropic 合作开发的"反洗钱调查智能体"正式商用，向任何美国银行开放；在设计伙伴 Amalgamated Bank 的流程测算中，一级警报审查、二级案件调查和可疑活动报告叙述的准备时间预计分别减少 90% 以上、约 98% 和 80% 以上，且所有输出都只是建议、必须经分析师确认才能结案。 这是合规场景下"人工在环"智能体的代表性落地：AI 负责把分散的证据整理成可追溯的材料，人保留最终判断和受托责任。
发生了什么
FIS 是总部位于美国佛罗里达、在纽交所上市的金融科技公司，提供核心银行、支付和数据基础设施。这套智能体最早于 2026 年 5 月与 Anthropic 联合公布，对方的应用 AI 团队和驻场工程师与 FIS 共同开发。
据新闻稿，智能体正在设计伙伴 Amalgamated Bank 部署，并向所有美国银行开放（含非 FIS 客户），运行在 FIS 私有云、使用 Claude 模型，是 FIS 银行 AI 智能体路线图的第一个产品。
新闻稿同时给出了行业背景：据 LexisNexis 2023 年的估计，美国金融机构每年在反洗钱操作上的支出约 350 亿至 400 亿美元；AnChain.AI 2025 年的数据显示，调查员有 40% 至 60% 的时间花在分析开始前的数据整理上；Datos Insights 2023 年的统计则指出，行业误报率在 90% 至 95% 之间。
关键概念
- 反洗钱（Anti-Money Laundering，AML）： 金融机构识别、上报可疑资金活动、防止违法资金被合法化的一整套合规流程。
- 可疑活动报告（Suspicious Activity Report，SAR）： 机构发现可疑交易后按监管要求提交的报告，叙述部分需完整证据支撑。
- 警报与案件（Alert 与 Case）： 系统监测到异常先产生一级警报，经初步分流后若需深入调查则升级为二级案件，二者对应不同的审查深度。
- 误报率（False Positive Rate）： 被系统标记、最终查明无问题的警报占比；高误报意味着大量人力消耗在无效排查上。
- 人工在环（Human in the Loop）： 系统可以自动给出建议和材料，但关键决定必须由人确认，AI 不直接结案。
- 控制平面（Control Plane）： 集中管理智能体权限、开关和各机构专属配置的治理层，用于隔离不同银行的风险规则。
技术解读：智能体如何把"找证据"自动化
技术重点不在预测，而在证据整合、上下文理解和可审计性。
其一，客户特定上下文先行。 智能体先把客户类型、历史活动和预期行为与当前警报对照，再收集证据。新闻稿举例，季节性现金存款激增，与刻意把金额压在联邦申报门槛以下的存款需区别对待；普通国际转账，与指向高风险辖区、无法解释的跨境电汇也不同。系统会识别这些差异并说明依据。
其二，把分散证据汇总成带出处的材料。 调查依赖核心银行、支付和影像凭证等多个系统，智能体借助 FIS 基础设施打通记录、自动完成最耗时的证据拼装，让调查员专注需要经验判断的复杂案件。
其三，治理与审计贯穿全程。 系统建立在 FIS 的 Trust Assured 框架之上：每条输出都链接到具体的记录、文档或凭证影像；每条建议、推理过程和分析师的最终决定都写入完整审计轨迹，便于内部审计和监管检查；各机构的风险逻辑、阈值和调查流程通过 FIS 控制平面彼此隔离。系统定位为增强而非替代银行已有平台，目前已原生集成 FIS Horizon 和 Systematics 两套核心系统。
局限和风险
- 节省幅度为单一银行的测算值。 90%、98%、80% 等数字来自 Amalgamated Bank 基于自身现有流程所做的预期分析，不同机构的系统基础和流程不同，实际效果可能存在明显差异。
- 高误报是行业性难题，不会因工具自动消失。 智能体主要压缩数据整理时间，是否真正构成可疑活动仍需人工判断，误报本身的治理还依赖监测规则优化。
- 合规责任无法转移给模型。 监管要求机构对 SAR 的真实性负责，因此系统被设计为不能自动结案，责任始终留在持证机构和分析师一侧。
- 数据集中带来新的治理要求。 打通多系统数据意味着权限、隔离和私有云安全必须非常严格，一旦控制平面配置不当，风险也会被放大。
AI Quant 的做法
AI Quant 在风险控制环节同样坚持"系统化边界加人工最终责任"：模型可以自动完成数据整理、信号计算和异常提示，但敞口、止损和执行条件都由预先设定的规则硬性约束，任何自动输出都不越过既定风险边界。这与 FIS 智能体"AI 整理证据、人保留最终确认"的治理逻辑一致，也符合受监管场景对可解释、可审计的基本要求。
常见问题
问：这个智能体会不会自动判定客户有罪并直接上报？
答：不会。它的所有输出都是建议，没有分析师的明确确认，任何案件都不能关闭；SAR 由调查员基于系统整理的证据撰写并负责，AI 不替代受托责任。
问：为什么反洗钱工作这么耗时？
答：一方面误报率高达 90% 至 95%，大量警报需人工排查；另一方面证据分散在多个系统，调查员四到六成时间花在数据拼装上，智能体主要解决后者。
问：新闻里的 98% 是普遍能达到的效果吗？
答：不是。那是设计伙伴 Amalgamated Bank 基于自身流程的预期测算，属于单机构数据，FIS 并未承诺所有银行都能达到同一水平。
问：非 FIS 客户的银行也能用吗？
答：可以。新闻稿明确向任何美国银行开放，包括不使用 FIS 服务的机构；但与 FIS 核心系统的集成仍按路线图推进。
参考来源
- FIS 官方新闻稿，《FIS AML Investigations Agent Now Commercially Available to Help Banks Tackle the Scale and Cost of Financial Crime Compliance》（2026-10-15）：https://www.investor.fisglobal.com/news-releases/news-release-details/fis-aml-investigations-agent-now-commercially-available-help/
- The Paypers，《FIS AML agent built with Anthropic reaches US banks》（2026-10-16）：https://thepaypers.com/fraud-and-fincrime/news/fis-opens-aml-investigations-agent-built-with-anthropic-to-us-banks
了解合作方式
无论您是专业投资者还是机构伙伴，AI Quant 都根据资产所有权、投资者结构与治理目标，提供 MDA、BVI Approved Fund、Hong Kong OFC 与 Cayman SPC 等合作路径，并与专业顾问共同评估。可在合作模式介绍了解各架构的区别，或通过 Info@aiquantmanagement.com 与 AI Quant 联系。
免责声明：本文仅用于技术与行业信息交流，不构成任何投资建议或收益承诺。文中提及的机构与产品为公开资料案例，与 AI Quant 无任何关联。所引效率数据为单机构测算或第三方估计，不代表所有机构的实际结果。