雅各布·马丁是Jifiti的首席执行官。* * ***发现顶级金融科技新闻与活动！****订阅FinTech Weekly的通讯****由JP摩根、Coinbase、贝莱德、Klarna等高管阅读*** * *人工智能正在改变金融的每一个角落，预计到2027年，金融服务行业在人工智能上的支出将达到令人印象深刻的970亿美元。随着代理式人工智能（agentic AI agents）等技术重塑银行业和客户体验，一个因素正逐渐成为新的竞争优势：可发现性（discoverability）。目前，44%的消费者信任金融服务中的人工智能代理，这表明消费者行为正在发生转变。人工智能代理正超越个性化金融建议和反欺诈应用。其用例不仅在出现：它们会为消费者提供贷款选项；最终，它们还将为消费者完成申请，并自动化资金拨付。在不久的将来，人工智能代理很可能会处理从填写表格到身份验证，再到启动自动化承保（automated underwriting）的所有事项。对于银行而言，问题不再是是否要走向人工智能驱动，而是多快实现。随着人工智能优化的承保流程和“数字优先”的贷款机构重塑市场，当前投资的金融机构将继续在信贷生态系统中占据核心位置。那些延迟采用人工智能的机构，可能会完全失去可见性，因为年轻、技术原生的借款人会绕开传统渠道，转而选择更智能、更自动化的替代方案。 **可发现性是新的大门**--------------------------------------------使用人工智能引擎同时搜索和申请贷款，是客户体验的下一大飞跃。预计到2032年，全球金融服务市场中的人工智能代理价值将达到42.8亿美元。而对于银行和金融机构（FIs）而言，这一机会巨大，但也带来了一个新问题：不可见性（invisibility）。人工智能引擎不会根据贷款的质量来发现和排序；它们是根据“可读性”进行排序的。这被称为答案引擎优化（answer engine optimization，AEO）。如果一款贷款产品没有经过结构化设计以便于“摄取”，它就不会被考虑。例如，如果某个贷款的年利率（APR）和资格标准被深埋在PDF文件中，无论该贷款多具竞争力，人工智能引擎都不会将其呈现。银行必须确保提供的要约元数据（offer metadata）是明确的：贷款产品需要用结构化格式清楚描述——包括产品类型、APR、条款和资格标准。结构化的元数据确保人工智能代理能够准确索引、比较并采取行动。没有这些，甚至优质的贷款优惠也可能保持“不可见”。但可发现性的问题还更深。AEO帮助人工智能代理呈现贷款，但除了将数据以正确的格式呈现外，银行还需要合适的基础设施，让人工智能代理能够为客户提供由AI源头获取的贷款要约。例如，客户可以将贷款标准输入到人工智能代理的搜索引擎中，系统会立即显示所有相关的贷款要约，以及自动申请的选项。只需一键，客户就能获得有条件的贷款批准，这一切都由机器可读数据和API驱动的工作流支持。没有API驱动的放贷技术、没有数字化的用户旅程、没有非“数据孤岛”的数据，以及没有自动化的入职和决策流程的银行，将无法竞争。在这种环境下，如果你无法被发现，“更好的放款者”也就毫无意义。但这说起来容易做起来难。PYMNTS的一份报告显示，75%的银行在实施新数字解决方案时遇到困难，原因在于它们仍依赖传统（legacy）基础设施。而“59%的银行家认为他们的传统系统是重大的业务挑战，形容它们像‘意大利面’：相互连接却又过时的技术混杂体。” **公平性与新的合规前沿**------------------------------------------------如果可发现性是代理式放贷的“前门”，那么公平性就是新的合规前沿。人工智能引擎不仅可能会排除那些未针对AI可发现性优化的产品，还可能会排除整个类别的放款方——那些未达到技术标准的放款者。但这里的问题不在“可见性”，而在“公平”。现代代理式放贷引入了一种偏见贷款的变体：消费者可能被引导到那些拥有正确基础设施（API、干净的数据、自动化工作流）的放款方，而非最优的金融产品。如果没有透明的机制让人了解AI平台如何对贷款要约进行排序或呈现，消费者就可能仅仅因为某些放款方拥有正确的基础设施，而非优质产品，就被引导选择成本更高或不更适合的贷款。这为监管者带来了新的盲点。监管机构可能很快会问：“你们银行的过时基础设施是否在有效阻挡客户接触到你们最优的产品？”几十年来，监管一直关注放贷决策中的歧视行为。但随着代理式放贷的普及，监管视角将会扩大。未能实现现代化的银行，不仅可能失去市场份额，还可能被视为助长系统性偏见。 **银行仍可竞争——只要实现现代化**------------------------------------------------表面上看，代理式放贷似乎是为金融科技公司量身定制的，因为它们的技术架构本身就追求速度和灵活性。但优势并非专属。银行只需更新其运营模型。新兴的人工智能代理被设计用来寻找合适的产品、完成申请、提交KYC文件，并触发自动化承保。那些尚未实现端到端工作流数字化的银行，即使提供有竞争力的利率，也可能被绕开。它们需要一个协调系统，也就是编排平台（orchestration platform），将放贷流程中的所有关键环节连接起来，自动化工作流，并确保每一步都具备机器可读性和API访问能力。这种基础设施的编排层（orchestration layer）通常会集成所有关键功能以及第三方服务，包括身份验证（ID verification）、KYC/KYB、反欺诈、开放银行（open banking）、信用风险检查和自动化决策。金融科技公司已经是API原生，但许多银行的技术架构仍有待追赶。没有编排层，这些关键集成仍会各自为政，形成“孤岛”。而人工智能代理最终需要端到端的连续性，才能提供完整的贷款申请体验。编排层不仅“有用”，它还是那座桥梁，让传统银行在不拆除全部基础设施的情况下，参与到代理式放贷的生态系统中。那些实现基础设施现代化、自动化工作流的银行，可以重新掌控放贷流程，确保人工智能平台能呈现出它们的产品，让客户获得由AI驱动的、最优且最适合的贷款选择，而不仅仅是那些最容易被呈现的。
人工智能发现差距：为什么优质贷款可能被忽视，以及银行可以采取的措施
雅各布·马丁是Jifiti的首席执行官。
发现顶级金融科技新闻与活动！
订阅FinTech Weekly的通讯
由JP摩根、Coinbase、贝莱德、Klarna等高管阅读
人工智能正在改变金融的每一个角落，预计到2027年，金融服务行业在人工智能上的支出将达到令人印象深刻的970亿美元。随着代理式人工智能（agentic AI agents）等技术重塑银行业和客户体验，一个因素正逐渐成为新的竞争优势：可发现性（discoverability）。目前，44%的消费者信任金融服务中的人工智能代理，这表明消费者行为正在发生转变。
人工智能代理正超越个性化金融建议和反欺诈应用。其用例不仅在出现：它们会为消费者提供贷款选项；最终，它们还将为消费者完成申请，并自动化资金拨付。在不久的将来，人工智能代理很可能会处理从填写表格到身份验证，再到启动自动化承保（automated underwriting）的所有事项。
对于银行而言，问题不再是是否要走向人工智能驱动，而是多快实现。随着人工智能优化的承保流程和“数字优先”的贷款机构重塑市场，当前投资的金融机构将继续在信贷生态系统中占据核心位置。那些延迟采用人工智能的机构，可能会完全失去可见性，因为年轻、技术原生的借款人会绕开传统渠道，转而选择更智能、更自动化的替代方案。
可发现性是新的大门
使用人工智能引擎同时搜索和申请贷款，是客户体验的下一大飞跃。预计到2032年，全球金融服务市场中的人工智能代理价值将达到42.8亿美元。而对于银行和金融机构（FIs）而言，这一机会巨大，但也带来了一个新问题：不可见性（invisibility）。
人工智能引擎不会根据贷款的质量来发现和排序；它们是根据“可读性”进行排序的。这被称为答案引擎优化（answer engine optimization，AEO）。如果一款贷款产品没有经过结构化设计以便于“摄取”，它就不会被考虑。
例如，如果某个贷款的年利率（APR）和资格标准被深埋在PDF文件中，无论该贷款多具竞争力，人工智能引擎都不会将其呈现。银行必须确保提供的要约元数据（offer metadata）是明确的：贷款产品需要用结构化格式清楚描述——包括产品类型、APR、条款和资格标准。结构化的元数据确保人工智能代理能够准确索引、比较并采取行动。没有这些，甚至优质的贷款优惠也可能保持“不可见”。
但可发现性的问题还更深。AEO帮助人工智能代理呈现贷款，但除了将数据以正确的格式呈现外，银行还需要合适的基础设施，让人工智能代理能够为客户提供由AI源头获取的贷款要约。
例如，客户可以将贷款标准输入到人工智能代理的搜索引擎中，系统会立即显示所有相关的贷款要约，以及自动申请的选项。只需一键，客户就能获得有条件的贷款批准，这一切都由机器可读数据和API驱动的工作流支持。
没有API驱动的放贷技术、没有数字化的用户旅程、没有非“数据孤岛”的数据，以及没有自动化的入职和决策流程的银行，将无法竞争。在这种环境下，如果你无法被发现，“更好的放款者”也就毫无意义。
但这说起来容易做起来难。PYMNTS的一份报告显示，75%的银行在实施新数字解决方案时遇到困难，原因在于它们仍依赖传统（legacy）基础设施。而“59%的银行家认为他们的传统系统是重大的业务挑战，形容它们像‘意大利面’：相互连接却又过时的技术混杂体。”
公平性与新的合规前沿
如果可发现性是代理式放贷的“前门”，那么公平性就是新的合规前沿。人工智能引擎不仅可能会排除那些未针对AI可发现性优化的产品，还可能会排除整个类别的放款方——那些未达到技术标准的放款者。但这里的问题不在“可见性”，而在“公平”。
现代代理式放贷引入了一种偏见贷款的变体：消费者可能被引导到那些拥有正确基础设施（API、干净的数据、自动化工作流）的放款方，而非最优的金融产品。
如果没有透明的机制让人了解AI平台如何对贷款要约进行排序或呈现，消费者就可能仅仅因为某些放款方拥有正确的基础设施，而非优质产品，就被引导选择成本更高或不更适合的贷款。这为监管者带来了新的盲点。监管机构可能很快会问：“你们银行的过时基础设施是否在有效阻挡客户接触到你们最优的产品？”
几十年来，监管一直关注放贷决策中的歧视行为。但随着代理式放贷的普及，监管视角将会扩大。未能实现现代化的银行，不仅可能失去市场份额，还可能被视为助长系统性偏见。
银行仍可竞争——只要实现现代化
表面上看，代理式放贷似乎是为金融科技公司量身定制的，因为它们的技术架构本身就追求速度和灵活性。但优势并非专属。银行只需更新其运营模型。
新兴的人工智能代理被设计用来寻找合适的产品、完成申请、提交KYC文件，并触发自动化承保。那些尚未实现端到端工作流数字化的银行，即使提供有竞争力的利率，也可能被绕开。它们需要一个协调系统，也就是编排平台（orchestration platform），将放贷流程中的所有关键环节连接起来，自动化工作流，并确保每一步都具备机器可读性和API访问能力。
这种基础设施的编排层（orchestration layer）通常会集成所有关键功能以及第三方服务，包括身份验证（ID verification）、KYC/KYB、反欺诈、开放银行（open banking）、信用风险检查和自动化决策。
金融科技公司已经是API原生，但许多银行的技术架构仍有待追赶。没有编排层，这些关键集成仍会各自为政，形成“孤岛”。而人工智能代理最终需要端到端的连续性，才能提供完整的贷款申请体验。编排层不仅“有用”，它还是那座桥梁，让传统银行在不拆除全部基础设施的情况下，参与到代理式放贷的生态系统中。
那些实现基础设施现代化、自动化工作流的银行，可以重新掌控放贷流程，确保人工智能平台能呈现出它们的产品，让客户获得由AI驱动的、最优且最适合的贷款选择，而不仅仅是那些最容易被呈现的。