最新讨论
当业务发生变化时，你的AI知道吗？
企业人工智能的下一个考验是它是否能够在使企业成为现实的义务、例外和决策范围内发挥作用。
想象一家保险公司收购了对新业务关闭的人寿保险保单组合。收购已完成。记录已迁移。员工可以找到 这些文件。人工智能助手已准备好回答客户服务问题。
投保人要求估算保单退保价值。助理检索一份真实的文件，正确引用它并给出令人信服的解释。然而，它选择了新产品的条款，而不是管理保单持有人合同的条款。
不需要编造任何东西，答案就会是错误的。
这个假设的案例暴露了比保持人工智能模型最新更深层的挑战。成熟的企业包含在不同时间、在不同条件下为不同客户做出的决策。有经验的员工会花费部分工作时间来协调这些差异。当保险单的修订改变了标准措辞以及当看似常规的请求需要专家时，他们知道哪种例外情况属于所收购的投资组合。
当我们自动化这项工作时，我们必须使这些判断明确、可测试和可维护。否则，人工智能可能会将未解决的组织模糊性转变为持续的操作错误。
这就是我想探讨的领导力问题：我们如何在改变企业运营方式的同时保留企业的意义？
答案可能同时需要过去和现在
回到前述假设中的投保人。这份保单于2008年签发，后来通过批单作了修改。随后，保单组合的所有权发生变更，保险公司又在今年引入了新的保单服务流程。金额测算还必须采用相关账户的适当当前余额和估值日期。
没有一个“最新版本”可以回答所有这些问题。
| 部分决定 | 建立权威的问题 |
|---|---|
| 合同权利 | 哪些保单条款和适用的修正案管辖该客户的请求？ |
| 操作流程 | 现在哪种批准流程适用于该保险组合和此类交易？ |
| 财务计算 | 哪个授权服务、假设、余额和评估日期决定金额？ |
| 行动许可 | 谁可以批准该行动，执行时还必须满足哪些条件？ |
不能简单地假设当前的客户服务指令会更改旧的合同权利。同样，旧合同并不意味着员工应该使用已停止的操作程序。适用的法律和合同解释属于合格的专家；该技术必须保留并应用那些合格专家批准的规则。
对于这种情况，保单管理系统或经过验证的计算服务应生成报价。人工智能可以收集相关证据，解释计算的输入并突出冲突。它不应该从检索到的散文中临时获得经济价值。
这种区别对于长期保险尤其重要。投资组合可以停止接受新业务，同时其客户服务、索赔和报告责任继续。现代化必须继承该保险组合的义务，包括其与保险公司新产品的区别。技术上成功的迁移仍然可能无法完全体现业务意义。
有经验的人在文档之间所做的工作
当两份文件不一致时，有能力的员工不仅仅选择最新的一份。他们调查这种关系：一个是一般规则，另一个是授权的例外情况？是否涉及不同的司法管辖区？变更是否已获批准但从未实施？这种不一致是否是真正需要做出业务决策的缺陷？
将这些来源混合成一个流畅段落的系统可以隐藏授权审阅者需要看到的分歧。流畅性可以消除明显的不确定性迹象，但不能解决其原因。
这就是为什么我会在设计检索过程之前检查经验丰富的员工的工作。请专家解释几个困难的案例，包括一个明显明显的来源是错误的案例。记录他们使用的区别以及支持它们的证据。也要挑战非正式的解决方法：长期的实践并不自动成为批准的规 则。
生成的资源比文档文件夹更有用。它是一个维护的账户，其中记录了哪些信息适用于哪些决策，以及授权解决不确定性的人员。这些知识可以改善员工培训、系统转换、操作一致性以及人工智能。
目标并不是将每个专业判断作为规则进行编码。有些案例确实仍然模棱两可。良好的设计可以尽早识别这些情况，解释未解决的问题，并为具有适当资格的专家提供决定的证据和权力。
合并让问题变得显而易见；代理人工智能使其变得紧迫
一家整合所收购业务的银行遇到了相关的挑战。两个客户可能看似持有相同的账户类型，但具有不同的协议、定价安排或客户服务例外情况。合并的客户记录并不表明他们的待遇应该相同。
在假设的费用查询中，助理可能会找到收单银行的当前费率，同时忽略为被收购客户群保留的有效安排。补救措施是建立管理协议和授权待遇，而不仅仅是更频繁地刷新关税。如果记录存在冲突，则需要先解决该案例，然后才能批准响应或调整。
这对收购计划具有战略意义。为移动记录制定预算但将含义协调留给一线员工的业务案例可能会导致巨大的集成负担无法解决。人工智能投资应该暴露这种负担并帮助减轻它，而不是让它在统一界面背后变得不那么明显。
巴塞尔委员会 2026 年 1 月 BCBS 239 时事通讯将合并、新产品、分散的数据资产和数据沿袭视为持续的实施挑战。这是对风险数据实践的信息讨论，而不是新的人工智能要求。它在这里的相关性是业务变化、数据意义和持续管理所有权之间的联系。
智能人工智能提高了风险，因为错误的解释可能会超出答案。检索代理提供证据，第二个代理准备建议，第三个代理启动允许的工作流程。如果这些代理都依赖于同一个不适用的来源，那么它们之间的协议就很难保证。该系统需要一个通用的、受控的基础来决定哪些证据是合格的以及哪些行动是授权的。
架构必须保留决策的基础
检索增强生成（RAG）将检索到的信息带入模型的响应中。它可以使答案更容易追踪，但仅相关性并不能建立适用性。高度相关的段落仍然可能涉及错误的合同或客户群。
我们提出的设计将四个职责分开：立案、选择适用的证据、做出解释以及授权任何行动。该模型可以在该过程中做出贡献；它不应该负责授予自己访问权限或决定自己权限的限制。
原Genellipse图。标签为英文；随附的说明以您选择的语言提供。
阅读解释和假设
可信案例背景、经批准的来源和授权的财务系统提供了不同的输入。
在有界人工智能准备解释之前，独立的资格检查会确定适用的来源、访问权限和 有效日期。
由合格的授权审核员处理异常情况。在执行之前，工作流会重新检查权限、源有效性和当前状态。每个阶段都会保留证据。
首先，可信系统提供保单或账户身份、产品、市场和相关日期。批准的规则确定用户和工作流程可以访问哪些源以及应用哪些版本。只有符合条件的材料才会进入答案生成阶段。元数据过滤器是一种可用的技术机制；微软的搜索文档描述了通过定义的标准过滤内容。困难的业务工作仍然是同意并维持这些标准。
当前余额和财务计算遵循其自己授权的系统连接。证据记录应将解释与合同版本、检索材料、计算结果、未解决的异常和批准联系起来。这为授权审阅者提供了比文字记录更有用的东西：了解决策如何达成的基础。
在产生重大后果的行动之前，系统会再次检查。当来源被撤回、帐户更改或批准过期时，推荐可能会在队列中等待。当操作执行时，权限和状态必须仍然有效。传统 API 和 Model Context Protocol (MCP) 工具都需要这种规则；这两种连接类型都不会自行创建业务权限。
改变来源意味着管理后果
一旦解决了影响工作，知识维护就成为一项运营责任。假设中午撤回了一个程序。受影响的材料可能已经存在于索引、翻译副本、缓存答案和几个未完成的案例中。替换主文件只能解决问题的一部分。
组织需要识别这些依赖关系，防止进一步不当使用，验证更改是否已传播，并确定哪些未决案例需要重新评估。如果决策已经执行，更改知识库并不能修复它。授权团 队必须评估后果和任何纠正措施。
历史证据应在适当的保留和访问安排下保持可用。有两个不同的问题需要保留：现在应该由什么来指导决策，以及在做出早期决策时可以获得哪些信息。记录生效日期和输入系统的更改日期有助于将这些问题分开。
必须有人拥有完整的流程。企业主批准适用性；工程验证传播；运营部门处理受影响的案件；风险、合规和法律专家评估其职权范围内的后果。服务所有者必须解决这些职责之间的差距。 NIST 的管理指南包括部署后监控和变更管理；这里描述的操作安排是我们建议的应用程序。
监督水平应反映错误的后果。 EIOPA 2025 年 8 月的意见对保险领域的人工智能治理采取基于风险和比例的方法。我的实际解释是，一般信息响应和影响保单持有人资金的行动需要不同级别的证据、批准和控制。该意见提交给国家监管机构；它不是任何平台的认证。
衡量整个决策的成本
如果生产力主张只注重更快的准备，而忽略协调、纠正和解释结果的人员，那么生产力主张是不完整的。调动工作还存在风险：助理会处理更多请求，但专家会继承越来越多的困难例外情况。
因此，业务案例应该衡量整个旅程，包括保持知识可用的成本。以下每月示例是假设的；其输入是讨论假设，而不是 Genellipse 结果或预测。
| 测量 | 起始假设 | 评价目标 |
|---|---|---|
| 服务请求 | 12,000 | 12,000 |
| 需要知识相关返工的请求 | 1,800 (15%) | 720 (6%) |
| 每个受影响请求的平均返工量 | 18 分钟 | 18 分钟 |
| 总返工量 | 540 小时 | 216 小时 |
差异为 324 小时的总容量。如果维护源并执行额外审核需要 60 个增量小时，则还剩 264 小时。只有当实际费用发生变化时，这些时间才能节省资金。相反，它们可能会支持更高的容量、更短的等待时间或更好的服务。实施、平台和其他运营成本仍然属于投资计算。
目标还需要证据证明干预措施带来了改善。比较同等的产品组和案例类型；考虑数量、人员配置和复杂性的变化。检查重复联系是否只是转移到另一个频道。平均水平的提高可以掩盖小型继承投资组合的恶化。
无法仅使用单一准确率来评估质量。错误的后果不同：错误的解释和不正确的付款指令不应具有相同的重要性。通过生成保险合同、管辖权、例外类型和行动严重性来测试疑难案件。跟踪未解决的异常及其存在时间，因为推迟一切的助手可能会很谨慎，同时几乎没有提供任何操作价值。有用的评估可以显示系统在哪些方面取得了成功，以及人们在哪些方面仍需要干预能力。
我要求领导资助什么——以及 Genellipse 如何提供帮助
第一个投资是懂业务的人的时间。他们的参与应该有预算、授权和交付验收的位置。将领域专业知识视为对技术项目的偶尔支持会导致最重要的决策悬而未决。
在 Genellipse，我们可以从一个具有重大影响的业务流程开始：为收购的人寿保险组合提供客户服务、解决银行异常或准备保险审查。我们在选择自动化之前制定决策。这包括确定权威系统、治疗的合法变化、计算以及必须做出判断的要点。
GeneData 可以提供治理的信息基础，将数据和业务知识与所有权和血统连接起来。 Cortex AI OS 提供协调代理、权限、审查和活动记录的环境。在保险之旅中，AegisNow 将保单管理、保险和精算环境以及相关的现有系统和经过验证的计算纳入设计中。
GeneSecure 和 GeneComply 支持安全和控制证据工作，而 GeneAnalytics 可以使异常、返工和服务结果可见。其价值在于围绕共享决策流程配置这些功能。我们与合作伙伴确认产品适配、集成和控制要求，而不是假设每个连接都已可用。
对于适当限制的范围，一旦访问、代表性数据和决策者可用，我们的目标是在六周内实现 MVP。它的接受应该证明三件事：正确处理例行案件；将疑难案件转交给具有充分证据的合格专家；以及影响受影响工作流程和待处理工作的源更改。为期六周的 MVP 为下一次投资奠定了证据；将保险组合更广泛地迁移到另一个系统或企业部署需要单独的计划。
这也是我们计划于 2026 年 10 月下旬推出 Cortex Blueprint 背后的业务需求：帮助组织在发展其运营模式时连接业务成果、负责人、信息、代理和控制。它仍然是计划中的介绍，而不是声称已经为每个组织配置了本文中描述的功能。
持久的机会是使专业知识更容易一致地应用，通过组织变革保留它并减少解释决策所需的工作。这让人们更有能力处理判断力最重要的案件 。
在批准人工智能的下一次扩展之前，我会要求团队演示从合同到行动的一个决定，然后中途更改规则。组织能否确定哪些变化、哪些必须保持不变以及谁对结果负责？
这个演示比另一个精心准备的答案更能告诉领导团队准备情况。
从思考到实践
