Broadridge Financial Solutions 已在資本市場與財富管理作業中部署代理式（agentic）人工智慧能力，推出自主流程系統，旨在以有限的人力介入來分析、優先處理並解決營運例外。該技術已在超過 40 家受管理服務客戶的生產環境中運作，每月處理數百萬筆營運交易，涵蓋交割後處理、帳戶管理以及客戶服務流程。根據 Broadridge 的說法，採用該系統的新客戶可在導入後立即實現最高 30% 的營運成本降低。
金融產業早期採用 AI 多聚焦於提升生產力、共駕式（copilots）、分析支援或對話式介面。Broadridge 的部署則著重於「代理式 AI」，即由軟體系統自主執行營運任務、評估例外、啟動行動並協調工作流程，而無須持續的人類指令。
目前的部署涵蓋多項營運功能，包括交易失敗管理、差異處理（break resolution）、估值例外處理、帳戶維護流程、客戶詢問自動化，以及電子郵件流程處理。這些系統在 Broadridge 所描述的「由人監督的架構」（human-supervised architecture）內運作，以維持可稽核性、監督與法規管控。
Broadridge 全球科技與營運事業部（Global Technology and Operations）總裁 Tom Carey 表示：「我們相信，在下一個金融服務時代領先的公司，將是那些把 AI 直接嵌入到工作的完成方式之中的公司。」
Broadridge 此次公告中最重要的面向之一，是其強調資料正規化與本體（ontology）基礎設施。該公司指出，分散的營運資料仍是阻礙金融機構大規模部署 AI 的主要障礙。
多數銀行與資產管理公司仍在彼此斷連的系統上運作，使用彼此隔離的資料庫、沿用數十年累積的舊有流程，以及不一致的營運分類法。Broadridge 聲稱它已透過其所描述的、業界首個在機構規模運作完成的金融服務本體，解決了這項挑戰。
該本體作為正規化、可由機器讀取的資料層，整合跨多種資產類別、工作流程與機構系統的營運與交易資訊。根據 Broadridge 的說法，該基礎設施來自超過 60 年的營運資料，並支援每日超過 15 鏈美元的交易活動，涵蓋代幣化與傳統證券。
Broadridge 將正規化資料架構定位為區分可用於生產環境的代理式 AI 系統與分散式實驗的關鍵差異。該公司主張，在金融營運中，AI 品質的取決因素不只在於模型本身的複雜程度，更在於結構化的營運情境與標準化的機構資料。
Broadridge 表示，其代理式能力自 2024 年起便透過在受管理服務業務中的生產部署逐步演進。公司目前提供客戶兩種部署模式。在第一種模式下，Broadridge 透過其外包基礎設施端到端全面管理營運，並將代理式自動化嵌入這些工作流程中。第二種模式則允許機構透過開放式標準 API，將 Broadridge 的 AI 平台直接整合到自身基礎設施。
兩種做法都依賴相同的本體與營運框架。這種雙重結構揭示了 AI 如何愈來愈改變金融外包的經濟模式。受管理服務供應商不再只以勞動規模或營運專業能力競爭；他們正逐步改以專有的工作流程自動化、營運智能，以及具 AI 能力的基礎設施來競爭。
如果代理式系統能成功自動化交割後處理中的相當部分工作、客戶營運、對帳、例外處理，以及工作流程協調，金融營運團隊的組成結構可能會在一段時間內發生重大變化。金融機構日益尋求降低手動營運負荷的方法，同時維持合規與法規管控。
同時，監管機構很可能會審視自主營運系統如何做出決策、如何升級（escalate）例外、如何處理錯誤，以及如何維持稽核軌跡。Broadridge 在此次公告中一再強調人類監督與治理，顯示該公司理解這些疑慮。
該公司也表示，正在探索透過開放標準讓產業更廣泛地存取其本體基礎設施的部分內容。若能落實，將可能影響金融機構如何標準化營運資料，以及在整個產業部署可互通的 AI 系統。
