Broadridge Financial Solutions 已在资本市场和财富管理运营中部署了具备代理能力的人工智能（agentic AI）能力，引入旨在在有限人工介入的情况下分析、优先级排序并解决运营异常的自主工作流系统。该技术已在 40 多家托管服务客户的生产环境中运行，每月处理数百万笔运营交易，覆盖交割后处理、账户管理以及客户服务工作流。根据 Broadridge 的说法，新客户在实施系统后可立即实现高达 30% 的运营成本降低。
金融行业较早的 AI 采用大多聚焦于生产力提升、协作式助手（copilots）、分析支持或对话式界面。Broadridge 的部署则侧重于“代理式 AI（agentic AI）”，这是一种模型：软件系统可自主执行运营任务、评估异常、发起行动并协调工作流，而无需持续的人工指令。
当前部署涵盖的运营职能包括：交易失败管理、差错处理、估值异常处理、账户维护工作流、客户询问自动化以及邮件工作流处理。系统在 Broadridge 所述的“由人工监督的架构（human-supervised architecture）”内部运行，以保持可审计性、监督和监管控制。
Broadridge 全球技术与运营部门总裁 Tom Carey 评论道：“我们相信，在金融服务新时代走在前面的公司，将是那些把 AI 直接嵌入到工作的实际完成方式之中的公司。”
Broadridge 此次公告中最重要的方面之一，涉及其对数据标准化与本体基础设施的强调。该公司认为，分散的运营数据仍是阻碍金融机构大规模部署 AI 的主要障碍。
大多数银行和资产管理机构仍在断联的系统之间运行：孤立的数据库、遗留工作流以及数十年来积累的不一致运营分类体系（taxonomies）。Broadridge 声称，它通过其所描述为行业首个、已在机构级规模上完成的金融服务本体来解决这一挑战。
该本体作为标准化、机器可读的数据层，将多种资产类别、工作流和机构系统中的运营与交易信息集成起来。根据 Broadridge 的说法，该基础设施汇聚了超过 60 年的运营数据，并支持日常交易活动超过 15 万亿美元，涵盖代币化与传统证券。
Broadridge 将这种标准化数据架构定位为关键差异因素：它将生产级的代理式 AI 系统与碎片化的实验区分开来。该公司认为，金融运营中的 AI 质量不仅取决于模型复杂度本身，更取决于结构化的运营上下文以及标准化的机构数据。
Broadridge 表示，其代理能力在 2024 年以来的托管服务业务中的生产部署中不断演进。公司目前为托管服务客户（managed services clients）提供两种部署模式。在第一种模式下，Broadridge 通过其外包基础设施端到端全面管理运营，并在这些工作流中嵌入代理式自动化。第二种模式允许机构通过 open-standard APIs（开放标准 API）将 Broadridge 的 AI 平台直接集成到自身基础设施中。
这两种方式都依赖相同的本体与运营框架。这种双重结构揭示了 AI 正在如何改变金融外包的经济性。托管服务提供商不再仅凭劳动力规模或运营专业能力竞争；它们越来越需要在专有工作流自动化、运营智能以及 AI 赋能的基础设施方面展开竞争。
如果代理式系统能够成功自动化交割后处理中的大部分环节、客户运营、对账、异常处理以及工作流协调，那么金融运营团队的组织结构可能会在一段时间内发生实质性变化。金融机构日益寻求在保持合规与监管控制的同时，减少手动运营工作量的方法。
与此同时，监管机构很可能会审查自主运营系统如何作出决策、如何升级异常、如何管理错误以及如何维护审计追踪记录（audit trails）。Broadridge 在整个公告中多次强调人工监督与治理，表明该公司理解并认可这些担忧。
该公司还表示，正在探索通过开放标准让行业更广泛地访问其本体基础设施的部分内容。如果得到落实，这可能会影响金融机构如何标准化运营数据，并在全行业部署可互操作的 AI 系统。
