CASE PROJECT
BNY
BNY 企业 AI 改造的公司背景、实施经历、结果、问题与证据。
BNY AI 改造研究
BNY AI 改造研究
导航
一句话结论
BNY 不只提供聊天工具,而是通过统一平台 Eliza 管理模型、Agent 和具有身份权限的“数字员工”,适合研究 Agent 如何成为受治理的组织执行单元。
BNY AI 改造调研与证据
BNY AI 改造调研与证据
改造路线
BNY 选择自建统一平台 Eliza,为员工提供多个模型、内部知识和构建能力。公司先推动全员培训、内部社区、promptathon 和 hackathon,再扩展到 Agent 与“数字员工”。
BNY 对数字员工的定义比普通 Agent 更接近组织成员:可以拥有登录身份、邮箱、头像和固定工作流,并能报告活动、发送和接收信息。2025 年公司披露已开始运行一百多个数字员工,并继续建设多 Agent 系统与更自治的流程。
实际用例
- 合同审查助手:公司称将部分法律审查从约四小时缩短至一小时;
- 客户会前准备和研究;
- 学习指标和经营数据查询;
- 跨系统执行和决策支持。
真实张力
- 具有身份的 Agent 应被视为账号、软件还是员工;
- 权限、职责分离和操作审计需要重新设计;
- 高采用率不能证明数字员工带来的财务增量;
- 公司强调扩展产能而非裁员,但岗位长期变化仍需追踪。
资料
- BNY 2025 Annual Report
- BNY:Unlocking Value with Eliza
- TIME:BNY CEO Robin Vince 访谈
- OpenAI:BNY builds AI for everyone
- SEC:BNY 2025 mid-year update
- Axios:BNY 的数字员工
证据判断
通过准入。企业、监管、CEO 访谈、合作方和独立媒体齐全;具体效率主要是公司自报。
BNY 公司介绍
BNY 公司介绍
BNY(原纽约梅隆银行)是美国大型金融基础设施和资产服务机构,业务包括证券托管、清算、资产管理、资金服务和面向金融机构的后台能力。
它拥有大量受监管、跨系统、权限敏感的知识和操作流程,因此 AI 改造不能只解决问答,还必须处理身份、访问控制、审计和责任归属。
研究对象
- 企业 AI 平台 Eliza;
- 员工自建 Agent;
- 多 Agent“数字员工”;
- 从生产力工具走向自治工作流的过程。