MongoDB 为何认为可执行银行服务是通往完全自主银行的关键一步

MongoDB 在博文中把银行智能化拆成三级阶梯：被动银行由客户发起交互；可执行银行由银行基于实时事件分析主动出击，智能体处理事件但决策权仍在客户；自主银行则由客户预设限额、可随时撤销的个人金融智能体自行行动。文章强调，可执行与自主之间的差距不在模型，而在证据——银行必须能说明每个智能体看到了什么、决定了什么、做了什么、由谁授权。 三个示例工作流都从个人金融智能体开始，它通过事件驱动通知监听日常银行活动，遇到大额入账、信用卡逾期、新办按揭等事件时启动工作流并交给专业智能体，最终返回可供客户讨论的建议。主动投资场景中，风险评估智能体的输出必须作为证据留存，而非仅在提示词中传递；主动借贷因涉及欧盟 AI Act 高风险用途，需要信贷风险官审核批准；主动增值服务则以保险方案作为可选报价，绝不作为贷款条件。每个流程的终点是“推送并讨论”，而非“执行”。 参考架构上，记录系统写入 MongoDB Atlas，由其保存每位客户的操作视图；change streams 把业务时刻转为事件，专业智能体运行在 Atlas Agent Engine 上，通过带逐智能体访问控制的共享记忆层共享客户上下文，所有智能体动作与工具调用记入单一不可篡改的审计轨迹。 文章引用 McKinsey 估算，全球 170 万亿美元消费者存款中有 23 万亿美元躺在零利率或接近零利率账户；未能适应智能体 AI 的银行可能面临全球利润池下降约 1700 亿美元、约 9%。Gartner 则预计到 2027 年底超过 40% 的智能体 AI 项目会因成本、价值不清或风险控制薄弱被取消。Atlas Agent Engine 自 2026 年 9 月起公开预览，跨模型与框架中立，基于 MCP、A2A 等开放标准；Paysafe 已在探索基于该引擎的智能体，用于调查异常支付活动。