先打底(di)座(zuo)：自有化运(yun)营(ying)、上云、重做数(shu)据架构

NBIM人士回想，自2015年(nian)以来机构经历多轮转(zhuan)型，为AI铺路的“三大肆措”包含：

• 运(yun)营(ying)自有化：将结算、基金会计(ji)、估值等(deng)从外包“收回”，以“掌控流程，也掌握(wo)知识(shi)”；
• IT迁移到私有云：寻求“有限的数(shu)据增长”和立即(ji)扩大，解脱硬件更新周期；
• 数(shu)据库古代化：旧数(shu)据库难以婚配云的可(ke)扩大性，因此整体迁移到古代架构。

• 运(yun)营(ying)自有化：将结算、基金会计(ji)、估值等(deng)从外包“收回”，以“掌控流程，也掌握(wo)知识(shi)”；
• IT迁移到私有云：寻求“有限的数(shu)据增长”和立即(ji)扩大，解脱硬件更新周期；
• 数(shu)据库古代化：旧数(shu)据库难以婚配云的可(ke)扩大性，因此整体迁移到古代架构。

为了把数(shu)据“清清洁”，Tangen用极(ji)其直白的话描述推进难度：“清理数(shu)据一点都欠好玩。所(suo)以这是世界上最无聊的事情(qing)。有人会感谢你清理数(shu)据吗？不会……你基本(ben)上就是告诉他们，1月31号我们要封(feng)闭旧数(shu)据。若是你第二天发明(ming)没稀有据可(ke)用，那你看起来就太蠢了。”在上述改造后，NBIM称已拥有“一个高质量、整齐有序的外部和外部数(shu)据会合库，可(ke)以用于人工智能”。

全员带动：20名AI大使+强制培训，“像黄(huang)蜂一样紧盯”

NBIM将AI推广定义为组织工程。其AI负责人提到，机构设(she)立了“大使收集(ji)/提倡者”：组织内(nei)“共有20名自愿者”，使命是在团队中挖(wa)掘可(ke)落地用例，并在AI团队与Anthropic支撑下推进，“Anthropic每周两次帮助我们启(qi)动项目”。

培训方面更是“强制实行”。Tangen在现场(chang)抛出一句被反复传播的狠(hen)话：“这是强制性的。人们喜欢强制性的吗？他们讨厌强制性的，由于这就像回到了小学(xue)。可(ke)以自愿到场(chang)吗？不可(ke)，由于最必要帮助的恰正是那些不想到场(chang)的人。必须强制实行，而且要像黄(huang)蜂一样紧盯他们，邃晓(xiao)吗？”

工具(ju)遍及上，NBIM称“凌驾一半的员工都在使用云代码来创建办理方案(an)”，且“凌驾三分之二的人注册并开(kai)始(shi)使用它了”；另有开(kai)辟工具(ju)“约(yue)70%的用户正在使用”。

先碎片(pian)化落地：挖(wa)出171个项目，但“没有绝佳AI用例”

NBIM把本(ben)身AI转(zhuan)型拆成(cheng)三个阶段：先给工具(ju)/培训/实验时间；再试图寻找能“周全提拔”的高代价用例；末了持续迭代升级。

但在第二阶段，他们的结论并不“爽文(wen)”。AI负责人说，团队经过访谈和钻研会“发明(ming)了171个新项目”，却“并没有找到那个所(suo)谓的‘绝佳人工智能用例’”。他总结得很实际：“好音讯(xun)是，在开(kai)始(shi)转(zhuan)型之前，我们的效率并不算低。坏音讯(xun)是，我们不得不先完成(cheng)全部这些小型项目，能力真正进步效率。所(suo)以，事情(qing)量异常大。”

与此同(tong)时，NBIM也在调解研发方法：传统Scrum“异常耗时”，更好的做法是“只保(bao)留(liu)两名开(kai)辟职(zhi)员和一名营(ying)业职(zhi)员”，在更小团队里借助AI提拔交付速度。

10个用例麋(mi)集(ji)上墙：从投资决议、收集(ji)安全到财报生成(cheng)

NBIM在会上用“每一个用例3分钟”的方式疾速展示落地场(chang)景，覆盖投资前中背景与支撑部分：

• 投资：大宗交易一小时决议，用“智能体协同(tong)”抢时间：投资团队称每年(nian)会收到“约(yue)200个”类似哀(ai)求：投行推介大额股(gu)票出售(shou)，必要“在一小时内(nei)得到答复”。他们用多个智能体离别做收集(ji)搜刮、条目提取、指数(shu)效应测算等(deng)，目标是“在很短的时间内(nei)得到完整的决议底(di)子”。团队总结：“当高盛询(xun)问成(cheng)绩时，我们花(hua)在收集(ji)数(shu)据上的时间更少，花(hua)在分析数(shu)据上的时间更多。”

• 收集(ji)安全：一年(nian)“约(yue)1万亿”数(shu)据点，AI把半小时分诊压(ya)到五分钟：安全团队称每年(nian)收集(ji)“约(yue)1万亿个”数(shu)据点，从中筛出“约(yue)10万到100万个”可(ke)疑信息。现在“我在中午(wu)接到德律风时，我们的一位代理也同(tong)时开(kai)始(shi)事情(qing)”，而且“他五分钟就能完成(cheng)我原本(ben)必要半小时能力完成(cheng)的事情(qing)……它从不拖泥带水。”

• 公司会议筹备：一年(nian)3000多场(chang)会议，对准“10000小时”：NBIM称2025年(nian)召开(kai)“3000多场(chang)公司会议”，每场(chang)筹备“约(yue)三个小时”，一年(nian)接近“10000个小时”。多智能体系统会研究(jiu)材料并由末了的智能体评估输出质量，还强调可(ke)追(zhui)溯引用以免“虚假(jia)信息”，并设(she)计(ji)到场(chang)“模(mo)拟(ni)组件”预测对方可(ke)能回应。

• 合规监控：6个子代理+主代理“伊娃”，降低误(wu)报委靡：合规团队将交易警报拆解为交易背景、指数(shu)再平衡、公司旧事、行业旧事、时间形式、公司互动六类并行评估，汇总到主代理“增强型鉴戒代理‘伊娃’”，仅在“隐约(yue)/没法自动推断/必须人工最终决议”时移交人工。

• 财政(zheng)造假(jia)辨认：自建案(an)例库训练模(mo)子，输出“股(gu)价下跌几率”：针对基准约(yue)7000家公司，团队称要清理“过去16年(nian)”的账目，训练模(mo)子辨认财政(zheng)遮盖。其自建数(shu)据集(ji)收集(ji)“数(shu)千个”历史案(an)例，模(mo)子输出为“发生此类案(an)件并导(dao)致股(gu)价下跌的几率百分比(bi)”，且“已投入临盆”。

• 财政(zheng)披露自动化：2.5人团队省出8天，把分析提早到关账前：基金会计(ji)部分称此前依附复杂Excel与大批人工操作，往常从“单一数(shu)据源”重建，用云代码等(deng)工具(ju)实现自动汇总导(dao)入；“外汇和税务分析在第2个事情(qing)日即(ji)可(ke)一键(jian)完成(cheng)……周全自动化将使我们这个原本(ben)专注于临盆的小团队（2.5人）俭省出八地利间。”

• 责任投资筛查(cha)：8人团队用AI筛60国7000+公司：责任投资团队称若纯人工筛查(cha)，可(ke)能必要“3000名分析师周末加班”，现在经过两阶段模(mo)子筛查(cha)公然信息并出具(ju)结构化风险报告，最终“分析师从新介入并做出决议”，必要时相同(tong)或撤资。

• 法务谈判：谈判模(mo)拟(ni)器称可(ke)预测“凌驾80%”论点：法务人士称AI可(ke)用于谈判策略规划与语(yu)音模(mo)拟(ni)，“我们可(ke)以或许预测凌驾80%的论点”，并将AI扩大到条约(yue)组合分析，挖(wa)掘条目规律与联系干系。

• 交易实行与“市场(chang)打击”：客岁估计(ji)约(yue)140亿美圆：NBIM指出基金在60多个市场(chang)交易、外部约(yue)250个投资组合，范围带来“市场(chang)打击”——“客岁估计(ji)约(yue)为140亿美圆”。其思路包含用AI做价格走势预测以“培育种植提拔耐(nai)心”，以及在外部分歧组合之间进行更好的资金调度，“我本(ben)日早上查(cha)看了一下我们的资金储备。现在我们有100亿美圆寄(ji)存着。客岁，我们寄(ji)存了凌驾1200亿美圆。”他并称若按既有成(cheng)本(ben)结构推演，“这个数(shu)字会接近200亿美圆”，并强调AI是“如虎添翼”，但也在推进对流程与明(ming)白的提拔。

投资：大宗交易一小时决议，用“智能体协同(tong)”抢时间：投资团队称每年(nian)会收到“约(yue)200个”类似哀(ai)求：投行推介大额股(gu)票出售(shou)，必要“在一小时内(nei)得到答复”。他们用多个智能体离别做收集(ji)搜刮、条目提取、指数(shu)效应测算等(deng)，目标是“在很短的时间内(nei)得到完整的决议底(di)子”。团队总结：“当高盛询(xun)问成(cheng)绩时，我们花(hua)在收集(ji)数(shu)据上的时间更少，花(hua)在分析数(shu)据上的时间更多。”

收集(ji)安全：一年(nian)“约(yue)1万亿”数(shu)据点，AI把半小时分诊压(ya)到五分钟：安全团队称每年(nian)收集(ji)“约(yue)1万亿个”数(shu)据点，从中筛出“约(yue)10万到100万个”可(ke)疑信息。现在“我在中午(wu)接到德律风时，我们的一位代理也同(tong)时开(kai)始(shi)事情(qing)”，而且“他五分钟就能完成(cheng)我原本(ben)必要半小时能力完成(cheng)的事情(qing)……它从不拖泥带水。”

公司会议筹备：一年(nian)3000多场(chang)会议，对准“10000小时”：NBIM称2025年(nian)召开(kai)“3000多场(chang)公司会议”，每场(chang)筹备“约(yue)三个小时”，一年(nian)接近“10000个小时”。多智能体系统会研究(jiu)材料并由末了的智能体评估输出质量，还强调可(ke)追(zhui)溯引用以免“虚假(jia)信息”，并设(she)计(ji)到场(chang)“模(mo)拟(ni)组件”预测对方可(ke)能回应。

合规监控：6个子代理+主代理“伊娃”，降低误(wu)报委靡：合规团队将交易警报拆解为交易背景、指数(shu)再平衡、公司旧事、行业旧事、时间形式、公司互动六类并行评估，汇总到主代理“增强型鉴戒代理‘伊娃’”，仅在“隐约(yue)/没法自动推断/必须人工最终决议”时移交人工。

财政(zheng)造假(jia)辨认：自建案(an)例库训练模(mo)子，输出“股(gu)价下跌几率”：针对基准约(yue)7000家公司，团队称要清理“过去16年(nian)”的账目，训练模(mo)子辨认财政(zheng)遮盖。其自建数(shu)据集(ji)收集(ji)“数(shu)千个”历史案(an)例，模(mo)子输出为“发生此类案(an)件并导(dao)致股(gu)价下跌的几率百分比(bi)”，且“已投入临盆”。

财政(zheng)披露自动化：2.5人团队省出8天，把分析提早到关账前：基金会计(ji)部分称此前依附复杂Excel与大批人工操作，往常从“单一数(shu)据源”重建，用云代码等(deng)工具(ju)实现自动汇总导(dao)入；“外汇和税务分析在第2个事情(qing)日即(ji)可(ke)一键(jian)完成(cheng)……周全自动化将使我们这个原本(ben)专注于临盆的小团队（2.5人）俭省出八地利间。”

责任投资筛查(cha)：8人团队用AI筛60国7000+公司：责任投资团队称若纯人工筛查(cha)，可(ke)能必要“3000名分析师周末加班”，现在经过两阶段模(mo)子筛查(cha)公然信息并出具(ju)结构化风险报告，最终“分析师从新介入并做出决议”，必要时相同(tong)或撤资。

法务谈判：谈判模(mo)拟(ni)器称可(ke)预测“凌驾80%”论点：法务人士称AI可(ke)用于谈判策略规划与语(yu)音模(mo)拟(ni)，“我们可(ke)以或许预测凌驾80%的论点”，并将AI扩大到条约(yue)组合分析，挖(wa)掘条目规律与联系干系。

交易实行与“市场(chang)打击”：客岁估计(ji)约(yue)140亿美圆：NBIM指出基金在60多个市场(chang)交易、外部约(yue)250个投资组合，范围带来“市场(chang)打击”——“客岁估计(ji)约(yue)为140亿美圆”。其思路包含用AI做价格走势预测以“培育种植提拔耐(nai)心”，以及在外部分歧组合之间进行更好的资金调度，“我本(ben)日早上查(cha)看了一下我们的资金储备。现在我们有100亿美圆寄(ji)存着。客岁，我们寄(ji)存了凌驾1200亿美圆。”他并称若按既有成(cheng)本(ben)结构推演，“这个数(shu)字会接近200亿美圆”，并强调AI是“如虎添翼”，但也在推进对流程与明(ming)白的提拔。

钻研会末了，Tangen总结这轮展示只是“至多现在我们的情(qing)况”，由于模(mo)子更新速度太快：“这项技能发展日新月异，每周、每个月都有新的模(mo)子问世，新的机遇涌现。”

以下是文(wen)字记录

语(yu)言的人1 00:00

热烈欢迎列位到场(chang)挪威(wei)银行举(ju)行的首届人工智能钻研会。这是一个意义非(fei)凡的时刻，由于我们从未见过这样的技能。它的发展并非(fei)风平浪静，而是持续向上攀升，险些达(da)到了垂直增长的程度。

语(yu)言的人1 00:20

这项技能现在能做什么？成(cheng)绩在于我们所(suo)说的技能多余——我们可(ke)否充分利用全部这些技能？我认为真正的难点在于怎样让(rang)各个机构吸收并利用我们拥有的技能。正如您所(suo)知，我们是世界上最通明(ming)的基金。为何(he)通明(ming)度是功德？我认为它的优点在于，人们可(ke)以相识(shi)我们的运(yun)作，我们置信这能创建信任。同(tong)样重要的是，我们可(ke)以放眼世界，相识(shi)世界正在做什么。我认为这正是我们一直异常热中于吸收这项新技能的缘故原由，由于我们也会与世界各地的向导(dao)人交流，相识(shi)若是正确运(yun)用这项技能，它能带来什么。

语(yu)言的人1 01:14

我们以为邀请列位真是太好了，这并非(fei)由于我们自认为做得完美，而是由于我们也想向你们学(xue)习。我们与你们分享履历，也希望你们与我们分享。更棒的是，我们之间不存在竞争，可(ke)以合作，在天下范围内(nei)分享最佳理论。我梦想着我们可(ke)以或许通力进行，公私部分配合提拔临盆力——在这个国度，这无疑是一个远大的目标。

我们公司有很多运(yun)用案(an)例，正本(ben)可(ke)以挑(tiao)选很多分歧的案(an)例，最终选择了10个，我们认为这足以显现我们所(suo)做的分歧事情(qing)。有些案(an)例帮助我们赚更多钱，有些帮助我们省钱，有些进步效率，有些进步准确性和质量，还有一些则让(rang)我们免于去做枯燥有趣的事情(qing)。在这个新期间，我们不该该把时间虚耗在枯燥有趣的事情(qing)上，希望大家都能认同(tong)这一点。

语(yu)言的人1 02:27

首先，我们将扼要介绍一下我们现在在技能方面所(suo)处(chu)的地位。Bikita将扼要介绍我们在人工智能范畴的发展进程，以及我们怎样努力使其惠及整个组织。Lydia将讲授我们为确保(bao)正确实行而创建的框架——它必须切合范例，而且必须安全靠得住。之后，Tron将与我们的10位同(tong)事一路，为大家展示许多用户案(an)例。但首先，请列位先听(ting)我说完。

语(yu)言的人2 03:06

谢谢尼古拉。自2015年(nian)以来，NBIM进行了屡次转(zhuan)型。本(ben)日我想重点谈谈我们为人工智能计(ji)谋奠基底(di)子的三大肆措。

首先，我们实现了运(yun)营(ying)的自有化。在此之前，我们聘(pin)请外部供应商负责结算、公司举(ju)动、基金会计(ji)、估值等(deng)全部营(ying)业。但随着营(ying)业拓展到新市场(chang)，我们必要更深入的专业知识(shi)和更丰(feng)富的数(shu)据。因此，我们的办理方案(an)是将全部营(ying)业都收回，不但要掌控流程，还要掌握(wo)知识(shi)。

接上去，我们将全部IT底(di)子设(she)施和系统迁移到私有云。在此之前，我们租用外部数(shu)据中心的空间，并将技能外包。但我们发明(ming)数(shu)据容量存在某种下限，而我们想要的是有限的数(shu)据增长、立即(ji)扩大范围的能力，以及解脱办事器更新周期的搅扰(rao)。迁移到私有云后，我们很快发明(ming)，迁移过来的旧数(shu)据库没法满足相同(tong)的请求，没法充分利用云办事供应商供应的可(ke)扩大性。因此，我们决定将所(suo)稀有据库办理方案(an)迁移到古代化架构，以得到同(tong)样的可(ke)扩大性。

语(yu)言的人1 05:06

清理数(shu)据一点都欠好玩，这是世界上最无聊的事情(qing)。没有人会感谢你清理数(shu)据。那怎么能力让(rang)人们清理数(shu)据呢？基本(ben)上就是告诉他们：1月31日我们要封(feng)闭旧数(shu)据，若是你第二天发明(ming)没稀有据可(ke)用，那你看起来就太被动了。所(suo)以我们经常熬(ao)夜，整个团队的事情(qing)量也相当巨大。

语(yu)言的人2 05:36

对公司全部员工来说，整理和重写代码至关重要。现在，我们拥有一个高质量、整齐有序的外部和外部数(shu)据会合库，可(ke)以用于人工智能。以上三点是我们为人工智能范畴获得成(cheng)功奠基的底(di)子。接上去，我将把话筒交给Steham，他会为大家介绍我们之后的事情(qing)。

语(yu)言的人4 06:14

接上去我带大家回想一下我们的人工智能之旅，以及我们之前在人工智能范畴所(suo)面临的诸多挑(tiao)战，比(bi)如数(shu)据错误(wu)、大批的计(ji)算资源需求等(deng)。这统统始(shi)于大约(yue)两年(nian)前，其时尼古拉邀请了OpenAI的萨姆·奥特曼和Anthropic的达(da)里奥·阿莫迪做客他的播客节目。他认为我们的效率应该进步20%，于是说："Steham，你来搞(gao)定。"我说："谢谢，这目标很容易实现。"

我们最终是怎样做到的呢？萨姆就像一块永不干涸(he)的电(dian)池(shi)，在过去两年(nian)里一直激励着我们全部人。每一个人都得到了所(suo)需的工具(ju)，投入了时间，进行了实验，并创建了许多分歧的项目，探(tan)索(suo)怎样利用人工智能来提拔本(ben)身能力。但若是我们想要进步20%的效率，这些还远远不够。若是我们想要真正开(kai)始(shi)使用人工智能，就必须转(zhuan)变我们的习气。因此，我们必要不断督促大家，反复勉励。为此，我们为全部人创建了一个技能提拔设(she)计(ji)，稍后我会详细介绍。别的，我们还创建了一个收集(ji)，帮助大家疾速上手，并连(lian)结这类势头。

语(yu)言人4 07:35

我们在2025科技年(nian)流动中开(kai)展了一系列流动，旨在让(rang)人工智能成(cheng)为每一个人关注的焦点。首先，我们创建了大使收集(ji)，你也可(ke)以或许称之为提倡者收集(ji)。

语(yu)言人4 07:53

组织内(nei)共有20名自愿者，他们的使命是：在团队中找出一个可(ke)以利用人工智能开(kai)展的有代价的项目用例，并在其他大使、人工智能团队以及Anthropic的帮助下推进办理。Anthropic每周两次帮助我们启(qi)动项目。

语(yu)言的人4 08:17

我们为这些大使和人工智能团队筹备了为期两个月的培训，以确保(bao)项目可(ke)以或许顺遂推进。大使们不但要办理项目难题、展示团队气力，还要参与其他环节。我们很快就能看到人工智能在公司各个方面发挥的代价。这张幻灯片(pian)传达(da)的焦点信息是：到2025年(nian)，NBIM发生的每件事都将与人工智能毫不相干。

语(yu)言人4 08:56

若是你组织集(ji)会，人工智能确定在议程上。我们在伦敦、奥斯陆和新加坡举(ju)行了大型技能钻研会，完全专注于技能栈、云计(ji)算、数(shu)据仓(cang)库，固然还有人工智能。向导(dao)力峰会上，人工智能同(tong)样是议程重点。人工智能的推广持续进行，不断提醒人们在一样平常事情(qing)中运(yun)用人工智能。

我们不但培训了人工智能大使，也培训了组织内(nei)的其他成(cheng)员。我们设(she)计(ji)了七个30分钟的培训课程，每一个课程围绕一个分歧的主题展开(kai)，例如人工智能伦理、与Claude的互动，旨在激发批判性头脑和负责任的使用态度等(deng)等(deng)。这些培训面向全部人。

语(yu)言的人1 09:40

这是强制性的。人们喜欢强制性的吗？他们讨厌强制性的，由于这就像回到了小学(xue)。但不克不及自愿到场(chang)，由于最必要帮助的恰正是那些不想到场(chang)的人，必须强制实行，而且要紧盯到底(di)。

语(yu)言的人4 10:08

每一个人都担当了培训，得到了时间进行实验，还得到了人工智能团队的帮助和支撑。我们最后只要三个人，现在发展到了十个人。我们是催化剂，并没有包揽全部的人工智能事情(qing)——这相对是整个组织在推进的事情(qing)，你们从用例中也能看到这一点。我们只是努力赋能人工智能，供应所(suo)需的工具(ju)宁静台。

关于工具(ju)，我们正在使用云端工具(ju)，每一个人每天都在使用。凌驾一半的员工都在使用云代码来创建办理方案(an)，也就是说，NBIM凌驾一半的员工实际上都在编写代码。本(ben)月凌驾三分之二的人已注册并开(kai)始(shi)使用相干工具(ju)，还有约(yue)70%的用户正在使用Keshia开(kai)辟工具(ju)，越(yue)来越(yue)多的用户也在持续转(zhuan)向使用云端办理方案(an)。

语(yu)言的人4 11:30

我们的人工智能转(zhuan)型实际上经历了三个分歧的阶段。

第一阶段，我们为每一个人供应了工具(ju)、培训和充足的实验时间。这类自下而上的方法在NBIM外部催生了许多分歧的项目，我们启(qi)动了不计(ji)其数(shu)个项目，仅仅是为了测试并让(rang)大家上手。

第二阶段的重点是：既然我们的效率将进步20%，是否存在一个可(ke)以或许周全提拔NBIM的用例？我们采访了首席实行官、各营(ying)业负责人，举(ju)行了钻研会，发明(ming)了171个新项目。但我们并没有找到那个所(suo)谓的"绝佳人工智能用例"。好音讯(xun)是，在开(kai)始(shi)转(zhuan)型之前，我们的效率并不算低。坏音讯(xun)是，我们不得不先完成(cheng)全部这些小型项目，能力真正进步效率，事情(qing)量异常大。

语(yu)言的人4 12:37

在末了阶段，我们必要交付全部已规划的资源，包含工具(ju)和实验支撑，以及我们想要落地的项目。但到了春季，我们发明(ming)人工智能发展如此迅速，之前的升级设(she)计(ji)已有些过期，因此不得不为全部人进行第二轮升级。我们也重点推进了云代码的运(yun)用，特别是针对焦点开(kai)辟职(zhi)员，由于我们看到了数(shu)据，以及它在整个公司产生的连(lian)锁(suo)效应。就在上周，我们再次举(ju)行了一场(chang)为期两天的黑客马拉松，重点仍旧是焦点开(kai)辟职(zhi)员，持续推进人工智能的落地发展。

语(yu)言的人4 13:26

末了我想提的是，传统上，NBIM的项目文(wen)化基于Jeff Sutherland于20世纪90年(nian)代提出的Scrum急迅开(kai)辟形式，即(ji)八名开(kai)辟职(zhi)员和一名营(ying)业职(zhi)员配合协作，制定办理方案(an)的贸易案(an)例。这类形式有很多典礼，例如逐日站会和Sprint回想会议，异常耗时。

但随着人工智能的涌现，我们发明(ming)这类形式已不再适(shi)用。更好的做法是，摒弃Scrum中险些全部繁(fan)琐(suo)环节，只保(bao)留(liu)两名开(kai)辟职(zhi)员和一名营(ying)业职(zhi)员，让(rang)他们协同(tong)事情(qing)。他们拥有自主权，并被赋予在项目中做出全部必要决议的权利，从而借助人工智能将项目速度提拔到一个全新的程度。

语(yu)言的人4 14:16

但当我们信任人工智能来完成(cheng)这么多事情(qing)时，这意味着我们必要确保(bao)人工智能在其他方面也能供应高质量的办事，包含高质量的代码和良(liang)好的交付成(cheng)果(guo)。我们必要信任它所(suo)做的统统，必要以合规的方式使用人工智能。为此，我们已创建了一个框架。接上去，我们的人工智能合规官莉迪亚将为大家详细介绍。谢谢。

语(yu)言的人5 14:49

欢迎大家。人工智能发展日新月异，它正在转(zhuan)变我们的事情(qing)方式、数(shu)据交互方式以及决议方式。我们基金充分认识(shi)到确保(bao)所(suo)使用的人工智能一直以负责任的方式运(yun)转(zhuan)的重要性，因此我们构建了一个负责任的人工智能框架。那么，这在理论中意味着什么？让(rang)我来为大家演示一下。

语(yu)言的人5 15:19

首先，我们制定例则。我们的《负责任的人工智能指南》为每位员工在采办、构建或使用人工智能时设(she)定了请求。该指南切合欧盟(meng)人工智能法案(an)等(deng)法律以及环球公认的人工智能标准。它涵盖了一些枢纽范畴，例如保(bao)护个人数(shu)据，以及确保(bao)全部效于帮助投资某人事相干决议的人工智能系统都有人工介入。该指南采纳基于风险的方法，这意味着我们处(chu)理简单邮件过滤系统的方式与处(chu)理影响用户的人工智能系统的方式大相径庭。指南制定了规则，但我们怎样确保(bao)这些规则在理论中得到切实实行呢？

语(yu)言的人5 16:15

我们的运(yun)营(ying)形式是一份文(wen)件，它将人工智能引导(dao)原则转(zhuan)化为一个切实可(ke)行的治理架构。它列出了从人工智能系统开(kai)辟到部署及后续阶段全部人都必要遵循的枢纽流程，涵盖风险管理、法律合规、安全等(deng)诸多方面。

语(yu)言的人5 16:42

我们治理架构的焦点是人工智能治理事情(qing)组，由NBIM各枢纽团队的代表组成(cheng)。事情(qing)组的职(zhi)责很简单：确保(bao)负责任的人工智能不但仅是我们行动上的谈资，而是我们实际践行的准则。事情(qing)组紧密关注羁(ji)系和行业范围内(nei)的人工智能发展静态，接头人工智能成(cheng)绩并寻求办理方案(an)。

语(yu)言的人5 17:22

我们深知，治理结构的健全程度取决于其外部职(zhi)员的素质，因此我们对全部员工都进行了负责任人工智能方面的培训。我们希望每位员工都相识(shi)人工智能现在的能力范围和范围性，能批判性地审视人工智能的输出结果(guo)，同(tong)时勉励他们提出任何(he)疑虑。负责任的人工智能不但仅是合规请求，而是我们每一个人的职(zhi)责地点。

语(yu)言的人5 17:55

往常科技发展日新月异，我们的治理结构也必要与时俱进。但我们异常有信心，我们已构建了一套行之有效的体系：一套指明(ming)方向的引导(dao)原则，一个将这些原则转(zhuan)化为可(ke)实行流程的运(yun)营(ying)形式，以及一个确保(bao)这统统顺遂运(yun)转(zhuan)的事情(qing)组。而最重要的是，我们基金的员工——他们担当了正确的培训，并融入了良(liang)好的企业文(wen)化，每天都在践行负责任的人工智能。

语(yu)言的人5 18:31

这些要素配合构建了一种负责任的立异文(wen)化，在这类文(wen)化中，我们可(ke)以或许更高效、更疾速地事情(qing)，做出更勇敢的决议，同(tong)时一直恪(ke)守法律法规，并坚(jian)持高标准。接上去，我将把发言权交给Tron，他将介绍人工智能计(ji)谋并展示我们的一些运(yun)用案(an)例。谢谢。

语(yu)言的人1 19:02

谢谢。枢纽成(cheng)绩是，怎样将这个底(di)子转(zhuan)化为真正具(ju)有贸易代价的东西？首先，你的目标是什么？在NBIM中，目标是以安全、负责、经济高效且通明(ming)的方式实现尽可(ke)能高的长时间报答，这就是我们的目标。

语(yu)言的人1 19:22

我们必要制定一个更短时间的策略来实现这一点。我们将来三年(nian)的目标是什么？在我们近来公布的报告中，我们屡次提到人工智能在各个职(zhi)能部分、各个岗位、每一个员工身上的运(yun)用。到2028年(nian)底(di)将全部人工流程淘汰一半，这是一个相当勇敢的目标。

语(yu)言的人1 19:55

我们拭目以待。枢纽在于我们已经历的统统——我们已拥有了云原生底(di)子设(she)施的底(di)子，底(di)子设(she)施即(ji)代码而非(fei)物理硬件；我们拥稀有据湖和Snowflake云数(shu)据；我们拥有相应工具(ju)；我们提拔了组织技能；我们具(ju)有相应能力，而且制定了得当的保(bao)障措施。现在，充分利用这项新技能取决于我们每一个人。

接上去，我们将疾速向您展示10个分歧的用例，每一个用例3分钟，首先从我们营(ying)业的焦点——投资开(kai)始(shi)。ULA将报告他们怎样用一个五人团队管理2万亿美圆的资金。

语(yu)言的人1 20:45

欧洲股(gu)市。谢谢，罗恩。设(she)想一下高盛联系你，称法拉利最大的避险资产方想要出售(shou)代价300亿美圆的股(gu)票，这相当于一般交易量三周以上的交易量。高盛正在联系几位大投资者，你必须知道我们现在是否应该参与、出价若干、价格是若干，而且必要在一小时内(nei)给出答复。

我们每年(nian)都市收到大约(yue)200个这样的哀(ai)求。随着时间的推移，这些交易已为基金的逾额收益孝敬了数(shu)十亿美圆。我们清楚地看到，我们越(yue)擅长利用数(shu)据来决定何(he)时放弃、何(he)时参与以及何(he)时真正大肆出手，我们就能赚到越(yue)多的钱，由于这些交易都有风险，而且每笔交易都各不相同(tong)。

语(yu)言的人1 21:59

为了决定这笔交易，我们必要相识(shi)很多事情(qing)，比(bi)如谁是卖方，市场(chang)为何(he)会预期到这笔交易，过去类似的事情(qing)是怎样进行的，合理的价格是若干，以及这是否会引发指数(shu)追(zhui)踪基金等(deng)机构的买入。

语(yu)言的人1 22:19

但挑(tiao)战在于我们时间异常有限。数(shu)据无处(chu)不在，存在于外部和外部数(shu)据源中，以文(wen)本(ben)、数(shu)字、数(shu)据库和收集(ji)搜刮等(deng)形式存在。而且，一个数(shu)据源的输出可(ke)能会影响另外一个数(shu)据源的输出，这使得自动化变得异常难题，由于代码没法办理全部成(cheng)绩，语(yu)言模(mo)子也没法办理全部成(cheng)绩，我们必要二者兼备。

语(yu)言的人1 22:49

因此，我们构建了智能体，即(ji)拥有特地使命和工具(ju)的公用人工智能程序，它们协同(tong)事情(qing)。举(ju)个例子，一个智能体在收集(ji)上搜刮，找出控股(gu)公司面前的真正全部者；另外一个智能体猎取交易文(wen)本(ben)，提取最重要的数(shu)据点，并将全部信息发送给第三个智能体；第三个智能体运(yun)转(zhuan)一个算法，计(ji)算这是否会触发指数(shu)效应。实际上，智能体的数(shu)量更多，工具(ju)也更多。

枢纽在于，在很短的时间内(nei)，我们就能得到完整的决议底(di)子，拥有比(bi)以往更多的数(shu)据和更美满的分析。我们首先在投资团队外部构建了一个原型，之后才得到了开(kai)辟职(zhi)员Yifan的帮助，正是他们帮助我们将最后的设(she)想酿成(cheng)了实际。因此，当高盛涌现询(xun)问时，我们花(hua)在收集(ji)数(shu)据上的时间更少，花(hua)在分析数(shu)据上的时间更多，从而做出更好的决议，赚取更多利润(run)。谢谢。

语(yu)言的人1 24:10

接上去谈谈相同(tong)。通明(ming)度对我们基金来说至关重要，我们多是最通明(ming)的基金。我们相同(tong)部分的劣(lie)势在于，除了相同(tong)能力强之外，它还变得越(yue)发注重数(shu)据驱动。为了更好地说明(ming)用户案(an)例，接上去请听(ting)相干介绍。

语(yu)言的人6 24:30

Echo是我们全部渠道传播流动的实时概览工具(ju)。我们并非(fei)开(kai)辟职(zhi)员，但我们利用人工智能工具(ju)自主开(kai)辟了它。过去一年(nian)，我们努力于将其从供应统计(ji)数(shu)据转(zhuan)化为供应实际洞察。2025年(nian)，该基金在近5万篇文(wen)章中被提及，仅本(ben)年(nian)一年(nian)就有凌驾5000篇。对付一个只要两人的媒体团队来说，追(zhui)踪全部报道险些是不可(ke)能的，因此我们开(kai)辟了人工智能驱动的情(qing)感分析系统来办理这个成(cheng)绩。

这是一个基于代理的系统，每篇文(wen)章都市经由一个主代理，主代理会将使命分配给特地的子代理，这些子代理会对文(wen)章的情(qing)感偏向、参与度、媒体优先级、文(wen)章类型、基金在文(wen)章中的突(tu)出程度以及提及的主题和人物进行分类。全部这些数(shu)据都间接存储在我们的数(shu)据仓(cang)库Snowflake中。现有的媒体监测工具(ju)价格高贵，而且结果(guo)并不理想，所(suo)以本(ben)身搭建这个系统成(cheng)本(ben)更低，而且我们可(ke)以按照本(ben)身想要的方式展示数(shu)据。

这里你可(ke)以看到我们在Echo中搭建的情(qing)感分析页面。这是之前的数(shu)据，其时负面报道很多。我们搭建了一个时间线，可(ke)以轻松地深入查(cha)看是谁写了什么。我们还搭建了一个洞察功能，利用人工智能来总结报道内(nei)容并供应枢纽要点，使我们可(ke)以或许更好地相识(shi)全部报道及其面前的驱动因素，以及我们可(ke)能必要采取行动的处(chu)所(suo)。

末了，我们还在Echo上搭建了一个聊天机器人，它精(jing)通全部传播数(shu)据。我们无需再辛苦地在操纵面板中查(cha)找数(shu)据，只需提出诸如"分析交际媒体互动情(qing)况"之类的成(cheng)绩即(ji)可(ke)。Echobot随后会深入Snowflake，从LinkedIn、Instagram和YouTube猎取数(shu)据并生成(cheng)报告。枢纽在于，这并非(fei)预设(she)视图，而是可(ke)以或许立即(ji)跨渠道分析、辨认趋势并提出计(ji)谋建议。此前，我们必要登录每一个平台，猎取数(shu)据并自行汇总。人工智能使我们可(ke)以或许构建本(ben)身的系统，实现分析自动化，并更快地做出更明(ming)智的决议。

语(yu)言的人1 27:34

当你像这样加快推进时，素质上就是在进行风险管理。近来你也看到了，市场(chang)有涨有跌，动力价格也有涨有跌，这是我们可(ke)以蒙受的，实际上我们还可(ke)以利用这一点。但若是说有一种风险会让(rang)我们夜不克不及寐，那就是收集(ji)安全风险。那么，这方面的情(qing)况是怎样的呢？

语(yu)言的人7 27:58

我在基金的收集(ji)安悉数(shu)门事情(qing)，其中一项职(zhi)责就是思索(suo)，若是有人试图攻击我们、盗取资金并诈骗(pian)我们，会是什么样子？为此，我和我的同(tong)事们保(bao)护着一个巨大的、遍及我们所(suo)稀有字底(di)子设(she)施的隐形预警收集(ji)。这是一项范围相当巨大的数(shu)据收集(ji)事情(qing)。为了让(rang)大家对范围有所(suo)相识(shi)，我们每年(nian)收集(ji)大约(yue)1万亿个关于NBIM及其运(yun)营(ying)的数(shu)据点，然后从中挑(tiao)选出大约(yue)100万到10万个可(ke)能被视为可(ke)疑的信息，再进行进一步挑(tiao)选，只将最有代价的一小部分信息提交给我和我的同(tong)事。

语(yu)言的人7 28:54

举(ju)个例子：一个喜欢足球的员工可(ke)能正在用电(dian)脑寓目足球比(bi)赛直播，他可(ke)能浏(liu)览了一些不太正规的网站，而我们掌握(wo)的谍报显示这些网站包含不良(liang)内(nei)容。这时，我可(ke)能中午(wu)原告警，必要弄清楚发生了什么。平常情(qing)况下，我会收到一条警报，提示这台电(dian)脑连(lian)接到了互联网上的不良(liang)网站。然后，我会收集(ji)全部相干的背景信息，从海(hai)量数(shu)据点中找出全部线索(suo)，最终推断出这只是一个普通用户在浏(liu)览中接见了某个网站，并构建出完整的事件经由。

这必要人为推断：我必要决定观察的方向，必要关注哪些信息，哪些信息重要，哪些信息可(ke)以或许证实我的假(jia)设(she)——这是否属(shu)于非(fei)一般举(ju)动，哪些信息表明(ming)这可(ke)能存在成(cheng)绩。

语(yu)言的人7 29:58

当我在中午(wu)接到告警时，我们的一位AI代理也同(tong)时开(kai)始(shi)事情(qing)。在我处(chu)理的时间，这位代理已马上开(kai)始(shi)实行完全相同(tong)的流程。它会尝试确定我必要查(cha)看哪些信息、必要提取哪些数(shu)据，以及哪些信息是重要的，做出种种推断，最终生成(cheng)一份报告或观察结果(guo)，这与我进行开(kai)端分诊时所(suo)做的异常类似。

语(yu)言的人7 30:28

它表现得异常精(jing)彩，过去一年(nian)前进神速。为了让(rang)大家更直观地相识(shi)，它五分钟就能完成(cheng)我原本(ben)必要半小时能力完成(cheng)的事情(qing)。另外一个异常棒的处(chu)所(suo)是，它从不疲乏(fa)，纵然是反复的、异常类似的内(nei)容，它每次都能以同(tong)样的精(jing)神完成(cheng)。谢谢。

语(yu)言的人1 30:55

我认为该基金的枢纽劣(lie)势之一在于其范围和长时间投资期限，这使我们成(cheng)为目标公司的理想合作火伴。因此，我们可(ke)以或许异常便利地接触到这些公司，并与他们进行对话，与董事长、首席实行官和首要团队成(cheng)员会面。为了更好地筹备这些会面，我们开(kai)辟了一个人工智能运(yun)用案(an)例，接上去伦敦的克里斯蒂(di)娜会详细介绍。

语(yu)言人8 31:30

大家好，我来自伦敦。过去几个月，我们一直在开(kai)展一个异常使人奋发的人工智能项目，它切实革(ge)新了我们投资股(gu)票和与投资组合公司互动的重要流程。人工智能团队、投资组合经理和伦敦团队之间一直连(lian)结着紧密的合作。

语(yu)言人8 31:48

2025年(nian)，NBIM召开(kai)了3000多场(chang)公司会议，每场(chang)会议的筹备时间大约(yue)必要三个小时，也就是说，每年(nian)要花(hua)费近10000个小时在会议筹备上，而这些时间我们本(ben)可(ke)以更有效地利用。

语(yu)言的人8 32:02

这正是我们构建本(ben)身系统的枢纽地点。首先，它奠基了我们的竞争劣(lie)势。正如之前所(suo)说，我们是一家大型长时间投资者，这意味着我们拥有与公司管理层间接相同(tong)的独特渠道。其次，我们拥有一套独树(shu)一帜的公司会议方法，并在访谈和质询(xun)技巧方面担当过广泛的培训，这是抢先的外部办理方案(an)难以复制的。

您可(ke)以在这里看到我们办理方案(an)的早期版本(ben)。它会列出我们将来几周将要访问的公司。模(mo)子会加载数(shu)据，但只要我们能力接见投资假(jia)设(she)和会议记录。

语(yu)言的人8 32:43

您可(ke)以选摘要使用的AI模(mo)子，可(ke)以添加引导(dao)语(yu)，可(ke)以附加文(wen)档，然后这些信息会被输入到一个多智能体系统中。首先，一个智能体系体例定设(she)计(ji)；然后三到五个子智能体味去研究(jiu)分歧的资源；末了一个智能体接收输出结果(guo)。这个智能体已由我们精(jing)心筹备的会议示例和外部口(kou)试技巧材料的训练，它会评估输入内(nei)容并推断其是否足够好。输出结果(guo)包含我们输入的提示以及引用的资源，以确保(bao)没有涌现任何(he)虚假(jia)信息。您还可(ke)以辨认出我们的方法，即(ji)提出可(ke)以或许帮助公司创建长时间合作干系并着眼于久远发展的成(cheng)绩。

语(yu)言的人8 33:27

我们还确保(bao)可(ke)以在聊天中迭代议程，而且将继续开(kai)辟该产物。我们很快会添加一个模(mo)拟(ni)组件，该组件将利用播客、过往会议和公司通讯(xun)来预测对方可(ke)能会说的话，让(rang)您既可(ke)以美满设(she)计(ji)、确保(bao)在会议中真正杀青目标，也可(ke)以或许经过语(yu)音交互得到关于您怎样主持公司会议的反馈。

简而言之，这能让(rang)您更有效地利用那10000小时。该系统帮助投资组合经理自动收集(ji)信息并梳理结构，从而专注于计(ji)谋性成(cheng)绩。以最佳案(an)例训练了该模(mo)子，模(mo)拟(ni)功能将使我们全部人都变得更好，最终帮助我们最大限制地发挥竞争劣(lie)势。谢谢。

语(yu)言的人1 34:24

这个基金每年(nian)在凌驾60个市场(chang)进行数(shu)百万笔交易，这些都是羁(ji)系严(yan)酷的市场(chang)，所(suo)以我们要确保(bao)所(suo)做的统统都是正当的，并切合市场(chang)法规。那么，奥斯卡，你怎样利用技能来革(ge)新这一点呢？

语(yu)言的人9 34:44

风险在于，内(nei)幕交易和市场(chang)利用的真实案(an)例并不少见，我们经常看到相干报道，也看到北欧地区正在主动执法。市场(chang)诚(cheng)信对任何(he)市场(chang)参与者都至关重要，而对付像NBIM这样的投资者来说，记录合规情(qing)况是根本(ben)。那么，我们该怎样实现这一点呢？

语(yu)言的人9 35:10

随着羁(ji)系日趋严(yan)酷，像买方机构这样的机构现在必要证实其具(ju)有交易监控能力，而此前它们一直依附于交易单位。为了应对这类情(qing)况，NBIM在2018年(nian)选择了一套外部系统，该系统使用先进的市场(chang)风险模(mo)子，并会发出警报，供合规团队手动观察。但是，这套系统并不相识(shi)我们的情(qing)况，它不知道交易是由于再平衡、指数(shu)事件，还是由于我们在前一周与该公司有过接触——这些信息现在仍旧必要合规团队手动猎取。率直说，处(chu)理这些警报本(ben)身就是一项繁(fan)琐(suo)的流程性事情(qing)，你一直在检查(cha)同(tong)样的事情(qing)，很容易感触疲惫，我们也虚耗了很多时间在误(wu)报上。

语(yu)言的人9 35:59

这就是我们现在正在转(zhuan)变的。我们引入了人工智能监控团队，共有六个子代理，每一个子代理都市审核系统发出的全部警报，离别专注于交易背景、指数(shu)再平衡、公司旧事、行业旧事、时间形式和公司互动六个维度。它们一直以相同(tong)的方式同(tong)时评估每条警报，绝不懈怠。全部子代理的评估结果(guo)都市汇总到一个主代理，我们称之为"增强型鉴戒代理"（Eva）。Eva一直在线，为每一个评估的案(an)例生成(cheng)完整的审计(ji)追(zhui)踪，全部警报都市同(tong)时进行评估，她也是形式辨认方面的专家。

在以下三种情(qing)况下，主代理会将案(an)件移交给人工处(chu)理：一是案(an)件本(ben)身存在诸多隐约(yue)的地方；二是没法自动推断；三是最终决议必须由人工做出。这些案(an)件会被提交给合规部分。我们拥有同(tong)样范围的团队，但覆盖范围大大提拔。谢谢。

语(yu)言的人1 37:14

我们管理这笔基金的动身点是财政(zheng)部供应的基准，该基准包含大约(yue)7000家公司。若是我们采纳该基准，我们将平均买入每家公司的股(gu)分，大约(yue)占每家公司1.5%的份额。现在的成(cheng)绩是，你真的想持有全部这些公司的股(gu)分吗？莫顿，你以为呢？

语(yu)言的人7 37:36

可(ke)能不是。在法务会计(ji)范畴，我们面临的挑(tiao)战是怎样从基金中剔除那些"害群之马"。平均而言，每位分析师要花(hua)费大约(yue)两周时间，对每家公司进行深入研究(jiu)，仔(zai)细查(cha)阅财政(zheng)报表和附注。仅仅为了阅读我们设(she)计(ji)出售(shou)的7000家公司的材料，就必要泯灭数(shu)百万美圆的人力成(cheng)本(ben)。因此，我们必要揭破那些让(rang)这些公司看起来比(bi)实际情(qing)况更好的财政(zheng)造假(jia)，也就是清理这7000家公司过去16年(nian)的账目，然后训练机器来辨认这类财政(zheng)造假(jia)。

语(yu)言的人7 38:34

那么我们该怎样实现呢？举(ju)个实际例子，我们来查(cha)找分歧的枢纽词，比(bi)如"对付账款延期"。我们在脚注里找到这个枢纽词，然先人工智能会从前后几页中提取相干句子，并找出我们感兴趣的数(shu)字。在这个例子中，一家甜甜圈临盆商将对付账款延期了7.45亿美圆。我们会存储这个数(shu)据并从中学(xue)习。我们正在构建多种分歧的智能体，试图辨认这类财政(zheng)结构——即(ji)公司经过调解支出、成(cheng)本(ben)、收益或现金流等(deng)数(shu)据，使其看起来比(bi)实际情(qing)况更好，有些调解幅度可(ke)能相当大。

语(yu)言人7 39:40

我们利用机器学(xue)习模(mo)子来学(xue)习全部这些数(shu)据。我们自主开(kai)辟了一个异常独特的数(shu)据集(ji)，查(cha)阅了全部法务会计(ji)研究(jiu)，收集(ji)了全部公司篡改账目的历史案(an)例——当市场(chang)发明(ming)这些案(an)例后，股(gu)价大幅下跌。我们收集(ji)了数(shu)千个这样的案(an)例，并正在训练机器学(xue)习模(mo)子来辨认类似情(qing)况。模(mo)子的输出结果(guo)是一个几率百分比(bi)，代表一家公司发生此类法务会计(ji)成(cheng)绩并导(dao)致股(gu)价下跌的可(ke)能性。该模(mo)子已投入临盆，我们每天都在使用。我们也正在全力开(kai)辟更多此类模(mo)子，以便辨认更多财政(zheng)造假(jia)举(ju)动。谢谢。

语(yu)言的人1 40:54

现在，我们来看看财政(zheng)报表的生成(cheng)事情(qing)。这位是托(tuo)迪乌斯。他将解释我们怎样定期披露切合国际财政(zheng)报告准则（IFRS）的完整财政(zheng)报表，这些报表基于涉及多种分歧金融工具(ju)的数(shu)百万笔交易。每一个季度，我们都市编制NBIM的财政(zheng)报表、附注和分析，这是一个严(yan)谨的流程，但异常泯灭资源。它必要使用复杂的Excel事情(qing)簿(bu)，其中包含冗长的公式链，而且必要大批的人工操作。

语(yu)言的人1 41:32

为了连(lian)结我们本(ben)身期望的质量，我们投入了大批的时间和精(jing)神。而这也带来了相应的代价：我们在临盆形式下投入了太多时间，以致于险些没偶然间进行更深入的分析和洞察，枢纽知识(shi)也会合在多数(shu)人手中，形成(cheng)了一种我们原本(ben)想要解脱的依附。这是一个高质量的流程，它本(ben)应拥有更好的底(di)子设(she)施。

语(yu)言的人1 42:10

好的流程总有革(ge)新的空间，我们的流程也不破例，而人工智能为我们供应了革(ge)新的工具(ju)。我们决定从零开(kai)始(shi)，与基金会计(ji)团队合作构建系统。我们首先从底(di)子会计(ji)数(shu)据动手，创建单一数(shu)据源，确保(bao)数(shu)据清洁、结构化且靠得住，以便人工智能工具(ju)可(ke)以或许发挥其最佳功能。

我们团队只要两个人，并非(fei)开(kai)辟职(zhi)员，因此我们使用Claude和Cursor来编写代码。纵然是最复杂的计(ji)算和汇总，现在也能间接在我们自定义构建的底(di)层数(shu)据会合运(yun)转(zhuan)，并自动导(dao)入到我们的附注、财政(zheng)报表生成(cheng)和分析流程中。我们一直连(lian)结人工操纵，运(yun)用会计(ji)专业知识(shi)和营(ying)业逻辑来确保(bao)输出结果(guo)的准确性，同(tong)时在采纳新的事情(qing)方式时也能维持外部操纵。

语(yu)言的人1 43:10

最终成(cheng)果(guo)是一个可(ke)以或许供应更优质分析、更早更疾速产出成(cheng)果(guo)的平台。我们的分析结果(guo)甚至在第10个事情(qing)日会计(ji)系统封(feng)闭之前即(ji)可(ke)猎取。外汇和税务分析在第2个事情(qing)日即(ji)可(ke)一键(jian)完成(cheng)，证券和借贷分析在第7个事情(qing)日即(ji)可(ke)完成(cheng)。

语(yu)言的人1 43:32

这统统都让(rang)我们偶然间进行观察并及时纠正，以免为时过晚。周全自动化将使我们这个原本(ben)专注于临盆的2.5人小团队俭省出八地利间，这些时间现在可(ke)以用于分析、操纵、质量保(bao)证和审计(ji)，从而使整个流程得以提早推进。

语(yu)言的人1 43:56

一个很好的例子就是那份关于典质品抵消的附注，此前由一个人花(hua)了整整一周时间建造，现在只需几个小时就能完成(cheng)。我们在NBIM的推广事情(qing)才方才开(kai)始(shi)，我们正与挪威(wei)银行合作，实行一套新的报告工具(ju)。有了这套工具(ju)，我们将实现大部分投资组合从交易报告到正式对外报告的全自动化处(chu)理。

语(yu)言的人1 44:29

为了更清晰地显现我们现在的实际成(cheng)果(guo)，人工智能使我们可(ke)以或许自动生成(cheng)股(gu)票、债券和金融衍生品的支出和支出明(ming)细，并在2025年(nian)年(nian)度报告中列出了11项外汇损(sun)益。这些明(ming)细异常精(jing)美，请仔(zai)细查(cha)看。

语(yu)言人4 44:50

请看。

语(yu)言的人1 44:52

我推荐它。谢谢。

语(yu)言的人1 45:02

谢谢，克里斯。接上去我们要回到伦敦，请克里斯蒂(di)娜介绍责任投资方面的内(nei)容。责任投资对基金来说异常重要，因此，我们也部署了新技能，以革(ge)新我们在环境和社会因素方面的风险监控。

语(yu)言的人10 45:20

大家好。正如之前提到的，我们在60个国度投资了凌驾7000家公司。作为负责任的投资者，我们必要相识(shi)这些公司是否存在诸如强迫劳动、童工、森林砍伐、腐败等(deng)严(yan)重成(cheng)绩，这意味着我们必须对全部这些公司进行挑(tiao)选。但若是由人工分析师来完成(cheng)这项事情(qing)，我们估计(ji)必要3000名分析师周末加班能力完成(cheng)，而我们的团队只要8个人。因此，我们必须利用人工智能来加快挑(tiao)选流程。

本(ben)日，我们将向大家展示一个挑(tiao)选流程的示例。借助人工智能，我们现在可(ke)以从前所(suo)未有的范围挑(tiao)选公司。其道理很简单：对付每一个公司名称，人工智能会搜刮全部公然可(ke)用的信息泉源，例如旧事、财政(zheng)数(shu)据、政(zheng)府记录和当地媒体，并输出结构化的风险评估报告。这套系统对我们真正有代价的枢纽在于，我们的专业知识(shi)贯串(chuan)于流程的每步。

挑(tiao)选流程分为两个阶段。第一阶段，我们使用更轻量级、更疾速的AI模(mo)子，寻找公司与我们所(suo)关注成(cheng)绩相干的任何(he)迹象。不出所(suo)料，大多数(shu)公司都能经过这一阶段。但若是发明(ming)任何(he)成(cheng)绩，就会触发第二阶段。在第二阶段，我们会部署多个AI代理，每一个代理负责从分歧的角度研究(jiu)公司——一个代理可(ke)能负责追(zhui)踪供应链环节，另外一个代理可(ke)能负责考察间接运(yun)营(ying)，第三个代理则可(ke)能负责分析财政(zheng)干系。全部代理完成(cheng)事情(qing)后，它们会汇总各自的发明(ming)，并为每家公司给出风险评分。

第二步，我们的分析师从新介入并做出决议。我们会审查(cha)人工智能标记为高风险的每家公司，核实信息泉源，检查(cha)推理过程，并做出最终决定。若是风险得到确认，高风险公司会被标记在我们的两个外部投资组合管理系统——Polaris和投资模(mo)拟(ni)器中。除了标记之外，我们还可(ke)以选择与公司管理层相同(tong)；大概在最严(yan)重的情(qing)况下，对付我们投资组合中的小型公司，可(ke)以选择进行基于风险的撤资。

往常我们可(ke)以利用人工智能挑(tiao)选更多公司，使我们的团队可(ke)以或许专注于真正重要的事情(qing)。固然，我们不克不及保(bao)证可(ke)以或许发明(ming)全部风险，但我们可(ke)以确定的是，我们可(ke)以挑(tiao)选更多公司、查(cha)看更多信息泉源、使用更多语(yu)言，并进行比(bi)以往任何(he)时间都更深入的分析，以便在发明(ming)风险时可(ke)以或许迅速采取行动。

语(yu)言的人1 48:45

我们法务和税务部分对这项新技能的运(yun)用异常广泛。接上去，克里斯蒂(di)将上台探(tan)讨这项技能在各部分的运(yun)用案(an)例。

语(yu)言人3 48:58

试想一下，若是你在谈判前就能预先相识(shi)对方的策略，并知道怎样引导(dao)对方走向本(ben)身想要的条目，那会怎样？我在处(chu)理一份重要条约(yue)时，看到了这样的机会。若是人工智能可(ke)以或许模(mo)拟(ni)语(yu)言形式，那么它也能模(mo)拟(ni)谈判形式。所(suo)以我开(kai)辟了谈判模(mo)拟(ni)器，它有两个枢纽功能：规划和模(mo)拟(ni)。

规划形式可(ke)以生成(cheng)一份书面策略设(she)计(ji)，帮助我们预测对方的论点，并找到最佳的条目组合。现在它的表现异常精(jing)彩——我们可(ke)以或许预测凌驾80%的论点，得到了更高比(bi)例的枢纽条目，而这些条目对基金的风险和收益有偏重大影响。别的，我们生成(cheng)书面设(she)计(ji)的速度也比(bi)从前快很多，从而俭省了时间，让(rang)我们可(ke)以或许专注于更具(ju)计(ji)谋意义的成(cheng)绩。

语(yu)言的人3 50:01

但模(mo)拟(ni)功能才是它的独特的地方。在语(yu)音形式下，我可(ke)以在无风险的环境下模(mo)拟(ni)真实的谈判，还可(ke)以哀(ai)求反馈来提拔谈判技巧，甚至可(ke)以转(zhuan)换脚色，看看若是人工智能坐在我的地位上会怎样处(chu)理这类情(qing)况。这里有一个冗长的视频，向您展示怎样进行这类场(chang)景模(mo)拟(ni)。这应该是与软件允许供应商进行价格续约(yue)谈判的第六个场(chang)景，我们已筹备就绪。

语(yu)言的人1 50:34

开(kai)始(shi)软件允许续签谈判的实时模(mo)拟(ni)。

语(yu)言的人3 50:38

情(qing)况是这样的，我们过去确实遇到了一些办事成(cheng)绩。

语(yu)言的人1 50:42

20%的降幅相当大，这对我们来说是个很高的请求。

语(yu)言的人3 50:46

我必要你在此底(di)子上给出更高的折扣率。

语(yu)言的人1 50:50

我不是说这不可(ke)能，但若是我要赞同(tong)退(tui)出条目，我必要一些详细的报答。

语(yu)言的人3 50:57

他是个谈判妙手，没错。但这只是我带领团队超越(yue)自动化、迈向立异的其中一种方法。当我查(cha)看我们的条约(yue)组合时，我看到的不但仅是一个机会，而是多个机会。为何(he)呢？由于我们在这里所(suo)做的统统都与条约(yue)毫不相干。条约(yue)包含大批重要信息，若是你大范围地审视这些条约(yue)，会发明(ming)一些规律、随时间推移发生的变化，以及一些你原本(ben)没法发明(ming)的联系干系。

语(yu)言的人3 51:31

现在，我们可(ke)以或许利用人工智能大范围地实现这些目标。例如，我们正在研究(jiu)强制措施条目及其在不怜悯景下的综合影响；我们也在尝试分析投资条约(yue)中分歧的触发条件可(ke)能会怎样影响或延迟我们得到信贷、典质品或其他物资。以上只是我们运(yun)用人工智能的部分方式，我们并非(fei)仅仅用它来帮助进行条约(yue)谈判，而是用它来提取真正有代价的计(ji)谋信息。谢谢。

语(yu)言的人1 52:13

在我们的第十个也是末了一个环节，尤内(nei)加尔将谈谈基金外部怎样管理跨分歧投资组合的全部交易。我们有250个分歧的投资组合，投资组合经理会根据情(qing)况选择买入或卖出。在分歧的时间段，资金会流入和流出基金，而且我们还有一个每个月都市变化的基准。为了操纵这些资金流动，更重要的是，为了在交易完成(cheng)后可(ke)以或许盈利或避免亏损(sun)，我们是怎样做到的呢？

幸运(yun)的是，这些年(nian)来基金范围大幅增长，但这同(tong)时也意味着我们的交易需求也在增长。现在，我们常常会成(cheng)为本(ben)身最大的仇人：当我们大批买入时，会推低价格；当我们大批卖出时，会抬高价格。这类市场(chang)影响，我们称之为市场(chang)打击，客岁估计(ji)约(yue)为140亿美圆。这是一个相当大的数(shu)字——它不是会计(ji)成(cheng)本(ben)，所(suo)以不会体现在账目上，但确实形成(cheng)了重大且真实的代价丧失，阻碍了我们完成(cheng)既定目标。

语(yu)言的人1 53:36

那么，我们该怎么做呢？这里有一些方向。

例如，我们可(ke)以预测市场(chang)走势。人工智能可(ke)以帮助我们发明(ming)市场(chang)形式，并预测哪些股(gu)票可(ke)能会下跌，哪些股(gu)票可(ke)能会下跌。当你给我下达(da)指令时，我会查(cha)看并推断：好的，你让(rang)我买入某只股(gu)票，但它的价格很可(ke)能会下跌，我必要更主动地操作。但另外一方面，若是预测这只股(gu)票的价格实际上会下跌，我就可(ke)以连(lian)结耐(nai)心，不必要激进操作来形成(cheng)巨大的市场(chang)打击，可(ke)以适(shi)时退(tui)出。因此，预测可(ke)以帮助我们培育种植提拔耐(nai)心。

我们还可(ke)以查(cha)看全部外部投资组合。我们外部有多种分歧的策略，偶然出于合理的缘故原由，它们会投资于相同(tong)的公司或股(gu)票。但若是有人在周一给我们下单，而我们有理由置信本(ben)周晚些时间可(ke)能会涌现相反的情(qing)况，我们不会进入市场(chang)，而是会把两笔交易在外部对冲。本(ben)日早上我查(cha)看了一下我们的外部对冲储备，现在有100亿美圆寄(ji)存着。客岁，我们寄(ji)存了凌驾1200亿美圆而没有进入市场(chang)——不反复缴(jiao)税，不反复支付佣(yong)金，也不先推低价格再抬高价格，只是利用资产欠债表和风险蒙受能力，采取一个审慎稳健的策略。

末了，人工智能帮助我们革(ge)新事情(qing)方式的方式异常使人奋发。我们所(suo)做的统统都以稳健的投资流程为底(di)子，并结合人类的明(ming)白。我们拥有良(liang)好的人才，他们真正相识(shi)市场(chang)、相识(shi)各个公司的驱动因素、相识(shi)旧事、微观经济和政(zheng)治静态。人工智能近来才到场(chang)，就像如虎添翼，而且知识(shi)的深度正在不断延伸——人工智能正在帮助我们人类更快、更深入地明(ming)白，进行红队分析，供应分歧的视角，从多个角度看待成(cheng)绩。同(tong)时，我们也在革(ge)新焦点底(di)子流程，不但是自动化、更快地完成(cheng)同(tong)样的事情(qing)，而且是进步事情(qing)质量。

所(suo)以，我们又回到了最后的成(cheng)绩，140亿美圆的市场(chang)打击成(cheng)本(ben)，是多还是少？显然是多。但若是按照之前的成(cheng)本(ben)结构推算到2025年(nian)，这个数(shu)字将接近200亿美圆。人工智能间接带来了若干俭省？不是悉数(shu)，但这正是我们经过优化基金交易方式俭省了数(shu)十亿克朗的重要缘故原由之一。谢谢。

语(yu)言人1 57:07

语(yu)言的人1 00:00

热烈欢迎列位到场(chang)挪威(wei)银行举(ju)行的首届人工智能钻研会。这是一个意义非(fei)凡的时刻，由于我们从未见过这样的技能。它的发展并非(fei)风平浪静，而是持续向上攀升，险些达(da)到了垂直增长的程度。

语(yu)言的人1 00:20

这项技能现在能做什么？成(cheng)绩在于我们所(suo)说的技能多余——我们可(ke)否充分利用全部这些技能？我认为真正的难点在于怎样让(rang)各个机构吸收并利用我们拥有的技能。正如您所(suo)知，我们是世界上最通明(ming)的基金。为何(he)通明(ming)度是功德？我认为它的优点在于，人们可(ke)以相识(shi)我们的运(yun)作，我们置信这能创建信任。同(tong)样重要的是，我们可(ke)以放眼世界，相识(shi)世界正在做什么。我认为这正是我们一直异常热中于吸收这项新技能的缘故原由，由于我们也会与世界各地的向导(dao)人交流，相识(shi)若是正确运(yun)用这项技能，它能带来什么。

语(yu)言的人1 01:14

我们以为邀请列位真是太好了，这并非(fei)由于我们自认为做得完美，而是由于我们也想向你们学(xue)习。我们与你们分享履历，也希望你们与我们分享。更棒的是，我们之间不存在竞争，可(ke)以合作，在天下范围内(nei)分享最佳理论。我梦想着我们可(ke)以或许通力进行，公私部分配合提拔临盆力——在这个国度，这无疑是一个远大的目标。

我们公司有很多运(yun)用案(an)例，正本(ben)可(ke)以挑(tiao)选很多分歧的案(an)例，最终选择了10个，我们认为这足以显现我们所(suo)做的分歧事情(qing)。有些案(an)例帮助我们赚更多钱，有些帮助我们省钱，有些进步效率，有些进步准确性和质量，还有一些则让(rang)我们免于去做枯燥有趣的事情(qing)。在这个新期间，我们不该该把时间虚耗在枯燥有趣的事情(qing)上，希望大家都能认同(tong)这一点。

语(yu)言的人1 02:27

首先，我们将扼要介绍一下我们现在在技能方面所(suo)处(chu)的地位。Bikita将扼要介绍我们在人工智能范畴的发展进程，以及我们怎样努力使其惠及整个组织。Lydia将讲授我们为确保(bao)正确实行而创建的框架——它必须切合范例，而且必须安全靠得住。之后，Tron将与我们的10位同(tong)事一路，为大家展示许多用户案(an)例。但首先，请列位先听(ting)我说完。

语(yu)言的人2 03:06

谢谢尼古拉。自2015年(nian)以来，NBIM进行了屡次转(zhuan)型。本(ben)日我想重点谈谈我们为人工智能计(ji)谋奠基底(di)子的三大肆措。

首先，我们实现了运(yun)营(ying)的自有化。在此之前，我们聘(pin)请外部供应商负责结算、公司举(ju)动、基金会计(ji)、估值等(deng)全部营(ying)业。但随着营(ying)业拓展到新市场(chang)，我们必要更深入的专业知识(shi)和更丰(feng)富的数(shu)据。因此，我们的办理方案(an)是将全部营(ying)业都收回，不但要掌控流程，还要掌握(wo)知识(shi)。

接上去，我们将全部IT底(di)子设(she)施和系统迁移到私有云。在此之前，我们租用外部数(shu)据中心的空间，并将技能外包。但我们发明(ming)数(shu)据容量存在某种下限，而我们想要的是有限的数(shu)据增长、立即(ji)扩大范围的能力，以及解脱办事器更新周期的搅扰(rao)。迁移到私有云后，我们很快发明(ming)，迁移过来的旧数(shu)据库没法满足相同(tong)的请求，没法充分利用云办事供应商供应的可(ke)扩大性。因此，我们决定将所(suo)稀有据库办理方案(an)迁移到古代化架构，以得到同(tong)样的可(ke)扩大性。

语(yu)言的人1 05:06

清理数(shu)据一点都欠好玩，这是世界上最无聊的事情(qing)。没有人会感谢你清理数(shu)据。那怎么能力让(rang)人们清理数(shu)据呢？基本(ben)上就是告诉他们：1月31日我们要封(feng)闭旧数(shu)据，若是你第二天发明(ming)没稀有据可(ke)用，那你看起来就太被动了。所(suo)以我们经常熬(ao)夜，整个团队的事情(qing)量也相当巨大。

语(yu)言的人2 05:36

对公司全部员工来说，整理和重写代码至关重要。现在，我们拥有一个高质量、整齐有序的外部和外部数(shu)据会合库，可(ke)以用于人工智能。以上三点是我们为人工智能范畴获得成(cheng)功奠基的底(di)子。接上去，我将把话筒交给Steham，他会为大家介绍我们之后的事情(qing)。

语(yu)言的人4 06:14

接上去我带大家回想一下我们的人工智能之旅，以及我们之前在人工智能范畴所(suo)面临的诸多挑(tiao)战，比(bi)如数(shu)据错误(wu)、大批的计(ji)算资源需求等(deng)。这统统始(shi)于大约(yue)两年(nian)前，其时尼古拉邀请了OpenAI的萨姆·奥特曼和Anthropic的达(da)里奥·阿莫迪做客他的播客节目。他认为我们的效率应该进步20%，于是说："Steham，你来搞(gao)定。"我说："谢谢，这目标很容易实现。"

我们最终是怎样做到的呢？萨姆就像一块永不干涸(he)的电(dian)池(shi)，在过去两年(nian)里一直激励着我们全部人。每一个人都得到了所(suo)需的工具(ju)，投入了时间，进行了实验，并创建了许多分歧的项目，探(tan)索(suo)怎样利用人工智能来提拔本(ben)身能力。但若是我们想要进步20%的效率，这些还远远不够。若是我们想要真正开(kai)始(shi)使用人工智能，就必须转(zhuan)变我们的习气。因此，我们必要不断督促大家，反复勉励。为此，我们为全部人创建了一个技能提拔设(she)计(ji)，稍后我会详细介绍。别的，我们还创建了一个收集(ji)，帮助大家疾速上手，并连(lian)结这类势头。

语(yu)言人4 07:35

我们在2025科技年(nian)流动中开(kai)展了一系列流动，旨在让(rang)人工智能成(cheng)为每一个人关注的焦点。首先，我们创建了大使收集(ji)，你也可(ke)以或许称之为提倡者收集(ji)。

语(yu)言人4 07:53

组织内(nei)共有20名自愿者，他们的使命是：在团队中找出一个可(ke)以利用人工智能开(kai)展的有代价的项目用例，并在其他大使、人工智能团队以及Anthropic的帮助下推进办理。Anthropic每周两次帮助我们启(qi)动项目。

语(yu)言的人4 08:17

我们为这些大使和人工智能团队筹备了为期两个月的培训，以确保(bao)项目可(ke)以或许顺遂推进。大使们不但要办理项目难题、展示团队气力，还要参与其他环节。我们很快就能看到人工智能在公司各个方面发挥的代价。这张幻灯片(pian)传达(da)的焦点信息是：到2025年(nian)，NBIM发生的每件事都将与人工智能毫不相干。

语(yu)言人4 08:56

若是你组织集(ji)会，人工智能确定在议程上。我们在伦敦、奥斯陆和新加坡举(ju)行了大型技能钻研会，完全专注于技能栈、云计(ji)算、数(shu)据仓(cang)库，固然还有人工智能。向导(dao)力峰会上，人工智能同(tong)样是议程重点。人工智能的推广持续进行，不断提醒人们在一样平常事情(qing)中运(yun)用人工智能。

我们不但培训了人工智能大使，也培训了组织内(nei)的其他成(cheng)员。我们设(she)计(ji)了七个30分钟的培训课程，每一个课程围绕一个分歧的主题展开(kai)，例如人工智能伦理、与Claude的互动，旨在激发批判性头脑和负责任的使用态度等(deng)等(deng)。这些培训面向全部人。

语(yu)言的人1 09:40

这是强制性的。人们喜欢强制性的吗？他们讨厌强制性的，由于这就像回到了小学(xue)。但不克不及自愿到场(chang)，由于最必要帮助的恰正是那些不想到场(chang)的人，必须强制实行，而且要紧盯到底(di)。

语(yu)言的人4 10:08

每一个人都担当了培训，得到了时间进行实验，还得到了人工智能团队的帮助和支撑。我们最后只要三个人，现在发展到了十个人。我们是催化剂，并没有包揽全部的人工智能事情(qing)——这相对是整个组织在推进的事情(qing)，你们从用例中也能看到这一点。我们只是努力赋能人工智能，供应所(suo)需的工具(ju)宁静台。

关于工具(ju)，我们正在使用云端工具(ju)，每一个人每天都在使用。凌驾一半的员工都在使用云代码来创建办理方案(an)，也就是说，NBIM凌驾一半的员工实际上都在编写代码。本(ben)月凌驾三分之二的人已注册并开(kai)始(shi)使用相干工具(ju)，还有约(yue)70%的用户正在使用Keshia开(kai)辟工具(ju)，越(yue)来越(yue)多的用户也在持续转(zhuan)向使用云端办理方案(an)。

语(yu)言的人4 11:30

我们的人工智能转(zhuan)型实际上经历了三个分歧的阶段。

第一阶段，我们为每一个人供应了工具(ju)、培训和充足的实验时间。这类自下而上的方法在NBIM外部催生了许多分歧的项目，我们启(qi)动了不计(ji)其数(shu)个项目，仅仅是为了测试并让(rang)大家上手。

第二阶段的重点是：既然我们的效率将进步20%，是否存在一个可(ke)以或许周全提拔NBIM的用例？我们采访了首席实行官、各营(ying)业负责人，举(ju)行了钻研会，发明(ming)了171个新项目。但我们并没有找到那个所(suo)谓的"绝佳人工智能用例"。好音讯(xun)是，在开(kai)始(shi)转(zhuan)型之前，我们的效率并不算低。坏音讯(xun)是，我们不得不先完成(cheng)全部这些小型项目，能力真正进步效率，事情(qing)量异常大。

语(yu)言的人4 12:37

在末了阶段，我们必要交付全部已规划的资源，包含工具(ju)和实验支撑，以及我们想要落地的项目。但到了春季，我们发明(ming)人工智能发展如此迅速，之前的升级设(she)计(ji)已有些过期，因此不得不为全部人进行第二轮升级。我们也重点推进了云代码的运(yun)用，特别是针对焦点开(kai)辟职(zhi)员，由于我们看到了数(shu)据，以及它在整个公司产生的连(lian)锁(suo)效应。就在上周，我们再次举(ju)行了一场(chang)为期两天的黑客马拉松，重点仍旧是焦点开(kai)辟职(zhi)员，持续推进人工智能的落地发展。

语(yu)言的人4 13:26

末了我想提的是，传统上，NBIM的项目文(wen)化基于Jeff Sutherland于20世纪90年(nian)代提出的Scrum急迅开(kai)辟形式，即(ji)八名开(kai)辟职(zhi)员和一名营(ying)业职(zhi)员配合协作，制定办理方案(an)的贸易案(an)例。这类形式有很多典礼，例如逐日站会和Sprint回想会议，异常耗时。

但随着人工智能的涌现，我们发明(ming)这类形式已不再适(shi)用。更好的做法是，摒弃Scrum中险些全部繁(fan)琐(suo)环节，只保(bao)留(liu)两名开(kai)辟职(zhi)员和一名营(ying)业职(zhi)员，让(rang)他们协同(tong)事情(qing)。他们拥有自主权，并被赋予在项目中做出全部必要决议的权利，从而借助人工智能将项目速度提拔到一个全新的程度。

语(yu)言的人4 14:16

但当我们信任人工智能来完成(cheng)这么多事情(qing)时，这意味着我们必要确保(bao)人工智能在其他方面也能供应高质量的办事，包含高质量的代码和良(liang)好的交付成(cheng)果(guo)。我们必要信任它所(suo)做的统统，必要以合规的方式使用人工智能。为此，我们已创建了一个框架。接上去，我们的人工智能合规官莉迪亚将为大家详细介绍。谢谢。

语(yu)言的人5 14:49

欢迎大家。人工智能发展日新月异，它正在转(zhuan)变我们的事情(qing)方式、数(shu)据交互方式以及决议方式。我们基金充分认识(shi)到确保(bao)所(suo)使用的人工智能一直以负责任的方式运(yun)转(zhuan)的重要性，因此我们构建了一个负责任的人工智能框架。那么，这在理论中意味着什么？让(rang)我来为大家演示一下。

语(yu)言的人5 15:19

首先，我们制定例则。我们的《负责任的人工智能指南》为每位员工在采办、构建或使用人工智能时设(she)定了请求。该指南切合欧盟(meng)人工智能法案(an)等(deng)法律以及环球公认的人工智能标准。它涵盖了一些枢纽范畴，例如保(bao)护个人数(shu)据，以及确保(bao)全部效于帮助投资某人事相干决议的人工智能系统都有人工介入。该指南采纳基于风险的方法，这意味着我们处(chu)理简单邮件过滤系统的方式与处(chu)理影响用户的人工智能系统的方式大相径庭。指南制定了规则，但我们怎样确保(bao)这些规则在理论中得到切实实行呢？

语(yu)言的人5 16:15

我们的运(yun)营(ying)形式是一份文(wen)件，它将人工智能引导(dao)原则转(zhuan)化为一个切实可(ke)行的治理架构。它列出了从人工智能系统开(kai)辟到部署及后续阶段全部人都必要遵循的枢纽流程，涵盖风险管理、法律合规、安全等(deng)诸多方面。

语(yu)言的人5 16:42

我们治理架构的焦点是人工智能治理事情(qing)组，由NBIM各枢纽团队的代表组成(cheng)。事情(qing)组的职(zhi)责很简单：确保(bao)负责任的人工智能不但仅是我们行动上的谈资，而是我们实际践行的准则。事情(qing)组紧密关注羁(ji)系和行业范围内(nei)的人工智能发展静态，接头人工智能成(cheng)绩并寻求办理方案(an)。

语(yu)言的人5 17:22

我们深知，治理结构的健全程度取决于其外部职(zhi)员的素质，因此我们对全部员工都进行了负责任人工智能方面的培训。我们希望每位员工都相识(shi)人工智能现在的能力范围和范围性，能批判性地审视人工智能的输出结果(guo)，同(tong)时勉励他们提出任何(he)疑虑。负责任的人工智能不但仅是合规请求，而是我们每一个人的职(zhi)责地点。

语(yu)言的人5 17:55

往常科技发展日新月异，我们的治理结构也必要与时俱进。但我们异常有信心，我们已构建了一套行之有效的体系：一套指明(ming)方向的引导(dao)原则，一个将这些原则转(zhuan)化为可(ke)实行流程的运(yun)营(ying)形式，以及一个确保(bao)这统统顺遂运(yun)转(zhuan)的事情(qing)组。而最重要的是，我们基金的员工——他们担当了正确的培训，并融入了良(liang)好的企业文(wen)化，每天都在践行负责任的人工智能。

语(yu)言的人5 18:31

这些要素配合构建了一种负责任的立异文(wen)化，在这类文(wen)化中，我们可(ke)以或许更高效、更疾速地事情(qing)，做出更勇敢的决议，同(tong)时一直恪(ke)守法律法规，并坚(jian)持高标准。接上去，我将把发言权交给Tron，他将介绍人工智能计(ji)谋并展示我们的一些运(yun)用案(an)例。谢谢。

语(yu)言的人1 19:02

谢谢。枢纽成(cheng)绩是，怎样将这个底(di)子转(zhuan)化为真正具(ju)有贸易代价的东西？首先，你的目标是什么？在NBIM中，目标是以安全、负责、经济高效且通明(ming)的方式实现尽可(ke)能高的长时间报答，这就是我们的目标。

语(yu)言的人1 19:22

我们必要制定一个更短时间的策略来实现这一点。我们将来三年(nian)的目标是什么？在我们近来公布的报告中，我们屡次提到人工智能在各个职(zhi)能部分、各个岗位、每一个员工身上的运(yun)用。到2028年(nian)底(di)将全部人工流程淘汰一半，这是一个相当勇敢的目标。

语(yu)言的人1 19:55

我们拭目以待。枢纽在于我们已经历的统统——我们已拥有了云原生底(di)子设(she)施的底(di)子，底(di)子设(she)施即(ji)代码而非(fei)物理硬件；我们拥稀有据湖和Snowflake云数(shu)据；我们拥有相应工具(ju)；我们提拔了组织技能；我们具(ju)有相应能力，而且制定了得当的保(bao)障措施。现在，充分利用这项新技能取决于我们每一个人。

接上去，我们将疾速向您展示10个分歧的用例，每一个用例3分钟，首先从我们营(ying)业的焦点——投资开(kai)始(shi)。ULA将报告他们怎样用一个五人团队管理2万亿美圆的资金。

语(yu)言的人1 20:45

欧洲股(gu)市。谢谢，罗恩。设(she)想一下高盛联系你，称法拉利最大的避险资产方想要出售(shou)代价300亿美圆的股(gu)票，这相当于一般交易量三周以上的交易量。高盛正在联系几位大投资者，你必须知道我们现在是否应该参与、出价若干、价格是若干，而且必要在一小时内(nei)给出答复。

我们每年(nian)都市收到大约(yue)200个这样的哀(ai)求。随着时间的推移，这些交易已为基金的逾额收益孝敬了数(shu)十亿美圆。我们清楚地看到，我们越(yue)擅长利用数(shu)据来决定何(he)时放弃、何(he)时参与以及何(he)时真正大肆出手，我们就能赚到越(yue)多的钱，由于这些交易都有风险，而且每笔交易都各不相同(tong)。

语(yu)言的人1 21:59

为了决定这笔交易，我们必要相识(shi)很多事情(qing)，比(bi)如谁是卖方，市场(chang)为何(he)会预期到这笔交易，过去类似的事情(qing)是怎样进行的，合理的价格是若干，以及这是否会引发指数(shu)追(zhui)踪基金等(deng)机构的买入。

语(yu)言的人1 22:19

但挑(tiao)战在于我们时间异常有限。数(shu)据无处(chu)不在，存在于外部和外部数(shu)据源中，以文(wen)本(ben)、数(shu)字、数(shu)据库和收集(ji)搜刮等(deng)形式存在。而且，一个数(shu)据源的输出可(ke)能会影响另外一个数(shu)据源的输出，这使得自动化变得异常难题，由于代码没法办理全部成(cheng)绩，语(yu)言模(mo)子也没法办理全部成(cheng)绩，我们必要二者兼备。

语(yu)言的人1 22:49

因此，我们构建了智能体，即(ji)拥有特地使命和工具(ju)的公用人工智能程序，它们协同(tong)事情(qing)。举(ju)个例子，一个智能体在收集(ji)上搜刮，找出控股(gu)公司面前的真正全部者；另外一个智能体猎取交易文(wen)本(ben)，提取最重要的数(shu)据点，并将全部信息发送给第三个智能体；第三个智能体运(yun)转(zhuan)一个算法，计(ji)算这是否会触发指数(shu)效应。实际上，智能体的数(shu)量更多，工具(ju)也更多。

枢纽在于，在很短的时间内(nei)，我们就能得到完整的决议底(di)子，拥有比(bi)以往更多的数(shu)据和更美满的分析。我们首先在投资团队外部构建了一个原型，之后才得到了开(kai)辟职(zhi)员Yifan的帮助，正是他们帮助我们将最后的设(she)想酿成(cheng)了实际。因此，当高盛涌现询(xun)问时，我们花(hua)在收集(ji)数(shu)据上的时间更少，花(hua)在分析数(shu)据上的时间更多，从而做出更好的决议，赚取更多利润(run)。谢谢。

语(yu)言的人1 24:10

接上去谈谈相同(tong)。通明(ming)度对我们基金来说至关重要，我们多是最通明(ming)的基金。我们相同(tong)部分的劣(lie)势在于，除了相同(tong)能力强之外，它还变得越(yue)发注重数(shu)据驱动。为了更好地说明(ming)用户案(an)例，接上去请听(ting)相干介绍。

语(yu)言的人6 24:30

Echo是我们全部渠道传播流动的实时概览工具(ju)。我们并非(fei)开(kai)辟职(zhi)员，但我们利用人工智能工具(ju)自主开(kai)辟了它。过去一年(nian)，我们努力于将其从供应统计(ji)数(shu)据转(zhuan)化为供应实际洞察。2025年(nian)，该基金在近5万篇文(wen)章中被提及，仅本(ben)年(nian)一年(nian)就有凌驾5000篇。对付一个只要两人的媒体团队来说，追(zhui)踪全部报道险些是不可(ke)能的，因此我们开(kai)辟了人工智能驱动的情(qing)感分析系统来办理这个成(cheng)绩。

这是一个基于代理的系统，每篇文(wen)章都市经由一个主代理，主代理会将使命分配给特地的子代理，这些子代理会对文(wen)章的情(qing)感偏向、参与度、媒体优先级、文(wen)章类型、基金在文(wen)章中的突(tu)出程度以及提及的主题和人物进行分类。全部这些数(shu)据都间接存储在我们的数(shu)据仓(cang)库Snowflake中。现有的媒体监测工具(ju)价格高贵，而且结果(guo)并不理想，所(suo)以本(ben)身搭建这个系统成(cheng)本(ben)更低，而且我们可(ke)以按照本(ben)身想要的方式展示数(shu)据。

这里你可(ke)以看到我们在Echo中搭建的情(qing)感分析页面。这是之前的数(shu)据，其时负面报道很多。我们搭建了一个时间线，可(ke)以轻松地深入查(cha)看是谁写了什么。我们还搭建了一个洞察功能，利用人工智能来总结报道内(nei)容并供应枢纽要点，使我们可(ke)以或许更好地相识(shi)全部报道及其面前的驱动因素，以及我们可(ke)能必要采取行动的处(chu)所(suo)。

末了，我们还在Echo上搭建了一个聊天机器人，它精(jing)通全部传播数(shu)据。我们无需再辛苦地在操纵面板中查(cha)找数(shu)据，只需提出诸如"分析交际媒体互动情(qing)况"之类的成(cheng)绩即(ji)可(ke)。Echobot随后会深入Snowflake，从LinkedIn、Instagram和YouTube猎取数(shu)据并生成(cheng)报告。枢纽在于，这并非(fei)预设(she)视图，而是可(ke)以或许立即(ji)跨渠道分析、辨认趋势并提出计(ji)谋建议。此前，我们必要登录每一个平台，猎取数(shu)据并自行汇总。人工智能使我们可(ke)以或许构建本(ben)身的系统，实现分析自动化，并更快地做出更明(ming)智的决议。

语(yu)言的人1 27:34

当你像这样加快推进时，素质上就是在进行风险管理。近来你也看到了，市场(chang)有涨有跌，动力价格也有涨有跌，这是我们可(ke)以蒙受的，实际上我们还可(ke)以利用这一点。但若是说有一种风险会让(rang)我们夜不克不及寐，那就是收集(ji)安全风险。那么，这方面的情(qing)况是怎样的呢？

语(yu)言的人7 27:58

我在基金的收集(ji)安悉数(shu)门事情(qing)，其中一项职(zhi)责就是思索(suo)，若是有人试图攻击我们、盗取资金并诈骗(pian)我们，会是什么样子？为此，我和我的同(tong)事们保(bao)护着一个巨大的、遍及我们所(suo)稀有字底(di)子设(she)施的隐形预警收集(ji)。这是一项范围相当巨大的数(shu)据收集(ji)事情(qing)。为了让(rang)大家对范围有所(suo)相识(shi)，我们每年(nian)收集(ji)大约(yue)1万亿个关于NBIM及其运(yun)营(ying)的数(shu)据点，然后从中挑(tiao)选出大约(yue)100万到10万个可(ke)能被视为可(ke)疑的信息，再进行进一步挑(tiao)选，只将最有代价的一小部分信息提交给我和我的同(tong)事。

语(yu)言的人7 28:54

举(ju)个例子：一个喜欢足球的员工可(ke)能正在用电(dian)脑寓目足球比(bi)赛直播，他可(ke)能浏(liu)览了一些不太正规的网站，而我们掌握(wo)的谍报显示这些网站包含不良(liang)内(nei)容。这时，我可(ke)能中午(wu)原告警，必要弄清楚发生了什么。平常情(qing)况下，我会收到一条警报，提示这台电(dian)脑连(lian)接到了互联网上的不良(liang)网站。然后，我会收集(ji)全部相干的背景信息，从海(hai)量数(shu)据点中找出全部线索(suo)，最终推断出这只是一个普通用户在浏(liu)览中接见了某个网站，并构建出完整的事件经由。

这必要人为推断：我必要决定观察的方向，必要关注哪些信息，哪些信息重要，哪些信息可(ke)以或许证实我的假(jia)设(she)——这是否属(shu)于非(fei)一般举(ju)动，哪些信息表明(ming)这可(ke)能存在成(cheng)绩。

语(yu)言的人7 29:58

当我在中午(wu)接到告警时，我们的一位AI代理也同(tong)时开(kai)始(shi)事情(qing)。在我处(chu)理的时间，这位代理已马上开(kai)始(shi)实行完全相同(tong)的流程。它会尝试确定我必要查(cha)看哪些信息、必要提取哪些数(shu)据，以及哪些信息是重要的，做出种种推断，最终生成(cheng)一份报告或观察结果(guo)，这与我进行开(kai)端分诊时所(suo)做的异常类似。

语(yu)言的人7 30:28

它表现得异常精(jing)彩，过去一年(nian)前进神速。为了让(rang)大家更直观地相识(shi)，它五分钟就能完成(cheng)我原本(ben)必要半小时能力完成(cheng)的事情(qing)。另外一个异常棒的处(chu)所(suo)是，它从不疲乏(fa)，纵然是反复的、异常类似的内(nei)容，它每次都能以同(tong)样的精(jing)神完成(cheng)。谢谢。

语(yu)言的人1 30:55

我认为该基金的枢纽劣(lie)势之一在于其范围和长时间投资期限，这使我们成(cheng)为目标公司的理想合作火伴。因此，我们可(ke)以或许异常便利地接触到这些公司，并与他们进行对话，与董事长、首席实行官和首要团队成(cheng)员会面。为了更好地筹备这些会面，我们开(kai)辟了一个人工智能运(yun)用案(an)例，接上去伦敦的克里斯蒂(di)娜会详细介绍。

语(yu)言人8 31:30

大家好，我来自伦敦。过去几个月，我们一直在开(kai)展一个异常使人奋发的人工智能项目，它切实革(ge)新了我们投资股(gu)票和与投资组合公司互动的重要流程。人工智能团队、投资组合经理和伦敦团队之间一直连(lian)结着紧密的合作。

语(yu)言人8 31:48

2025年(nian)，NBIM召开(kai)了3000多场(chang)公司会议，每场(chang)会议的筹备时间大约(yue)必要三个小时，也就是说，每年(nian)要花(hua)费近10000个小时在会议筹备上，而这些时间我们本(ben)可(ke)以更有效地利用。

语(yu)言的人8 32:02

这正是我们构建本(ben)身系统的枢纽地点。首先，它奠基了我们的竞争劣(lie)势。正如之前所(suo)说，我们是一家大型长时间投资者，这意味着我们拥有与公司管理层间接相同(tong)的独特渠道。其次，我们拥有一套独树(shu)一帜的公司会议方法，并在访谈和质询(xun)技巧方面担当过广泛的培训，这是抢先的外部办理方案(an)难以复制的。

您可(ke)以在这里看到我们办理方案(an)的早期版本(ben)。它会列出我们将来几周将要访问的公司。模(mo)子会加载数(shu)据，但只要我们能力接见投资假(jia)设(she)和会议记录。

语(yu)言的人8 32:43

您可(ke)以选摘要使用的AI模(mo)子，可(ke)以添加引导(dao)语(yu)，可(ke)以附加文(wen)档，然后这些信息会被输入到一个多智能体系统中。首先，一个智能体系体例定设(she)计(ji)；然后三到五个子智能体味去研究(jiu)分歧的资源；末了一个智能体接收输出结果(guo)。这个智能体已由我们精(jing)心筹备的会议示例和外部口(kou)试技巧材料的训练，它会评估输入内(nei)容并推断其是否足够好。输出结果(guo)包含我们输入的提示以及引用的资源，以确保(bao)没有涌现任何(he)虚假(jia)信息。您还可(ke)以辨认出我们的方法，即(ji)提出可(ke)以或许帮助公司创建长时间合作干系并着眼于久远发展的成(cheng)绩。

语(yu)言的人8 33:27

我们还确保(bao)可(ke)以在聊天中迭代议程，而且将继续开(kai)辟该产物。我们很快会添加一个模(mo)拟(ni)组件，该组件将利用播客、过往会议和公司通讯(xun)来预测对方可(ke)能会说的话，让(rang)您既可(ke)以美满设(she)计(ji)、确保(bao)在会议中真正杀青目标，也可(ke)以或许经过语(yu)音交互得到关于您怎样主持公司会议的反馈。

简而言之，这能让(rang)您更有效地利用那10000小时。该系统帮助投资组合经理自动收集(ji)信息并梳理结构，从而专注于计(ji)谋性成(cheng)绩。以最佳案(an)例训练了该模(mo)子，模(mo)拟(ni)功能将使我们全部人都变得更好，最终帮助我们最大限制地发挥竞争劣(lie)势。谢谢。

语(yu)言的人1 34:24

这个基金每年(nian)在凌驾60个市场(chang)进行数(shu)百万笔交易，这些都是羁(ji)系严(yan)酷的市场(chang)，所(suo)以我们要确保(bao)所(suo)做的统统都是正当的，并切合市场(chang)法规。那么，奥斯卡，你怎样利用技能来革(ge)新这一点呢？

语(yu)言的人9 34:44

风险在于，内(nei)幕交易和市场(chang)利用的真实案(an)例并不少见，我们经常看到相干报道，也看到北欧地区正在主动执法。市场(chang)诚(cheng)信对任何(he)市场(chang)参与者都至关重要，而对付像NBIM这样的投资者来说，记录合规情(qing)况是根本(ben)。那么，我们该怎样实现这一点呢？

语(yu)言的人9 35:10

随着羁(ji)系日趋严(yan)酷，像买方机构这样的机构现在必要证实其具(ju)有交易监控能力，而此前它们一直依附于交易单位。为了应对这类情(qing)况，NBIM在2018年(nian)选择了一套外部系统，该系统使用先进的市场(chang)风险模(mo)子，并会发出警报，供合规团队手动观察。但是，这套系统并不相识(shi)我们的情(qing)况，它不知道交易是由于再平衡、指数(shu)事件，还是由于我们在前一周与该公司有过接触——这些信息现在仍旧必要合规团队手动猎取。率直说，处(chu)理这些警报本(ben)身就是一项繁(fan)琐(suo)的流程性事情(qing)，你一直在检查(cha)同(tong)样的事情(qing)，很容易感触疲惫，我们也虚耗了很多时间在误(wu)报上。

语(yu)言的人9 35:59

这就是我们现在正在转(zhuan)变的。我们引入了人工智能监控团队，共有六个子代理，每一个子代理都市审核系统发出的全部警报，离别专注于交易背景、指数(shu)再平衡、公司旧事、行业旧事、时间形式和公司互动六个维度。它们一直以相同(tong)的方式同(tong)时评估每条警报，绝不懈怠。全部子代理的评估结果(guo)都市汇总到一个主代理，我们称之为"增强型鉴戒代理"（Eva）。Eva一直在线，为每一个评估的案(an)例生成(cheng)完整的审计(ji)追(zhui)踪，全部警报都市同(tong)时进行评估，她也是形式辨认方面的专家。

在以下三种情(qing)况下，主代理会将案(an)件移交给人工处(chu)理：一是案(an)件本(ben)身存在诸多隐约(yue)的地方；二是没法自动推断；三是最终决议必须由人工做出。这些案(an)件会被提交给合规部分。我们拥有同(tong)样范围的团队，但覆盖范围大大提拔。谢谢。

语(yu)言的人1 37:14

我们管理这笔基金的动身点是财政(zheng)部供应的基准，该基准包含大约(yue)7000家公司。若是我们采纳该基准，我们将平均买入每家公司的股(gu)分，大约(yue)占每家公司1.5%的份额。现在的成(cheng)绩是，你真的想持有全部这些公司的股(gu)分吗？莫顿，你以为呢？

语(yu)言的人7 37:36

可(ke)能不是。在法务会计(ji)范畴，我们面临的挑(tiao)战是怎样从基金中剔除那些"害群之马"。平均而言，每位分析师要花(hua)费大约(yue)两周时间，对每家公司进行深入研究(jiu)，仔(zai)细查(cha)阅财政(zheng)报表和附注。仅仅为了阅读我们设(she)计(ji)出售(shou)的7000家公司的材料，就必要泯灭数(shu)百万美圆的人力成(cheng)本(ben)。因此，我们必要揭破那些让(rang)这些公司看起来比(bi)实际情(qing)况更好的财政(zheng)造假(jia)，也就是清理这7000家公司过去16年(nian)的账目，然后训练机器来辨认这类财政(zheng)造假(jia)。

语(yu)言的人7 38:34

那么我们该怎样实现呢？举(ju)个实际例子，我们来查(cha)找分歧的枢纽词，比(bi)如"对付账款延期"。我们在脚注里找到这个枢纽词，然先人工智能会从前后几页中提取相干句子，并找出我们感兴趣的数(shu)字。在这个例子中，一家甜甜圈临盆商将对付账款延期了7.45亿美圆。我们会存储这个数(shu)据并从中学(xue)习。我们正在构建多种分歧的智能体，试图辨认这类财政(zheng)结构——即(ji)公司经过调解支出、成(cheng)本(ben)、收益或现金流等(deng)数(shu)据，使其看起来比(bi)实际情(qing)况更好，有些调解幅度可(ke)能相当大。

语(yu)言人7 39:40

我们利用机器学(xue)习模(mo)子来学(xue)习全部这些数(shu)据。我们自主开(kai)辟了一个异常独特的数(shu)据集(ji)，查(cha)阅了全部法务会计(ji)研究(jiu)，收集(ji)了全部公司篡改账目的历史案(an)例——当市场(chang)发明(ming)这些案(an)例后，股(gu)价大幅下跌。我们收集(ji)了数(shu)千个这样的案(an)例，并正在训练机器学(xue)习模(mo)子来辨认类似情(qing)况。模(mo)子的输出结果(guo)是一个几率百分比(bi)，代表一家公司发生此类法务会计(ji)成(cheng)绩并导(dao)致股(gu)价下跌的可(ke)能性。该模(mo)子已投入临盆，我们每天都在使用。我们也正在全力开(kai)辟更多此类模(mo)子，以便辨认更多财政(zheng)造假(jia)举(ju)动。谢谢。

语(yu)言的人1 40:54

现在，我们来看看财政(zheng)报表的生成(cheng)事情(qing)。这位是托(tuo)迪乌斯。他将解释我们怎样定期披露切合国际财政(zheng)报告准则（IFRS）的完整财政(zheng)报表，这些报表基于涉及多种分歧金融工具(ju)的数(shu)百万笔交易。每一个季度，我们都市编制NBIM的财政(zheng)报表、附注和分析，这是一个严(yan)谨的流程，但异常泯灭资源。它必要使用复杂的Excel事情(qing)簿(bu)，其中包含冗长的公式链，而且必要大批的人工操作。

语(yu)言的人1 41:32

为了连(lian)结我们本(ben)身期望的质量，我们投入了大批的时间和精(jing)神。而这也带来了相应的代价：我们在临盆形式下投入了太多时间，以致于险些没偶然间进行更深入的分析和洞察，枢纽知识(shi)也会合在多数(shu)人手中，形成(cheng)了一种我们原本(ben)想要解脱的依附。这是一个高质量的流程，它本(ben)应拥有更好的底(di)子设(she)施。

语(yu)言的人1 42:10

好的流程总有革(ge)新的空间，我们的流程也不破例，而人工智能为我们供应了革(ge)新的工具(ju)。我们决定从零开(kai)始(shi)，与基金会计(ji)团队合作构建系统。我们首先从底(di)子会计(ji)数(shu)据动手，创建单一数(shu)据源，确保(bao)数(shu)据清洁、结构化且靠得住，以便人工智能工具(ju)可(ke)以或许发挥其最佳功能。

我们团队只要两个人，并非(fei)开(kai)辟职(zhi)员，因此我们使用Claude和Cursor来编写代码。纵然是最复杂的计(ji)算和汇总，现在也能间接在我们自定义构建的底(di)层数(shu)据会合运(yun)转(zhuan)，并自动导(dao)入到我们的附注、财政(zheng)报表生成(cheng)和分析流程中。我们一直连(lian)结人工操纵，运(yun)用会计(ji)专业知识(shi)和营(ying)业逻辑来确保(bao)输出结果(guo)的准确性，同(tong)时在采纳新的事情(qing)方式时也能维持外部操纵。

语(yu)言的人1 43:10

最终成(cheng)果(guo)是一个可(ke)以或许供应更优质分析、更早更疾速产出成(cheng)果(guo)的平台。我们的分析结果(guo)甚至在第10个事情(qing)日会计(ji)系统封(feng)闭之前即(ji)可(ke)猎取。外汇和税务分析在第2个事情(qing)日即(ji)可(ke)一键(jian)完成(cheng)，证券和借贷分析在第7个事情(qing)日即(ji)可(ke)完成(cheng)。

语(yu)言的人1 43:32

这统统都让(rang)我们偶然间进行观察并及时纠正，以免为时过晚。周全自动化将使我们这个原本(ben)专注于临盆的2.5人小团队俭省出八地利间，这些时间现在可(ke)以用于分析、操纵、质量保(bao)证和审计(ji)，从而使整个流程得以提早推进。

语(yu)言的人1 43:56

一个很好的例子就是那份关于典质品抵消的附注，此前由一个人花(hua)了整整一周时间建造，现在只需几个小时就能完成(cheng)。我们在NBIM的推广事情(qing)才方才开(kai)始(shi)，我们正与挪威(wei)银行合作，实行一套新的报告工具(ju)。有了这套工具(ju)，我们将实现大部分投资组合从交易报告到正式对外报告的全自动化处(chu)理。

语(yu)言的人1 44:29

为了更清晰地显现我们现在的实际成(cheng)果(guo)，人工智能使我们可(ke)以或许自动生成(cheng)股(gu)票、债券和金融衍生品的支出和支出明(ming)细，并在2025年(nian)年(nian)度报告中列出了11项外汇损(sun)益。这些明(ming)细异常精(jing)美，请仔(zai)细查(cha)看。

语(yu)言人4 44:50

请看。

语(yu)言的人1 44:52

我推荐它。谢谢。

语(yu)言的人1 45:02

谢谢，克里斯。接上去我们要回到伦敦，请克里斯蒂(di)娜介绍责任投资方面的内(nei)容。责任投资对基金来说异常重要，因此，我们也部署了新技能，以革(ge)新我们在环境和社会因素方面的风险监控。

语(yu)言的人10 45:20

大家好。正如之前提到的，我们在60个国度投资了凌驾7000家公司。作为负责任的投资者，我们必要相识(shi)这些公司是否存在诸如强迫劳动、童工、森林砍伐、腐败等(deng)严(yan)重成(cheng)绩，这意味着我们必须对全部这些公司进行挑(tiao)选。但若是由人工分析师来完成(cheng)这项事情(qing)，我们估计(ji)必要3000名分析师周末加班能力完成(cheng)，而我们的团队只要8个人。因此，我们必须利用人工智能来加快挑(tiao)选流程。

本(ben)日，我们将向大家展示一个挑(tiao)选流程的示例。借助人工智能，我们现在可(ke)以从前所(suo)未有的范围挑(tiao)选公司。其道理很简单：对付每一个公司名称，人工智能会搜刮全部公然可(ke)用的信息泉源，例如旧事、财政(zheng)数(shu)据、政(zheng)府记录和当地媒体，并输出结构化的风险评估报告。这套系统对我们真正有代价的枢纽在于，我们的专业知识(shi)贯串(chuan)于流程的每步。

挑(tiao)选流程分为两个阶段。第一阶段，我们使用更轻量级、更疾速的AI模(mo)子，寻找公司与我们所(suo)关注成(cheng)绩相干的任何(he)迹象。不出所(suo)料，大多数(shu)公司都能经过这一阶段。但若是发明(ming)任何(he)成(cheng)绩，就会触发第二阶段。在第二阶段，我们会部署多个AI代理，每一个代理负责从分歧的角度研究(jiu)公司——一个代理可(ke)能负责追(zhui)踪供应链环节，另外一个代理可(ke)能负责考察间接运(yun)营(ying)，第三个代理则可(ke)能负责分析财政(zheng)干系。全部代理完成(cheng)事情(qing)后，它们会汇总各自的发明(ming)，并为每家公司给出风险评分。

第二步，我们的分析师从新介入并做出决议。我们会审查(cha)人工智能标记为高风险的每家公司，核实信息泉源，检查(cha)推理过程，并做出最终决定。若是风险得到确认，高风险公司会被标记在我们的两个外部投资组合管理系统——Polaris和投资模(mo)拟(ni)器中。除了标记之外，我们还可(ke)以选择与公司管理层相同(tong)；大概在最严(yan)重的情(qing)况下，对付我们投资组合中的小型公司，可(ke)以选择进行基于风险的撤资。

往常我们可(ke)以利用人工智能挑(tiao)选更多公司，使我们的团队可(ke)以或许专注于真正重要的事情(qing)。固然，我们不克不及保(bao)证可(ke)以或许发明(ming)全部风险，但我们可(ke)以确定的是，我们可(ke)以挑(tiao)选更多公司、查(cha)看更多信息泉源、使用更多语(yu)言，并进行比(bi)以往任何(he)时间都更深入的分析，以便在发明(ming)风险时可(ke)以或许迅速采取行动。

语(yu)言的人1 48:45

我们法务和税务部分对这项新技能的运(yun)用异常广泛。接上去，克里斯蒂(di)将上台探(tan)讨这项技能在各部分的运(yun)用案(an)例。

语(yu)言人3 48:58

试想一下，若是你在谈判前就能预先相识(shi)对方的策略，并知道怎样引导(dao)对方走向本(ben)身想要的条目，那会怎样？我在处(chu)理一份重要条约(yue)时，看到了这样的机会。若是人工智能可(ke)以或许模(mo)拟(ni)语(yu)言形式，那么它也能模(mo)拟(ni)谈判形式。所(suo)以我开(kai)辟了谈判模(mo)拟(ni)器，它有两个枢纽功能：规划和模(mo)拟(ni)。

规划形式可(ke)以生成(cheng)一份书面策略设(she)计(ji)，帮助我们预测对方的论点，并找到最佳的条目组合。现在它的表现异常精(jing)彩——我们可(ke)以或许预测凌驾80%的论点，得到了更高比(bi)例的枢纽条目，而这些条目对基金的风险和收益有偏重大影响。别的，我们生成(cheng)书面设(she)计(ji)的速度也比(bi)从前快很多，从而俭省了时间，让(rang)我们可(ke)以或许专注于更具(ju)计(ji)谋意义的成(cheng)绩。

语(yu)言的人3 50:01

但模(mo)拟(ni)功能才是它的独特的地方。在语(yu)音形式下，我可(ke)以在无风险的环境下模(mo)拟(ni)真实的谈判，还可(ke)以哀(ai)求反馈来提拔谈判技巧，甚至可(ke)以转(zhuan)换脚色，看看若是人工智能坐在我的地位上会怎样处(chu)理这类情(qing)况。这里有一个冗长的视频，向您展示怎样进行这类场(chang)景模(mo)拟(ni)。这应该是与软件允许供应商进行价格续约(yue)谈判的第六个场(chang)景，我们已筹备就绪。

语(yu)言的人1 50:34

开(kai)始(shi)软件允许续签谈判的实时模(mo)拟(ni)。

语(yu)言的人3 50:38

情(qing)况是这样的，我们过去确实遇到了一些办事成(cheng)绩。

语(yu)言的人1 50:42

20%的降幅相当大，这对我们来说是个很高的请求。

语(yu)言的人3 50:46

我必要你在此底(di)子上给出更高的折扣率。

语(yu)言的人1 50:50

我不是说这不可(ke)能，但若是我要赞同(tong)退(tui)出条目，我必要一些详细的报答。

语(yu)言的人3 50:57

他是个谈判妙手，没错。但这只是我带领团队超越(yue)自动化、迈向立异的其中一种方法。当我查(cha)看我们的条约(yue)组合时，我看到的不但仅是一个机会，而是多个机会。为何(he)呢？由于我们在这里所(suo)做的统统都与条约(yue)毫不相干。条约(yue)包含大批重要信息，若是你大范围地审视这些条约(yue)，会发明(ming)一些规律、随时间推移发生的变化，以及一些你原本(ben)没法发明(ming)的联系干系。

语(yu)言的人3 51:31

现在，我们可(ke)以或许利用人工智能大范围地实现这些目标。例如，我们正在研究(jiu)强制措施条目及其在不怜悯景下的综合影响；我们也在尝试分析投资条约(yue)中分歧的触发条件可(ke)能会怎样影响或延迟我们得到信贷、典质品或其他物资。以上只是我们运(yun)用人工智能的部分方式，我们并非(fei)仅仅用它来帮助进行条约(yue)谈判，而是用它来提取真正有代价的计(ji)谋信息。谢谢。

语(yu)言的人1 52:13

在我们的第十个也是末了一个环节，尤内(nei)加尔将谈谈基金外部怎样管理跨分歧投资组合的全部交易。我们有250个分歧的投资组合，投资组合经理会根据情(qing)况选择买入或卖出。在分歧的时间段，资金会流入和流出基金，而且我们还有一个每个月都市变化的基准。为了操纵这些资金流动，更重要的是，为了在交易完成(cheng)后可(ke)以或许盈利或避免亏损(sun)，我们是怎样做到的呢？

幸运(yun)的是，这些年(nian)来基金范围大幅增长，但这同(tong)时也意味着我们的交易需求也在增长。现在，我们常常会成(cheng)为本(ben)身最大的仇人：当我们大批买入时，会推低价格；当我们大批卖出时，会抬高价格。这类市场(chang)影响，我们称之为市场(chang)打击，客岁估计(ji)约(yue)为140亿美圆。这是一个相当大的数(shu)字——它不是会计(ji)成(cheng)本(ben)，所(suo)以不会体现在账目上，但确实形成(cheng)了重大且真实的代价丧失，阻碍了我们完成(cheng)既定目标。

语(yu)言的人1 53:36

那么，我们该怎么做呢？这里有一些方向。

例如，我们可(ke)以预测市场(chang)走势。人工智能可(ke)以帮助我们发明(ming)市场(chang)形式，并预测哪些股(gu)票可(ke)能会下跌，哪些股(gu)票可(ke)能会下跌。当你给我下达(da)指令时，我会查(cha)看并推断：好的，你让(rang)我买入某只股(gu)票，但它的价格很可(ke)能会下跌，我必要更主动地操作。但另外一方面，若是预测这只股(gu)票的价格实际上会下跌，我就可(ke)以连(lian)结耐(nai)心，不必要激进操作来形成(cheng)巨大的市场(chang)打击，可(ke)以适(shi)时退(tui)出。因此，预测可(ke)以帮助我们培育种植提拔耐(nai)心。

我们还可(ke)以查(cha)看全部外部投资组合。我们外部有多种分歧的策略，偶然出于合理的缘故原由，它们会投资于相同(tong)的公司或股(gu)票。但若是有人在周一给我们下单，而我们有理由置信本(ben)周晚些时间可(ke)能会涌现相反的情(qing)况，我们不会进入市场(chang)，而是会把两笔交易在外部对冲。本(ben)日早上我查(cha)看了一下我们的外部对冲储备，现在有100亿美圆寄(ji)存着。客岁，我们寄(ji)存了凌驾1200亿美圆而没有进入市场(chang)——不反复缴(jiao)税，不反复支付佣(yong)金，也不先推低价格再抬高价格，只是利用资产欠债表和风险蒙受能力，采取一个审慎稳健的策略。

末了，人工智能帮助我们革(ge)新事情(qing)方式的方式异常使人奋发。我们所(suo)做的统统都以稳健的投资流程为底(di)子，并结合人类的明(ming)白。我们拥有良(liang)好的人才，他们真正相识(shi)市场(chang)、相识(shi)各个公司的驱动因素、相识(shi)旧事、微观经济和政(zheng)治静态。人工智能近来才到场(chang)，就像如虎添翼，而且知识(shi)的深度正在不断延伸——人工智能正在帮助我们人类更快、更深入地明(ming)白，进行红队分析，供应分歧的视角，从多个角度看待成(cheng)绩。同(tong)时，我们也在革(ge)新焦点底(di)子流程，不但是自动化、更快地完成(cheng)同(tong)样的事情(qing)，而且是进步事情(qing)质量。

所(suo)以，我们又回到了最后的成(cheng)绩，140亿美圆的市场(chang)打击成(cheng)本(ben)，是多还是少？显然是多。但若是按照之前的成(cheng)本(ben)结构推算到2025年(nian)，这个数(shu)字将接近200亿美圆。人工智能间接带来了若干俭省？不是悉数(shu)，但这正是我们经过优化基金交易方式俭省了数(shu)十亿克朗的重要缘故原由之一。谢谢。

语(yu)言人1 57:07