Singular Bank 用 ChatGPT 做内部助手：私人银行先被挤压的是材料工

马德里私人银行 Singular Bank 做了一个内部助手，叫 Singularity。它由 ChatGPT 和 Codex 驱动，接入银行核心系统，但不直接面向客户，而是给内部银行家用。

最抓人的数字很硬：会前准备，过去约 20 分钟，现在不到 1 分钟；一份 call report，过去 15–20 分钟，现在不到 30 秒。OpenAI 官网案例称，银行家每天能省下 60–90 分钟。

这事的看点不是“私人银行终于也用上 AI”。真正被改写的，是私人银行家的工作重心：少花时间搬材料，多把时间押在判断、关系和合规留痕上。

Singularity 具体压缩了哪些工作

Singularity 的定位很清楚：内部助手，不是自动投顾，也不是替客户下单的机器。

它把散落在系统里的客户组合、仓位、风险点、沟通记录和流程要求拉到一起，给银行家生成可用材料和下一步建议。原文提到的能力包括识别集中度风险、过高敞口、组合失衡，并生成再平衡、降低集中度、锁定收益等行动建议。

使用强度也不算低。30 天内，银行家通过 Singularity 执行了超过 3500 次操作，平均每天约 120 次，覆盖 19 个工作流。

合规是这里最容易被低估的一环。Singularity 的输出来自批准数据源和结构化流程，银行强调这能提升沟通一致性、可追溯性和监管报告可靠性。

金融业用 AI，最难的往往不是生成一句漂亮话，而是出了问题能不能追。谁用了什么数据，系统给了什么建议，银行家有没有人工判断，监管回头查时要能说清楚。

私人银行的分水岭，从会前准备挪到会中判断

过去，私人银行家的很多“专业性”藏在会前：拉数据、对仓位、拼材料、找风险点。客户看到的是一场谈话，背后是大量手工拼接。

Singularity 改掉的是节奏。

过去是会前把弹药备好，会上按材料推进。现在更像是会中就能看组合、看风险、看下一步建议。银行家不用花太多时间解释“你现在有什么”，可以更快进入“接下来该怎么取舍”。

这对私人银行很关键。这个行业卖的从来不只是产品，还包括信任、判断和陪伴。AI 如果只是把 PPT 做快一点，价值有限；如果它把银行家从材料堆里捞出来，让客户互动更接近实时决策，价值就实在得多。

但这里要加一层商业宣传滤镜。信息来自 OpenAI 官网案例，天然会强调成功面。它没有披露财务收益、客户增长、资产管理规模提升，也不能证明服务质量已经提升。

省时间，不等于更聪明。

服务质量仍然压在三件事上：底层数据是否干净，合规边界是否清楚，银行家本人是否有判断力。AI 可以把材料搬到桌面上，但不能替人承担判断后果。金融业错一次，可能不是邮件写偏，而是风险错配、销售误导和监管追责。

对银行数字化团队，真正动作不是买工具

这类案例对金融科技和银行数字化从业者有一个很直接的提示：别再把 AI 项目做成“聊天框试点”。真正能落地的地方，往往是已有流程里耗时、重复、可追踪的环节。

采购团队不该只问模型多强，而要问四件事：能不能接入批准数据源，能不能嵌进现有工作流，能不能保留操作痕迹，能不能让合规团队复核。答不上来，演示再顺也只是演示。

对关注 AI 落地的科技读者，这个案例也有一个对照意义：模型发布看参数，企业落地看约束。私人银行不是缺一个会说话的机器人，而是缺一个能在合规边界内稳定交付的工作系统。

最受影响的不是客户，也不是被立刻替代的银行家，而是三类岗位。

我更在意的是新人培养。很多金融岗位的基本功，原本就是从低阶重复劳动里练出来的。AI 把这些活压缩掉以后，组织必须重新设计训练路径。

如果银行只想着每天省 90 分钟，却不补上新的训练机制，最后可能得到一批会点按钮、不会判断的人。工具越强，人的空心化越隐蔽。

历史上类似的事反复发生。电子表格、Bloomberg 终端、线上交易系统，都没有消灭金融从业者，但都改变了谁更值钱。信息差被工具抹平后，真正拉开差距的是判断差。

“天下熙熙，皆为利来。”这句话放在金融科技里很直白。银行上 AI，不是为了赶时髦，而是为了让高薪人力少做低价劳动，让每次客户互动更可控、更可追踪，也更容易被管理。

接下来最该看的不是 Singular Bank 省了多少分钟，而是三件事：人工审核怎么嵌入流程，客户侧是否真的感到服务更好，监管报告和内部审计能不能承受规模化使用。

目前这些还看不清。OpenAI 案例给出的，是效率证据，不是经营结果。

所以 Singular Bank 这个案例的意义反而朴素：AI 最先吃掉的，往往不是最神秘的脑力劳动，而是组织里最稳定、最重复、最没人愿意承认低效的那部分。

私人银行家还在牌桌上。但只会搬运材料的人，已经坐在倒计时旁边。