Stifel 與 Anthropic 合作瞄準顧問工作流程,同時維持以人類判斷為核心
Stifel 於 11 月 10 日宣布與 Anthropic 合作,計劃將 AI 納入其顧問工作空間,同時維持以人類判斷為核心。Stifel 與 Anthropic 的合作聚焦於 Dashboard,即顧問用來管理其業務的平台。其意義在於支援建議工作周邊的事務:尋找資訊、整理任務,以及準備客戶溝通內容。
這帶來一種具體張力。軟件可以令準備工作更容易,但顧問仍須理解支撐其決策的資訊。將工作移至 AI 介面,亦會引發疑問:任何內容交付予客戶前,員工可檢視、修正及批准多少內容。
Morgan Stanley 早前推出的顧問助手及會議跟進工具,提供了一個有用的歷史參照。Stifel 現在面對相近的營運問題:如何將 AI 協助轉化為可靠的日常工作流程。這項公告確立了方向,但評估實際交付所需的細節仍然有限。
對企業採購者及知識工作者而言,這讓事件比聊天機械人品牌之爭更具實際意義。關鍵選擇在於 AI 在工作流程中處於甚麼位置,以及責任如何在這種轉變中得以延續。
Stifel 與 Anthropic 的合作實際改變了甚麼
Stifel 在拉斯維加斯舉行的顧問創新會議 Blueprint 2026 上介紹這項合作。其 Dashboard 現代化公告 表示,該公司會與 Anthropic 合作改善既有平台,同時保留熟悉的功能。
具體改變是承諾將既有工作空間現代化,而實施細節仍有待公布。
閱讀企業 AI 公告時,這項區別十分重要。合作可以確立優先事項並分配資源關注,卻不代表每項擬議功能已交到員工手中。產品可用性、營運準備程度及已證實的效益,分別代表不同階段。
公告亦列出 Claude、Claude Code 及 Claude Design,指它們是公司內部使用的工具。Claude 是 Anthropic 的 AI 助手產品系列。提及這些產品,並不代表已確定顧問將在 Dashboard 內獲得哪些功能,或何時獲得這些功能。
既有工作空間的實際重要性十分直接。員工早已有圍繞所用軟件進行準備、記錄及完成工作的習慣。在該處引入協助,與要求所有人改用另一個工作目的地,是不同的方案。
試想「產生有用回應」與「完成一項任務」之間的差別。一個回應或可準確總結資訊;完成任務還需要找到正確紀錄、保留相關脈絡,並在同事預期的位置提供結果。
這個例子描述的是實施挑戰,而非已確認的 Dashboard 功能。公開公告並未提供完整的支援操作清單。因此,讀者應把已表明的方向與對最終介面的假設分開看待。
已公布的合作詳情 指出雙方角色互補:Stifel 提供顧問工作知識,Anthropic 提供 AI 能力。這種分工令營運設計成為項目核心。
了解模型能產生甚麼,只是設計的一部分。團隊還需要決定它應接收哪些資訊,以及其後會發生甚麼。合理的介面必須區分建議、已完成的操作,以及等待批准的事項。
在未確認任何特定架構的情況下,這為多種實施方法留下空間。協助功能可以出現在既有畫面旁、指定任務之內,或透過另一種獲批准的互動模式提供。公告並未決定這些選擇。
對評估 Stifel AI 顧問工具的讀者而言,眼前重點相當明確。該公司已將現有工作空間定為 AI 發展的場所。這項決定會否改善日常工作,取決於其後推出的功能、控制措施及採用證據。
顧問與技術團隊面對不同壓力
這項公告把一個營運問題擺在顧問、平台開發人員,以及負責審核其工作的人面前。每個群體都需要從同一套軟件中得到不同的東西。
顧問需要切合眼前任務的協助。開發人員需要就資訊存取及容許操作設下清晰界線。主管則需要足夠可見性,以了解當某項輸出需要調查時發生了甚麼。
壓力落在整個工作流程上,因為更快完成草稿並不會自動帶來更快完成的任務。
顧問準備客戶回覆可說明這種差別。尋找相關資訊可能需時,但審視其含義同樣需要專注。如果協助縮短了第一項活動,卻令第二項更複雜,整體效益便更難確立。
這是分析例子,並非對已部署 Stifel 功能的描述。它說明為何生產力主張需要明確的起點和終點。只計算生成步驟所花的時間,會忽略驗證及使用結果所需的工作。
同樣的推理亦適用於整理一天的工作。若員工必須重建每個項目背後的脈絡,建議的任務清單價值有限。若清單遺漏尚未解決的責任,較短的清單亦可能造成誤導。
對平台團隊而言,挑戰不止於令介面方便使用。他們需要了解哪些操作應歸為一組,以及人員應在何處介入。這些決定會影響協助功能在日常工作中是否實用,還是只在示範時有用。
保留熟悉功能增加了另一項設計限制。員工在學習改變之處時,需要維持工作連續性。即使新的 AI 功能看來令人印象深刻,若介面令既有任務更難完成,仍會帶來阻力。
這並不代表 Stifel 現時正面對這些問題。這只是指出,選擇改善既有平台後所引出的問題。實施方案將須兼顧既有習慣及新的協助形式。
管理層亦面對相關的衡量問題。更多生成內容可以看似代表活動增加,卻未必顯示服務有所改善。有用的證據應把協助與已完成工作、可管理的審核工作量,以及較少未解決的交接問題連繫起來。
可用性與重複使用之間亦有分別。員工可能因為功能出現在其工作空間而試用它。若他們自願再次使用,便更能說明它有助處理重複出現的任務。
對金融業以外的企業採購者而言,更廣泛的啟示關乎責任歸屬。必須有人對整個流程負責,包括模型周邊的步驟。購買 AI 能力的存取權,並不能解決這項責任。
當這些營運選擇變得可見時,Stifel Claude integration 將更具參考價值。在此之前,公告確立的是投資方向,而非顧問表現已獲衡量的改變。
Morgan Stanley 為建議相關的協助提供先例
Morgan Stanley 早前的工作提供了一個具體比較,毋須揣測哪個模型表現較佳。其例子涉及客戶關係周邊可辨識的活動。
在其 2024 年 6 月發布的顧問會議助手公告中,Morgan Stanley 把 Debrief 描述為一項由 OpenAI 驅動的工具,用於經同意後的會議筆記及跟進準備。該公司表示,顧問可自行編輯及發送生成的電郵,筆記則會儲存至 Salesforce。
這項比較的實用之處在於工作流程:當輸入、輸出及人類決策均可識別時,協助功能才變得具體。
這種描述讓讀者有具體內容可供評估。一次會議產生資訊;軟件把這些資訊整理成建議的紀錄及溝通內容;顧問其後審閱資料,再決定如何使用。
它亦為與 Stifel 的比較確立了一條重要界線。Morgan Stanley 已發布的產品描述,並不代表 Dashboard 內存在相同功能;也不代表任何一家公司擁有較優秀的底層模型。
兩家公司的公告在具體程度上各有不同。Morgan Stanley 過往的公告列明特定活動及其輸出的處理方式;Stifel 的公告則指出一項更廣泛的平台現代化工作。
這個差異應影響讀者提出的問題。對界定明確的會議工具,評估可聚焦於其紀錄的準確性及實用性;對較廣泛的工作空間項目,讀者首先需要知道軟件將支援哪些活動。
中立的比較亦需要把採用、實用性及財務效益分開。這些概念回答不同問題。員工可以使用產品,但並非每次互動都產生可衡量的節省;而實用的協助亦不會自動轉化為更高收入。
因此,以模型對模型的方式來看待仍屬言之過早。使用者體驗部分取決於公司如何把助手連接到相關資訊,也取決於系統容許員工如何使用回應。
能產生一段流暢文字的助手,仍只是該體驗的一個組成部分。員工仍需要知道它是否反映正確文件及情況,也需要一個實際可行的方法修正錯誤。
對 Stifel AI 顧問工具而言,競爭壓力不只關乎能否接觸到知名 AI 供應商,亦關乎交付質素。合作可以提供能力,但公司仍需圍繞員工熟悉的工作來塑造這些能力。
這一點同樣適用於其他企業軟件類別。知識工作者很少只需要孤立的生成文字;他們需要來源資料、建議輸出與下一步行動之間建立可靠關係。
有興趣了解這項分別的讀者,可比較個人與組織的 AI knowledge bases。資訊組織與 AI 生成解決的是相關問題,但其中一方面成功,並不會自動證明另一方面同樣成功。
這個歷史比較讓 Stifel 有一個清晰機會說明其做法。具體的任務描述,會比單純廣泛宣稱現代化更容易評估該項目。
人類判斷需要在介面中佔有位置
Anthropic 的 Peter Nolan 將這項合作定位為補足人類判斷。這個立場提供了有用的起點,但其實際意義取決於員工如何與軟件互動。
當審閱輸出內容的人具備質疑它所需的背景資料與控制權時,人類監督才具可信性。
單靠一個審閱按鈕,無法建立這種條件。評估擬議回覆的人需要了解其事實主張來自何處,也需要辨識是否遺漏重要背景。
設想一份示例摘要:它準確涵蓋一段對話的大部分內容,卻忽略了一項限定條件。其措辭或許仍然流暢而自信。若介面沒有提供簡便途徑返回原始材料,審閱者的工作便會更困難。
因此,設計問題不止在於某人是否批准最終文字,還包括該人在批准前看到甚麼,以及修正如何影響底層紀錄。這些是評估問題,而非對 Stifel 現行系統的披露。
當輔助功能提出一項行動時,也會出現類似問題。擬定提醒、更新紀錄和發送通訊,帶來的後果各不相同。工作空間應讓使用它的員工清楚辨識這些差異。
監管背景進一步突顯這些界線的重要性。金融業監管局 FINRA 表示,會員公司使用 AI 時,既有義務仍然適用。其生成式 AI 指引亦涵蓋第三方技術,以及透過軟件生成的通訊內容。
這些指引屬於一般行業背景,並非對這項合作的批評。它並不能證明 Stifel 存在合規問題,但說明了僅憑技術能力無法回答每一個部署問題。
對企業買家而言,實際含意是檢視從資訊存取到完成行動的整個流程。誰可以索取資訊?誰可以看到結果?誰可以授權其使用?
這些問題亦有助區分輔助功能與獲委託的權限。員工可以要求軟件準備材料,而不授權它獨立採取行動。清晰界線讓人們明白自己保留哪些責任。
另一個有用的區分,是員工會察覺的錯誤與他們忽略的錯誤。明顯錯誤會促使修正;看似合理的遺漏,則可能因輸出看起來完整而通過審閱。
這種可能性令審閱工作量成為生產力計算的一部分。一個節省起草時間、卻需要大量核實的工具,與一個支援高效核查的工具,其價值主張並不相同。生成與驗證都值得重視。
因此,評估 Stifel 與 Anthropic 的合作時,應同時考慮審閱者與提出協助要求者的體驗。人類判斷需要可用的證據、有意義的選擇,以及清晰的方法來停止不合適的行動。
這正是廣泛承諾轉化為產品要求之處。最終介面將需要展示,在日常工作中,輔助功能與責任如何配合。
聯儲局評論屬於故事的另一部分
Kruszewski 在 Bloomberg 的訪問亦談及聯邦儲備局政策及市場。這些議題為訪問提供背景,但應與技術公告分開處理。
行政人員對市場的展望,無法證明 AI 實施是否有效。
可查閱的AI 與利率訪問條目未提供足夠細節,無法在此歸因於任何具體政策預測。若要將特定利率走勢歸於 Kruszewski,便需要他的完整發言。
這一限制很重要,因為過於隨意地將兩個議題結合,可能造成缺乏支持的聯繫。對貨幣政策的看法,並不能證明顧問助手的質素;同樣地,AI 合作夥伴關係亦不能驗證市場預測。
不過,訪問的議題確實提示了資訊準備與專業詮釋之間一個有用的分析區分。軟件可以協助整理與討論相關的材料,但判斷這些材料對特定客戶意味着甚麼,仍涉及額外的專業判斷。
設想一名顧問正準備討論可能的政策變動。作為示例情境,輔助功能或可協助整理已獲批准的背景文件,或組織問題;顧問仍需評估哪些議題對該客戶重要。
公告中沒有任何內容證明 Dashboard 已經執行這些工作。這個情境只是說明準備與詮釋之間的界線為何重要,也解釋了為何速度本身不足以衡量實用性。
高效的準備工具應讓相關資訊更易檢視,而不應鼓勵用戶把連貫的敘述誤認為已核實的結論。當底層議題涉及不確定性時,這個區分尤其有用。
讀者亦應以同樣紀律看待公司表現。良好的業務成果無法單獨反映某個軟件項目的貢獻。審慎評估需要有證據,將特定功能與明確的營運結果連繫起來。
同樣地,一段不利時期並不會自動證明助手失敗。業務環境與產品表現回答的是不同問題。評估技術需要有關其擬支援工作的證據。
因此,對 Stifel Claude 整合而言,有用的披露應聚焦於工作流程中的可觀察行為。有哪些任務可用?員工如何審閱結果?使用輔助功能後有甚麼改變?
這種方法讓訪問較廣泛的議題保持適當比例。聯儲局討論關乎該行政人員的經濟觀點;AI 公告則關乎公司科技環境的計劃變更。
兩者都值得準確報道,但不應以其中一方取代另一方的證據。最有資訊價值的後續內容,應按各自脈絡釐清每個議題,並在可行時提供直接陳述及可量度的主張。
留意產品範圍、重複使用與審閱質素
下一步值得留意的發展,是關於員工能做甚麼、是否持續使用,以及審閱運作得如何的具體披露。這些是觀察重點,而非已公布的交付承諾。
最有力的證據,會把明確功能與重複使用及可靠完成真實任務聯繫起來。
先從產品範圍開始。對可用功能的清晰說明,能區分廣泛合作與顧問可融入日常工作的實際工具。它應指出目標用戶、支援的活動,以及軟件可做之事的限制。
這類披露會加強項目正由方向走向交付的論據。若持續使用籠統措辭,營運情況便仍未明朗。這不代表失敗,卻會限制讀者可得出的結論。
接着,留意重複使用的證據。初步試用可反映好奇心,或遵從啟動計劃;在經常性工作中持續使用,則會提供更有意義的實際相關性訊號。
有用的報道亦應區分存取權與實際活動。向員工提供某項功能,並不能說明他們使用得多頻密或為何使用。說明哪些任務吸引重複使用,有助讀者理解輔助功能在哪裏發揮價值。
採用證據仍需要背景。員工可能因某功能有幫助而回來使用,也可能因既定流程要求使用,或因替代方案不方便。可信的描述應解釋標題數字背後的工作條件。
最後,檢視審閱質素。展示員工如何檢查及修正輸出的例子,會令對人類判斷的承諾更具體。有關未解決錯誤或繁重核查的證據,則會挑戰生產力的論據。
最後這項訊號很重要,因為效率與可靠性互相影響。審閱前節省的時間,可能在修正期間消失;相反,組織良好的支援材料可令生成與核實都更容易。
隨着這些訊號一同出現,Stifel 與 Anthropic 的合作將更易評估。功能說明提供範圍;重複使用提供行為證據;審閱質素則有助解釋產出的工作是否值得信賴。
對企業讀者而言,這個次序提供了實用方法,可在追蹤公告時避免把雄心誤當成交付成果。它亦避免把早期缺少指標視為項目沒有價值的證明。有些問題要待員工有具體工具可用後才會得到答案。
同一方法亦有助知識工作者評估自己的 AI 工具。不要只看第一個回覆,而要跟隨任務經歷檢查、修正與完成的全程。一個有用的助手應改善這整個流程。
隨着更多細節披露,請把產品披露與原始公告及歷史上的顧問工具先例一併閱讀。問一問哪些活動已經改變,以及甚麼證據支持所聲稱的好處。留意當輔助功能不完整或出錯時,用戶如何恢復處理。Stifel 與 Anthropic 的合作,提供了一個具體案例,以追蹤 AI 如何整合到既有工作空間之中。其進展應透過顧問能完成並有信心支持的工作而變得可見。評估下一次更新時,問一個具體問題:它有否說明一個人如何從相關資訊走向經審閱的結果?在產品細節陸續公布時,請以這個問題判斷實施情況。



