top of page

Stifel 与 Anthropic 合作瞄准顾问工作流程,同时坚持以人工判断为核心

12分钟前
讀畢需時 12 分鐘
Illustrative photograph. Photo: Bibek ghosh / Pexels.

Stifel 于 11 月 10 日宣布与 Anthropic 合作,计划将 AI 纳入其顾问工作空间,同时坚持以人工判断为核心。Stifel 与 Anthropic 的合作涉及 Dashboard——顾问用于管理自身业务的平台。其意义在于围绕建议开展的工作:查找信息、组织任务以及准备客户沟通内容。

这带来了一种明确的张力。软件可以让准备工作更轻松,但顾问仍需理解支撑其决策的信息。将工作迁入 AI 界面,也会引出问题:在任何内容交付给客户之前,员工能够查看、修正和批准哪些内容。

Morgan Stanley 早期推出的顾问助手和会议后续跟进工具提供了有益的历史参照。Stifel 如今面临类似的运营问题:如何将 AI 助手转化为可靠的日常工作方式。这项公告确立了方向,但评估交付情况所需的细节仍然有限。

对于企业采购者和知识工作者而言,这使得该故事比聊天机器人品牌之间的竞争更具实际意义。关键选择在于:AI 处于工作流程的哪个位置,以及责任如何在这一变化中得以延续。

Stifel 与 Anthropic 的合作实际改变了什么

Stifel 在拉斯维加斯举行的顾问创新大会 Blueprint 2026 上介绍了此次合作。其 Dashboard 现代化公告 表示,公司将与 Anthropic 合作改进既有平台,同时保留熟悉的功能。

这一明确变化是承诺对现有工作空间进行现代化改造,具体实施细节仍有待公布。

在解读企业 AI 公告时,这一区分非常重要。合作关系可以确立优先事项并分配资源关注度,却不代表每项拟议功能都已交到员工手中。产品可用性、运营就绪度和经证实的效益,分别代表不同阶段。

该公告还提到公司内部使用的工具包括 Claude、Claude Code 和 Claude Design。Claude 是 Anthropic 的 AI 助手产品系列。点名这些产品,并不能说明顾问将在 Dashboard 中获得哪些功能,也不能说明何时获得。

既有工作空间的实际重要性不难理解。员工已围绕用于准备、记录和完成工作的软件形成了日常习惯。在这一环境中引入助手,与要求所有人再采用一个新的工作入口,是不同的价值主张。

不妨考虑生成有用回复与完成任务之间的差别。一段回复或许能够准确总结信息;但完成任务还需要找到正确记录、保留相关背景,并在同事预期的位置提供结果。

这个例子描述的是实施挑战,而非已确认的 Dashboard 功能。公开公告并未提供受支持操作的完整清单。因此,读者应将已说明的方向与对最终界面的假设区分开来。

已发布的 合作详情 明确了双方的互补角色:Stifel 提供顾问工作方面的知识,Anthropic 提供 AI 能力。这种分工使运营设计成为项目核心。

了解模型能够生成什么,只是设计的一部分。团队还需决定它应接收哪些信息,以及之后如何处理。一套合理的界面必须区分建议、已完成的操作和等待批准的事项。

这为多种实施方式留下了空间,但并未确认任何特定架构。助手可能出现在既有页面旁、特定任务中,或通过另一种获批准的交互模式提供。公告并未确定这些选择。

因此,对于评估 Stifel AI 顾问工具的读者而言,眼下的结论很明确:该公司已将现有工作空间确定为 AI 开发的场所。这一决定能否改善日常工作,取决于后续推出的功能、控制措施和采用证据。

顾问与技术团队面临不同压力

这项公告将一个运营问题摆在顾问、平台开发人员及负责审查其工作的人员面前。每个群体都需要从同一软件中获得不同的东西。

顾问需要契合眼前任务的辅助。开发人员需要围绕信息访问和允许操作设立明确边界。主管则需要足够的可见性,以便在输出需要调查时了解发生了什么。

压力落在整个工作流程上,因为更快生成初稿并不必然带来更快完成任务。

一位顾问准备客户回复的过程说明了这种区别。查找相关信息可能耗时,但审查其含义同样需要关注。如果助手缩短了第一项活动,却使第二项变得更复杂,那么整体收益就更难证明。

这是一个分析性示例,并非对已部署 Stifel 功能的描述。它说明了为何生产力主张需要明确的起点和终点。若只计算生成步骤的耗时,就会遗漏验证和使用结果所需的工作。

同样的推理也适用于组织一天的工作。如果员工必须重建每项条目背后的背景,建议任务清单的价值就十分有限。如果它遗漏了尚未解决的义务,更短的清单也可能造成误导。

对于平台团队而言,挑战不止于让界面便捷。他们需要理解哪些操作属于同一流程,以及人应在何处介入。这些决定会影响助手在日常工作中是否真正有用,还是仅在演示时看起来有效。

保留熟悉功能又增加了一项设计约束。员工在学习变化时仍需要延续性。即使新的 AI 功能看起来令人印象深刻,若界面让既有任务变得更困难,也会造成阻力。

这并不意味着 Stifel 当前正面临这些问题。它指出了选择改进既有平台后随之而来的问题。实施方案需要兼顾既有习惯和新的辅助形式。

管理者还面临相关的衡量问题。更多生成内容可能看似意味着更高活动量,却无法证明服务有所改善。有用的证据应将辅助与已完成工作、可控的审查工作量以及更少的未解决交接联系起来。

可用性与重复使用之间也存在区别。员工可能因为某项功能出现在工作空间中而尝试使用它;若他们自愿反复使用,则更能说明它确实有助于处理重复性任务。

对于金融业以外的企业采购者而言,更广泛的启示关乎责任归属。必须有人持续负责完整流程,包括围绕模型的步骤。购买 AI 能力的访问权限,并不能消除这种责任。

当这些运营选择变得可见时,Stifel Claude 集成将更具参考价值。在此之前,这项公告确立的是投资方向,而非顾问表现已被衡量的变化。

Morgan Stanley 为围绕建议的辅助提供了先例

Morgan Stanley 早期的工作提供了一项具体比较,无须猜测哪个模型表现更好。其案例涉及围绕客户关系开展的可识别活动。

在 2024 年 6 月发布的 顾问会议助手 公告中,Morgan Stanley 将 Debrief 描述为一款由 OpenAI 驱动的工具,用于经同意后生成会议笔记和准备后续跟进内容。该公司表示,顾问可自行编辑并发送生成的电子邮件,笔记则会保存至 Salesforce。

有价值的比较在于工作流程:当输入、输出和人工决策可以被识别时,辅助才会变得具体可感。

这一描述为读者提供了可以具体评估的内容。一场会议产生信息,软件将这些信息组织成拟议记录和沟通内容,顾问随后在决定如何使用前审查这些材料。

它也为与 Stifel 的比较划定了重要边界。Morgan Stanley 已发布的产品描述,并不意味着 Dashboard 中具备同等功能;它也不能证明任何一家公司的底层模型更优。

两家公司的公告处于不同的具体程度。Morgan Stanley 的历史公告点明了一项具体活动及其输出处理方式;Stifel 的公告则确认了更广泛的平台现代化工作。

这种差异应影响读者提出的问题。对于明确的会议工具,评估可聚焦其记录的准确性和实用性;对于更广泛的工作空间项目,读者首先需要知道软件将支持哪些活动。

中立比较还需要区分采用、实用性和财务收益。这些概念回答的是不同问题。员工可以使用一款产品,而并非每次交互都会带来可衡量的节省;有用的辅助也不会自动转化为更高收入。

这使得模型对模型的框架为时尚早。用户体验在一定程度上取决于企业如何将助手连接到相关信息,也取决于系统允许员工如何处理回复。

能够生成精炼段落的助手,仍只是这一体验的一个组成部分。员工仍需知道其是否反映了正确的文件和情境,也需要一种切实可行的方式来纠正错误。

因此,对 Stifel AI 顾问工具而言,竞争压力既关乎交付质量,也关乎是否接入知名 AI 供应商。合作关系可以提供能力,但公司仍需围绕员工熟悉的工作方式塑造这些能力。

这同样适用于其他企业软件类别。知识工作者很少只需要孤立的生成文本;他们需要源材料、拟议输出与下一步操作之间建立可靠关系。

希望了解这一差异的读者,可以比较个人和组织级的 AI 知识库。信息组织和 AI 生成解决的是相关问题,但一方面的成功并不自动证明另一方面也会成功。

这一历史比较为 Stifel 留下了一个明确机会:说明其方法。相比仅就现代化提出宽泛主张,具体的任务描述会使该项目更易评估。

人工判断需要在界面中占有一席之地

Anthropic 的 Peter Nolan 将这项合作定位为对人类判断的补充。这一立场提供了一个有用的出发点,但其实际意义取决于员工如何与软件互动。

当审核输出结果的人具备质疑它所需的背景信息和控制权时,人类监督才具有可信度。

仅有一个审核按钮无法建立这种条件。评估建议回复的人需要了解其中的事实主张来自何处,也需要识别是否缺失了重要背景。

设想一份示例摘要:它准确概括了大部分对话,却忽略了一项限定条件。其措辞可能依然流畅且自信。如果界面没有提供便捷途径返回原始材料,审核者的工作就会更加困难。

因此,设计问题不止于某个人是否批准最终文本。它还包括该人在批准前能看到什么,以及更正如何影响底层记录。这些是评估问题,并非对 Stifel 当前系统的披露。

当辅助功能提出一项行动建议时,也会出现类似问题。起草提醒、更新记录和发送通信会带来不同后果。工作空间应让使用它的员工能够清楚辨别这些差异。

监管背景进一步凸显了这些边界的重要性。金融业监管局 FINRA 表示,当会员公司使用 AI 时,现有义务仍然适用。其生成式 AI 指引也涉及第三方技术以及通过软件生成的通信内容。

该指引属于一般行业背景,而非对这一合作关系的批评。它并不能证明 Stifel 存在合规问题。它解释了为什么仅凭技术能力无法回答所有部署问题。

对于企业买家而言,实际含义是审视从信息访问到完成行动的全过程。谁可以请求这些信息?谁可以查看结果?谁可以授权使用它?

这些问题也有助于区分辅助与授权委托。员工可以要求软件准备材料,但并不代表授权它独立行动。清晰的边界让人们理解自己仍保留哪些责任。

另一个有用的区分涉及员工注意到的错误与被忽略的错误。明显错误会促使人们纠正。看似合理的遗漏则可能因输出显得完整而通过审核。

这种可能性使审核工作量成为生产力计算的一部分。一款节省起草时间却需要大量核验的工具,其价值主张不同于支持高效核查的工具。生成和验证都值得关注。

因此,评估 Stifel 与 Anthropic 的合作时,应同时考虑审核者和请求辅助者的体验。人类判断需要可用的证据、有意义的选择,以及停止不合适行动的明确方式。

正是在这里,广泛承诺转化为产品要求。最终界面需要展示辅助与责任如何在日常工作中结合。

美联储评论属于故事的另一部分

Kruszewski 在 Bloomberg 的采访中也谈及美联储政策和市场。这些主题为采访提供了背景,但应与技术公告分开处理。

一名高管的市场展望无法证明 AI 实施是否有效。

可访问的AI 与利率采访条目没有提供足够细节,无法在此归因于具体的政策预测。若要将某一特定利率路径归于 Kruszewski,需要获得他的完整发言。

这一限制很重要,因为过于随意地将两者结合可能造成缺乏支持的关联。对货币政策的看法不能证明顾问助手的质量。同样,AI 合作关系也不能验证对市场的预测。

不过,采访主题确实提示了信息准备与专业解读之间一个有用的分析区分。软件可以帮助整理与讨论相关的材料。决定这些材料对特定客户意味着什么,则涉及额外判断。

设想一位顾问正在准备讨论可能的政策变化。作为示例情境,辅助功能或许可以帮助汇集获批准的背景文件或整理问题。顾问仍需判断哪些议题对该客户重要。

公告中没有任何内容表明 Dashboard 已经执行这些任务。该情境只是说明了准备与解读之间的边界为何重要,也解释了为什么速度本身并不是衡量实用性的完整标准。

高效的准备工具应让相关信息更易于审查。它不应鼓励用户将连贯叙述误认为经过验证的结论。当底层主题涉及不确定性时,这一区分尤其有用。

读者也应以同样的严谨态度看待公司业绩。积极的业务结果无法单独分离出软件项目的贡献。谨慎的评估需要将某项特定功能与明确的运营结果联系起来的证据。

同样,不利时期也不会自动说明某个助手失败。业务环境和产品表现回答的是不同问题。评估技术需要有关其旨在支持的工作的证据。

因此,对于 Stifel Claude 集成,有用的披露应聚焦于工作流程中可观察的行为。有哪些任务可用?员工如何审核结果?当他们使用辅助功能时,会发生哪些变化?

这种方法让采访中更广泛的主题保持恰当比例。美联储讨论关乎该高管的经济视角。AI 公告关乎该公司技术环境的一项计划性变化。

两者都值得准确报道,但谁也不应替代关于另一方的证据。最具信息价值的后续报道应分别按各自的条件澄清每个主题,并在可行时提供直接陈述和可衡量的主张。

关注产品范围、重复使用和审核质量

接下来值得关注的发展,是关于员工能做什么、是否持续使用,以及审核效果如何的具体披露。这些是观察重点,而非已宣布的交付承诺。

最有力的证据应将明确功能与重复使用以及真实任务的可靠完成联系起来。

首先关注产品范围。对可用能力的清晰描述,能区分广泛合作与顾问可融入日常工作的具体功能。它应明确预期用户、支持的活动,以及软件能力的限制。

这种披露将增强项目正从方向走向交付的判断。持续使用笼统表述将使运营图景仍未明朗。这并不能证明失败,但会限制读者可以得出的结论。

接下来,关注重复使用的证据。初步试用可能表明好奇心,或是对上线计划的配合。在经常性工作中持续使用,能提供更有意义的实际相关性信号。

有价值的报道也应区分访问权限与实际活动。向员工提供某项功能,并不能说明他们使用频率如何或为何使用。解释哪些任务会吸引重复使用,有助于读者理解辅助功能在哪些方面赢得其位置。

采用证据仍需要背景。员工可能因为某项功能对他们有帮助而回访,也可能因为既有流程要求,或因为替代方案不方便。可信的说明应解释核心指标背后的工作条件。

最后,审查审核质量。展示员工如何检查和纠正输出结果的示例,会让人类判断承诺更加具体。关于未解决错误或繁琐核查的证据,会对生产力论点构成挑战。

最后这一信号很重要,因为效率与可靠性相互作用。审核前节省的时间可能在纠正过程中消失。相反,组织良好的支持材料可以让生成和验证都更容易。

随着这些信号共同出现,Stifel 与 Anthropic 的合作将更容易评估。功能描述提供范围。重复使用提供行为证据。审核质量有助于解释最终工作是否值得信赖。

对企业读者而言,这一顺序提供了一种实用方式,用于跟进公告而不将雄心误认为交付。它也避免把早期指标缺失视为项目没有价值的证据。有些问题要等到员工有了具体可用的内容后才会得到答案。

同样的方法也有助于知识工作者评估自己的 AI 工具。不要止步于第一份回复,而应跟随任务经历核查、更正和完成。一个有用的助手应改善这一完整流程。

随着更多细节披露,请将产品披露与原始公告及历史顾问工具先例一并解读。询问哪些活动发生了改变,以及有什么证据支持所声称的益处。关注当辅助功能不完整或出错时,用户如何恢复。Stifel 与 Anthropic 的合作为跟踪 AI 在成熟工作空间中的集成提供了一个具体案例。其进展应通过顾问能够完成并有信心承担责任的工作而变得可见。在评估下一次更新时,提出一个具体问题:它是否说明了一个人如何从相关信息走向经审核的结果?随着产品细节陆续披露,请用这个问题来判断实施情况。

 
 

免费开始使用

一款本地优先的AI助手

为了获得更好的人工智能体验,

remio 目前仅支持Windows 10+ (x64)和M-Chip Mac 。

你的 AI 工作伙伴

和 remio 一起高效工作

规划、创作、交付

一站式完成

bottom of page