富国银行首席产品官：AI队友上线以来已创建数千提示，让顾问更互联更有效

短短数周内，富国银行（Wells Fargo）新推出的AI工具已引发数千次对话和提示，这是该行为金融顾问配备的一款名为“AI Teammate”的聊天助手交出的首份成绩单。根据银行财富与投资管理业务首席产品官伊芙琳·瓦尔纳（Evelyn Varner）的表述，该产品正帮助理财顾问变得更“互联、更有用、最终更有效地提供客户建议”。

AI Teammate 被定位为一款嵌入式聊天能力工具，它直接连接到银行已现代化改造的中央技术平台 Advisor Gateway 之上。用户仅凭日常语言询问，就能快速获取产品介绍、业务操作流程和处理方法的摘要，直接省去了此前需要通过层层界面逐一查找和翻阅文档的繁琐路径。

瓦尔纳对媒体解释道，推出这款工具的初衷非常明确——就是对抗员工在日常工作中普遍遇到的“信息搜索耗时”难题。“AI Teammate 上线后，极短时间内用户就已创建了数千个提示、发起了数百次对话，”她在给 CIO Dive 的邮件中如此描述初步的用量，“我们的终极目标是帮助顾问更好地连接信息、发挥更大效用，并在为客户提供建议时更具成效。”这一表述揭示了产品设计的核心逻辑：不是去代替顾问思考，而是把本来就有的信息从分散的角落拽到台前，减少无谓的点击和等待。

从行业视角看去，富国银行的这条路线并不孤单。今年以来，多家大型银行已经密集推出了面向员工的 AI 工具，都瞄着“生产力与效率”这个共同靶点。今年1月，花旗集团（Citigroup）开始试点一款名为 Spaces 的协作工具，用于在其自建的生成式 AI 平台上开展 AI 辅助项目；3月，美国银行（Bank of America）则启动了“AI-Powered Meeting Journey”，该系统连通公司的 Salesforce 客户关系管理系统，可以在顾问与客户会面前就把所需信息推送过去。富国银行 AI Teammate 的问世，不过是以聊天助手这一形态加入这场泛行业的效率竞赛。

一场新的军备竞赛正在银行业后台展开，拼的不再仅仅是产品收益，还包括能不能把顾问从信息的泥潭里捞出来。

富国银行的动作背后，暗含了一套明确的开发思路：围绕真实操作的“痛点”做聚焦。瓦尔纳透露，在开发过程中，财富与投资管理部门的产品团队、企业技术团队和 AI 团队采取紧密协作的阵型，专门针对那些占日常时间最多的活动进行拆解和打磨。“从这些高频活动入手，让我们能够专注于交付即时的价值，同时为未来的能力扩展打下基础，”她说。这一表述意味着，眼下的 AI Teammate 并非终结形态，而更像是一个先解决最频繁需求的基底，后续有望继续叠加新服务。

这也解释了为什么切入点是 Advisor Gateway 平台上的查询行为：顾问每天要反复接触的各种流程图、合规要求、产品参数，往往散落在不同页面，AI Teammate 做的就是把这类高频重复动作简化成一句提问。对使用者而言，屏幕对面好像多了一个对内部资料了如指掌的助手；对银行而言，则是把多年搭建的中后台系统首次用人人可用的自然语言界面打通了。

支撑这一切运转的，是富国银行持续数年的技术升级。银行首席执行官查理·沙尔夫（Charles Scharf）在2026年第二季度财报电话会上透露，过去几年公司已向技术平台现代化投入超过10亿美元。这笔巨额投入的直接产出之一，就是今年5月上线的 Advisor Gateway 平台和紧随其后的 AI Teammate。沙尔夫在电话会上称：“这类投资正在提升生产力、改善客户体验，并推动顾问招聘和留存的改善。”

注意这里透出的一个微妙信号：技术投入的回报不仅体现在效率指标上，还被寄望于解决人的问题——吸引优秀顾问加盟并让他们愿意留下来。在理财服务行业，资深顾问与客户之间的个人信任关系极难替代，AI 工具如果真能让顾问摆脱案头繁琐、把更多时间交给面对面的深度沟通，那么它就有机会从“省钱机器”骤然升维为“留人砝码”。AI Teammate 的早期数据——数千提示、数百对话——虽然体量不大，但已经开始替这个逻辑拼上第一块实证。

当然，如果将目光拉远一些，这仍是一场没有明确终点的实验：把大语言模型接入银行内部知识库，在企业级场景中意味着既要保证回答准确度，又得守住合规和数据安全红线。富国银行方面并未披露风险控制的具体机制，但瓦尔纳提及的“从高频活动入手”和“跨团队协作”模式，隐约折射出一家老牌银行在引进 AI 时的谨慎作风。

从花旗的 Spaces 到美银的 Meeting Journey，再到富国银行的 AI Teammate，一条脉络正变得愈发清晰：银行不再仅把 AI 当成对外炫技的客服机器人，而是正将其悄然植入自身的内部中枢，用它来重塑顾问、知识和时间这三者之间的关系。工具只是起点，谁能先摸透人与信息的最短路径