Barclays 已与公共云巨头 Microsoft 签署协议,根据该协议,后者的生成式 AI 工具 Copilot 将在全球范围内部署给该行 100,000 名员工。
这家银行业巨头计划将 Microsoft 365 Copilot 集成到其内部员工生产力工具中,以创建一个统一的 AI 代理,为员工提供一站式访问其丰富数字服务生态系统的能力。
这些数字服务包括协作工具、员工门户和在线资源,这些都是员工完成工作所必需的,Barclays 声称此举将提升生产力。
在一篇博客文章中,Microsoft 表示,该协议将使 Barclays 员工能够访问其多种 AI 产品。其中包括由 Copilot 驱动的 Colleague AI Agent 工具,旨在帮助员工预订商务出行、检查政策合规性以及解决与人力资源相关的问题。
此外,还有一个个性化的语义内容搜索工具,帮助员工根据其用户档案在特定位置查找相关信息;另一个名为 Colleague Front Door,被宣传为通过员工体验平台 Microsoft Viva 访问的代理仪表盘,Barclays 员工将利用其预定年假,并接收来自公司各地的个性化新闻和公告。
Barclays 集团 CIO 兼副集团联席首席运营官 Craig Bright 表示,该公司及其员工已经熟练使用 AI 工具,但通过扩大技术的应用以涵盖生成式 AI,他们正在寻求额外的提升和改进。
他说:“在 Barclays,我们一直在利用 AI 的力量,现在更是通过生成式 AI 推动更深入的洞察力、提升效率并在整个组织内创造更直观的体验。”
事实上,Benchmarking 公司 Evident 的一份报告(2025 年 4 月由 Computer Weekly 报道)确认,Barclays 是银行业中第十大 AI 人才招聘者。
Bright 继续说:“我们推出与同事生产力工具集成的 Copilot,是简化我们工作方式的重要一步,使工作更易完成。”
关于 Microsoft 与 Barclays 达成的这项协议的消息上周由新闻网站 Bloomberg 报道,当时 Microsoft 首席商务官 Judson Althoff 在一次公司全员会议中透露了这项部署涉及 100,000 个席位的细节。
该报道声称,Barclays 是 Microsoft 推崇的几大知名品牌之一,此前已经与 Microsoft 签署了类似规模的 Copilot 相关协议,其中还包括 Volkswagen、Siemens 和 Toyota 等公司。
在此之前,Barclays 已对 15,000 名员工开展了 Microsoft 365 Copilot 的试点部署。
这项协议标志着两家公司技术合作伙伴关系的进一步加深,此前双方曾宣布 Barclays 已将 Microsoft Teams 定为其首选协作平台。
Microsoft UK 首席执行官 Darren Hardman 表示,该公司一直以“创新者”自居,在银行业中“拥抱新技术浪潮”,以更好地服务其客户和员工。
他继续说道:“将 Microsoft 365 Copilot 作为 Barclays AI 的用户界面,将助力其实现将 AI 赋能于每位员工的宏伟愿景,我们期待与 Barclays 紧密合作,帮助其员工最大限度地受益于这一颠覆性技术。”
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。