Hva skjedde
Business Insider rapporterer at Goldman Sachs tilpasser AI-kodingsagenter, inkludert Claude og Devin, til firmaets interne ingeniørkultur. Informasjonssjef Marco Argenti sa at banken lager gjenbrukbare bunter med instruksjoner, kalt ferdigheter, for å overføre institusjonell kunnskap om designprinsipper, datamodeller, sikkerhetsprotokoller og tekniske miljøer til agentene.
Business Insider rapporterte 25. august at Goldman Sachs prøver å få AI-agenter til å oppføre seg mer som erfarne innsidere i banken. Marco Argenti, Goldmans informasjonssjef, fortalte utsalgsstedet at firmaets mer enn 12 000 utviklere bruker AI og at neste utfordring er å overføre Goldman-spesifikk kunnskap til verktøyene. Rapporten sier at utviklere har tilgang til oppdatert agentteknologi, inkludert Anthropics Claude og Cognitions Devin-kodingsassistent. Kilden bekrefter ikke uavhengig omfanget av bruk eller konfigurasjonen av disse verktøyene i banken.
I følge Business Insider fanger Goldman teknisk kunnskap i gjenbrukbare instruksjonsbunter som firmaet kaller ferdigheter. Disse pakkene er ment å forklare hvordan Goldman nærmer seg bestemte oppgaver, inkludert designprinsippene, datamodellene og ingeniørmiljøene. Rapporten gir skymigrering som et eksempel: en ferdighet kalt "cloud fast track" er ment å lære en AI-agent hvordan en god skymigrering ser ut spesifikt innenfor Goldmans systemer og praksis. Kilden gir ikke ferdighetens underliggende instruksjoner eller identifiserer modellene, programvaretillatelsene eller datasettene som brukes til å implementere den.
Den rapporterte innsatsen dekker også mindre formell kunnskap. Business Insider sa at Goldmans ingeniørprinsipper inkluderer veiledning som "inkrementelt innovere" og "se deg rundt hjørner", som er mer subjektive enn vanlige tekniske regler. Argenti fortalte utsalgsstedet at banken studerer interne prosesser gjennom intervjuer og analyser av resultater, og bruker deretter evalueringer for å gjøre uskrevne regler mer systematiske. Firmaet oppdaterer ferdighetene etter hvert som prosessene endres, og skaper det rapporten beskriver som en kontinuerlig forbedringssløyfe. Ingen evalueringspoeng, feilrater, eksempler på generert kode eller uavhengig teknisk vurdering ble inkludert.
Business Insider rapporterte videre at utrullingen endrer ingeniørers arbeid og interne mentorskap. Ingeniører bruker mindre tid på å skrive kode og mer tid på å sjekke om agenter utfører i henhold til Goldmans standarder, sa Argenti. Rapporten beskrev også yngre ansatte som hjelper flere seniorkolleger med å lære å bruke AI, mens den siterer Citis separate peer-program der tusenvis av ansatte har meldt seg frivillig som "AI-akseleratorer." Citi-sammenligningen er kontekstuell snarere enn bevis på at Goldman og Citi bruker identiske systemer eller styringspraksis.
Kildedetaljer: businessinsider.com ↗
Hvorfor det betyr noe
Innsatsen illustrerer en praktisk endring i bedriften fra å bare gi ansatte tilgang til AI-verktøy til å skreddersy disse verktøyene til en organisasjons udokumenterte praksis. Business Insider rapporterer at Goldman-ingeniører bruker mer tid på å evaluere og veilede agenter mot faste standarder, og reiser spørsmål om hvordan selskaper bevarer institusjonell kunnskap, måler kvalitet og tildeler ansvar når AI bidrar til produksjonsarbeid.
Goldman-saken er viktig fordi den fokuserer på en sentral hindring i enterprise AI: generelle systemer kan kjenne til programmeringsmønstre uten å kjenne en institusjons lokale regler. Finansbedrifter er ofte avhengige av konvensjoner om datahåndtering, sikkerhet, gjennomgang, dokumentasjon og risiko som bare er delvis nedskrevet. Business Insiders rapportering antyder at Goldman prøver å gjøre noe av den tause kunnskapen til gjenbrukbar veiledning som en agent kan bruke mens han jobber. Det er en mer konkret bedriftsbruk av AI enn bare å tilby en chatbot eller kodende autofullføringsverktøy.
Det viser også hvorfor verdien av en agent kan avhenge av den omkringliggende organisasjonen, ikke bare av den underliggende modellen. En kodeagent som produserer teknisk gyldig kode kan fortsatt være uegnet hvis den bryter med interne datastandarder, bruker et ikke-godkjent miljø eller går glipp av et firmaspesifikt gjennomgangskrav. Goldmans kompetansetilnærming er ment å redusere dette gapet ved å gi kontekst om bankens egne systemer og forventninger. Rapporten fastslår ikke at tilnærmingen på en pålitelig måte løser problemet, men den identifiserer hva slags institusjonell tilpasning som kan være nødvendig før agenter kan stole på bredere arbeidsflyter.
Det rapporterte skiftet i ingeniørarbeid er konsekvensmessig. Hvis agenter håndterer mer rutinemessig koding, kan erfarne ansatte bruke mer tid på å gjennomgå utdata, definere standarder, vedlikeholde instruksjonspakker og bestemme når arbeid krever menneskelig dømmekraft. Det kan forbedre konsistensen hvis gjennomgangen er godt utformet, men det kan også skape nye flaskehalser eller flytte feil inn i mindre synlige deler av prosessen. Business Insider rapporterer endringen som en observasjon fra Argenti; den gir ikke uavhengige arbeidsstyrkedata, produktivitetsmålinger eller bevis om hvorvidt ingeniørroller eller bemanningsnivåer har endret seg.
Historien fremhever også en toveis overføring av kompetanse. Senioransatte kan levere institusjonell kunnskap til AI-systemer, mens junioransatte kan hjelpe seniorkolleger med å bruke verktøyene effektivt. Det kan utvide deltakelsen i tekniske endringer, men det kan også legge ytterligere ansvar på arbeidstakere for å undervise, teste og overvåke systemer uten klar anerkjennelse eller sikkerhetstiltak. Kilden gir ingen detaljer om opplæringskrav, ansvarlighet for feil agentutdata, ansattes evaluering eller hvordan Goldman beskytter konfidensiell informasjon mens han analyserer interne prosesser.
Interaktiv mekanisme: Hvordan det faktisk fungerer
Utforsk den underliggende teknologien bak denne utviklingen interaktivt.
crm_get_transaction(id='4092').An agent must create a draft calendar event for Tuesday at 2 p.m. Which evidence would establish the requested result?
Hva du skal se neste
Viktige ukjente inkluderer agentenes målte innvirkning på ingeniørhastighet og feilrater, kontrollene som styrer tilgangen deres til Goldman-systemer og data, og hvordan banken vurderer subjektive standarder som er vanskelige å kode. Business Insiders konto er basert på rapportering og Argentis uttalelser; Goldmans underliggende systemer, evalueringsresultater og implementeringsomfang ble ikke uavhengig bekreftet i kilden.
Det viktigste neste beviset vil være konkrete evalueringer. Goldman må vise om dens tilpassede ferdigheter forbedrer kodekvaliteten, reduserer gjennomgangstiden, reduserer sikkerhets- eller samsvarsfeil, eller presterer bedre enn agenter som bare får generelle instruksjoner. Nyttige sammenligninger vil inkludere klart definerte oppgaver, grunnlinjeresultater, feiltilfeller og testing på tvers av forskjellige tekniske miljøer. Business Insider rapporterte at Goldman gjennomfører evalueringer, men artikkelen publiserte ikke metodene eller resultatene deres.
Tilgang og styring vil også ha betydning. Kilden navngir datastandarder, sikkerhetsprotokoller og interne miljøer som områder agentene kan trenge å forstå, men den forklarer ikke om systemene kan lese proprietær kode, kalle interne verktøy, modifisere produksjonssystemer eller beholde informasjon mellom oppgavene. Fremtidig rapportering bør klargjøre tillatelsesgrenser, krav til menneskelig godkjenning, revisjonslogger, dataoppbevaring og prosedyrer for å oppdatere eller trekke tilbake en ferdighet når intern praksis endres.
Bankens tilnærming kan bli vanskeligere når den går fra engineering til andre bransjer. Kodekonvensjoner kan noen ganger testes opp mot utdata, mens vurderinger om risiko, klientbehandling eller regulatorisk tolkning kan være mer tvetydige og konsekvente. Business Insider sa at ingeniørerfaringen kan bli relevant andre steder i firmaet, men rapporten identifiserte ikke spesifikke tilleggsdistribusjoner. Det ville være for tidlig å slutte at Goldman har utvidet det samme systemet til handel, utlån, overholdelse eller kundevendte beslutninger.
Til slutt fortjener den rapporterte utgiftskonteksten gransking. Business Insider sa at Goldman brukte rundt 6 milliarder dollar på kunstig intelligens i fjor og står overfor press for å demonstrere avkastning, men kilden koblet ikke dette tallet til ferdighetsprogrammet eller ga en beregning av avkastning på investeringen. Det praktiske spørsmålet er om institusjonell tilpasning gir målbare fordeler som rettferdiggjør arbeidet med å intervjue ansatte, opprettholde instruksjoner og gjennomgå agentatferd. Inntil disse resultatene er avslørt eller uavhengig vurdert, bør initiativet forstås som et rapportert bedriftseksperiment og driftsskifte, ikke bevis på at Goldmans agenter har oppnådd pålitelig innsidevurdering.