近日，挪威银行投资管理公司举办了首届人工智能研讨会。在这场面向全球公开的分享会中，该基金的高管及业务骨干详细披露了其在内部推行AI战略的底层逻辑、组织架构变革，以及涵盖投资决策、交易执行、法务合规等环节的十个具体应用案例。

　　基金高管在开场时直言不讳地指出，这项技术的发展“并非一帆风顺，而是持续向上攀升，几乎达到了垂直增长的程度”。对于资管机构而言，真正的难点在于如何让庞大的组织吸收并利用这些技术。

　　正如该基金定下的宏大目标：“到2028年底将所有人工流程减少一半。”这不仅是一场技术升级，更是一场触及企业文化与运作模式的深刻重塑。

　　先打底座：自有化运营、上云、重做数据架构

　　NBIM人士回顾，自2015年以来机构经历多轮转型，为AI铺路的“三大举措”包括：

　　为了把数据“清干净”，Tangen用极其直白的话形容推进难度：“清理数据一点都不好玩。所以这是世界上最无聊的工作。有人会感谢你清理数据吗？不会……你基本上就是告诉他们，1月31号我们要关闭旧数据。如果你第二天发现没有数据可用，那你看起来就太蠢了。”在上述改造后，NBIM称已拥有“一个高质量、整洁有序的内部和外部数据集中库，可以用于人工智能”。

　　全员动员：20名AI大使+强制培训，“像黄蜂一样紧盯”

　　NBIM将AI推广定义为组织工程。其AI负责人提到，机构设立了“大使网络/倡导者”：组织内“共有20名志愿者”，任务是在团队中挖掘可落地用例，并在AI团队与Anthropic支持下推进，“Anthropic每周两次帮助我们启动项目”。

　　培训方面更是“强制执行”。Tangen在现场抛出一句被反复传播的狠话：“这是强制性的。人们喜欢强制性的吗？他们讨厌强制性的，因为这就像回到了小学。可以自愿参加吗？不行，因为最需要帮助的恰恰是那些不想参加的人。必须强制执行，而且要像黄蜂一样紧盯他们，明白吗？”

　　工具普及上，NBIM称“超过一半的员工都在使用云代码来创建解决方案”，且“超过三分之二的人注册并开始使用它了”；另有开发工具“约70%的用户正在使用”。

　　先碎片化落地：挖出171个项目，但“没有绝佳AI用例”

　　NBIM把自身AI转型拆成三个阶段：先给工具/培训/实验时间；再试图寻找能“全面提升”的高价值用例；最后持续迭代升级。

　　但在第二阶段，他们的结论并不“爽文”。AI负责人说，团队通过访谈和研讨会“发现了171个新项目”，却“并没有找到那个所谓的‘绝佳人工智能用例’”。他总结得很现实：“好消息是，在开始转型之前，我们的效率并不算低。坏消息是，我们不得不先完成所有这些小型项目，才能真正提高效率。所以，工作量非常大。”

　　与此同时，NBIM也在调整研发方法：传统Scrum“非常耗时”，更好的做法是“只保留两名开发人员和一名业务人员”，在更小团队里借助AI提升交付速度。

　　10个用例密集上墙：从投资决策、网络安全到财报生成

　　NBIM在会上用“每个用例3分钟”的方式快速展示落地场景，覆盖投资前中后台与支持部门：

　　投资：大宗交易一小时决策，用“智能体协同”抢时间：投资团队称每年会收到“约200个”类似请求：投行推介大额股票出售，需要“在一小时内得到答复”。他们用多个智能体分别做网络、条款提取、指数效应测算等，目标是“在很短的时间内获得完整的决策基础”。团队总结：“当高盛询问问题时，我们花在收集数据上的时间更少，花在分析数据上的时间更多。”

　　网络安全：一年“约1万亿”数据点，AI把半小时分诊压到五分钟：安全团队称每年收集“约1万亿个”数据点，从中筛出“约10万到100万个”可疑信息。现在“我在半夜接到电话时，我们的一位代理也同时开始工作”，并且“他五分钟就能完成我原本需要半小时才能完成的工作……它从不拖泥带水。”

　　公司会议准备：一年3000多场会议，瞄准“10000小时”：NBIM称2025年召开“3000多场公司会议”，每场准备“约三个小时”，一年接近“10000个小时”。多智能体系统会研究资料并由最后的智能体评估输出质量，还强调可追溯引用以避免“虚假信息”，并计划加入“模拟组件”预测对方可能回应。

　　合规监控：6个子代理+主代理“伊娃”，降低误报疲劳：合规团队将交易警报拆解为交易背景、指数再平衡、公司新闻、行业新闻、时间模式、公司互动六类并行评估，汇总到主代理“增强型警惕代理‘伊娃’”，仅在“模糊/无法自动判断/必须人工最终决策”时移交人工。

　　财务造假识别：自建案例库训练模型，输出“股价下跌概率”：针对基准约7000家公司，团队称要清理“过去16年”的账目，训练模型识别财务粉饰。其自建数据集收集“数千个”历史案例，模型输出为“发生此类案件并导致股价下跌的概率百分比”，且“已投入生产”。

　　财务披露自动化：2.5人团队省出8天，把分析提前到关账前：基金会计部门称此前依赖复杂Excel与大量人工操作，如今从“单一数据源”重建，用云代码等工具实现自动汇总导入；“外汇和税务分析在第2个工作日即可一键完成……全面自动化将使我们这个原本专注于生产的小团队节省出八天时间。”

　　责任投资筛查：8人团队用AI筛60国7000+公司：责任投资团队称若纯人工筛查，可能需要“3000名分析师周末加班”，现在通过两阶段模型筛查公开信息并出具结构化风险报告，最终“分析师重新介入并做出决策”，必要时沟通或撤资。

　　法务谈判：谈判模拟器称可预测“超过80%”论点：法务人士称AI可用于谈判策略规划与语音模拟，“我们能够预测超过80%的论点”，并将AI扩展到合同组合分析，挖掘条款规律与关联。

　　交易执行与“市场冲击”：去年估计约140亿美元：NBIM指出基金在60多个市场交易、内部约250个投资组合，规模带来“市场冲击”——“去年估计约为140亿美元”。其思路包括用AI做价格走势预测以“培养耐心”，以及在内部不同组合之间进行更好的资金调度，“我今天早上查看了一下我们的资金储备。目前我们有100亿美元存放着。去年，我们存放了超过1200亿美元。”他并称若按既有成本结构推演，“这个数字会接近200亿美元”，并强调AI是“锦上添花”，但也在推动对流程与理解的提升。

　　研讨会最后，Tangen总结这轮展示只是“至少目前我们的情况”，因为模型更新速度太快：“这项技术发展日新月异，每周、每月都有新的模型问世，新的机遇涌现。”