Berenberg
投研助手、晨报生产与全行AI分层策略
Google Cloud
私人银行/资产管理
伴随式部署
深度案例｜关键链路较完整
A级证据
场景生产/全行推广中
A
证据等级
Early wins, big ambitions: Berenberg Gemini Enterprise transformation
证据等级衡量“能否定位和复核来源”，不评价厂商披露是否经过第三方审计。
深度案例｜关键链路较完整
12 / 12
业务背景2 / 2
改造流程2 / 2
技术工作流2 / 2
人机与治理2 / 2
量化结果2 / 2
来源定位2 / 2
六个维度均达到当前完整度标准。
业务问题
Berenberg的投资组合经理每天需要阅读和综合券商报告、公司文件与市场新闻，研究吞吐受人工时间限制；作为受监管银行，通用AI还必须接入专有投资框架并保留合规复核。
解决方案
银行先用Vertex AI构建BegoChat，将券商报告、公司文件、新闻和内部投资方法结合；再构建每日Morning Mail内容工作流，并形成三层AI金字塔：顶部是带专有数据的定制场景，中层是NotebookLM等日常AI，底层是集中管理、合规连接的企业平台和Agent市场。
技术架构与生产工作流
Step 01
券商报告、公司文件、新闻与专有投资框架
→
Step 02
Vertex AI文档聚合和语义分析
→
Step 03
BegoChat定制投研助手
→
Step 04
Morning Mail内容生产工作流
→
Step 05
NotebookLM日常AI与企业Agent市场
→
Step 06
分析师审核、合规和客户沟通
关键技术与基础设施组件
Vertex AIGemini EnterpriseNotebookLM专有投研数据集中Agent管理Human-in-the-loop
人机分工与责任边界
分析师提供专有研究框架和原始判断，AI完成聚合、比较与初稿生产；分析师和销售人员在输出末端审核质量、合规并承担客户沟通和投资决策责任。
FDE 动作拆解
- 从组合经理阅读瓶颈选择定制场景
- 把银行专有投资方法注入上下文
- 将高价值定制AI与通用日常AI分层
- 为全行推广设置培训和监控
- 用P&L方向和流程时间筛选项目
可迁移复用的落地方法论
- 专有业务方法比通用模型本身更能形成差异
- 企业AI应区分定制场景和日常工具
- 受监管输出需要人在输入和输出两端负责
- 流程时间节省最终应映射到收入或成本
业务成效与交付成果
Google Cloud案例称，Morning Mail等流程内容生产速度提升85%至90%，约为每名销售每天节省1小时；相同团队能够覆盖更广市场。企业级Gemini计划从2026年起分阶段推广。
证据边界与核验记录
- 85%至90%主要指Morning Mail等内容生产流程。
- 全行Gemini Enterprise仍处于分阶段推广，不能与已上线定制场景混为一谈。