在6月16日至18日召开的2026中国国际金融展主论坛上，蚂蚁数科正式发布Agentar金融智能体专家团。以往金融机构使用的AI产品，多以工具或助手形态存在。第一阶段的单点工具只能处理独立任务，如生成研报摘要、执行合规审查、响应客户咨询，各任务之间相互孤立，无法串联为完整业务流。此后出现的Copilot型助手开始辅助管理工作流程，帮助从业者梳理任务节点、汇总多源信息，但执行主体仍是人。目前，大多数金融机构还停留在这一阶段。

　　Agentar专家团的差异在于，其下每一个金融数字专家对应一个完整的角色或岗位，能够自主理解目标、拆解任务，并动态调度多个专业AI助手协同执行，直至交付完整的业务结果，且人工介入环节大幅降低。

　　以一名营销经理的工作为例，该角色需要根据市场行情与客户需求给出最佳的产品营销策略并推动落地。以往客户数据分散在不同系统，需要数据分析师人工拉表，且难以形成精准客户画像；营销策略则高度依赖个人经验，且策略配置链路长、响应慢，往往需要数天。使用Agentar专家团后，营销经理直接向数字客群经营专家下达目标，AI自动统领数据分析、市场研判、策略制定、渠道触达等子智能体并行工作，完整方案可在数分钟内生成。

　　支撑上述能力的是Agentar专家团在架构层面的两项设计。其一是任务统领机制。每个金融数字专家内置了该岗位的金融专业知识与判断逻辑，在接收任务后，能自主拆解执行路径，动态调度数据分析、合规审查、策略制定等专业AI助手，而非被动等待人工逐步指令。

　　其二是经验沉淀机制。智能体支持长程记忆，从业者在使用中形成的有效判断路径，会自动积累为可复用的Skills（技能包），沉淀为该机构和岗位专属的知识资产。随着使用深度增加，金融数字专家对机构业务逻辑的理解将持续积累。

　　据介绍，Agentar专家团覆盖的十个岗位，均以专业判断为核心，而非标准流程执行为主，集中在金融行业门槛最高、对判断能力要求最严的岗位及角色类型上。例如，在投研与投顾场景，智能体需整合多源异构信息，在数据冲突时给出有依据的研判，并在合规边界与客户个性化需求之间找到平衡；在风险管理场景，需跨系统整合数据、识别非标情况、处理反欺诈判断，容错空间极小；在理赔与保险顾问场景，需将复杂产品条款转化为适配客户实际需求的方案，同时严守适当性管理的合规要求。

　　这类能力的构建难点，不在于多智能体的技术框架本身，而在于支撑判断的专业知识体系——后者来自于在大量真实金融场景中长期积累的业务经验，无法通过短期技术搭建获得。以客户经理为例，对应的数字客户经理专家不只是执行销售动作，而是需要理解不同客群在不同市场行情下的资产行为规律，才能制定有效的服销经营策略。