2018年上线的Erica智能助手，最早只是个用来帮客户开户的聊天工具，但美国银行的技术团队在设计之初就想得很长远，硬是把底层架构给改造成了一个能无限扩展的AI平台。他们先是把BERT这种开源的自然语言模型当成基础框架，又特意留了个口子让以后的模型能轻松替换上去。这种松松垮垮的设计，让系统既不会偏袒某一家公司，又能很快跟上新的技术潮流。经过这么七年的打磨，这平台不光能支持客服那边的活儿，连内部的运营系统都给它管起来了。到了2020年，技术复用带来的好处就一下子冒出来了。当理财顾问那边需要整理客户资料的时候，技术团队拿Erica的框架改了改，只花了三个月就搞出了Ask Merrill工具。这种像搭积木一样的开发方式，比以前那种从头干起的办法快了不止60%。现在这平台已经生出了CashPro Chat这些专业工具，服务范围从零售银行扩展到了股市交易这块儿。 面对生成式AI突然爆火的局面，美国银行一点都没慌神。他们在2025年启动了Erica 2.0的升级计划，压根没想着推倒重来，而是在原有的基础上修修补补。通过优化向量数据库和模型调度机制，他们让平台既能跑传统的NLP模型，也能装大型语言模型。负责技术的Hari Gopalkrishnan说得很明白：“我们不是在造某个具体的应用，而是在铺AI时代的数字管道系统。”这种建基础设施的思维，直接把新功能的开发成本砍了45%，系统响应速度也翻了三倍。 不过要想把这活儿干漂亮也不容易。美国银行有6万多号搞技术的人，怎么协调创新需求和统一管理之间的矛盾成了难题。他们后来弄了个AI委员会来统一管需求，要求所有新项目都得先问问Erica平台能不能用上。这种“管得严+跑得快”的模式既保证了大家用的路子一致，又留出了让大家瞎折腾的空间。Gopalkrishnan也承认当初最难的就是说服大家接受“慢就是快”的理念，现在前期那些投在架构上的钱总算开始见效果了。 这一套战略带来的好处相当实在。据内部算下来，Erica平台每年能给银行省掉超过2亿美元的开发费，同时把新业务上线的速度给加快了50%。更重要的是，他们攒下了一大堆能复用的AI能力，这就像是给自家挖了条护城河，让他们有底气去抵御技术的大洗牌。别的银行要是想搞数字化转型，照着这一套路子来肯定不会错。