358 个银行 Agent：数量是面子，完成质量才是里子

银行 AI 转型的故事里，最容易被人记住的是那个数字：358。但三星 SDS 在 Real Summit 2026 的演讲里，把这次部署的核心挑战说得一清二楚——不是「决定做什么」，而是「完成质量」：让 agent 在真实业务里把活干完、干对。一家银行一次上线 358 个 agent 不是里程碑，是压力测试——测试你有没有足够的工作流设计与度量纪律，撑住这些 agent 不变成 358 个玩具。

厂商自己点名的约束

三星 SDS 于 9 月 8 日在 Real Summit 2026 大会发布：已在友利银行部署 358 个 AI agent，横跨五大作业域——对公客户关系管理（RM）、公司信贷、财富管理（WM）、内控、客服自动化。其中 RM 与公司信贷域约 60 个，财富管理域约 50 个（来源：Gate News 报道转述厂商发布会 — www.gate.com/news/detail/018260/samsung-sds-deploys-358-ai-agents-across-woori-bank-operations-24126754 ；原始报道见韩国 einfomax — news.einfomax.co.kr/news/articleView.html?idxno=4434071 ）。数字为厂商自报，无独立审计。

值得停下来的不是 358，而是三星 SDS 对核心挑战的定义：这家厂商把项目难点概括为「为真实业务应用确保完成质量，而不是决定构建什么」。三年前企业纠结的是「agent 能做什么」，一年前纠结的是「建哪些 agent」，现在瓶颈变成了「agent 有没有把真实业务干完、干对」。这个约束的移动，才是结构性的变化。

数量回答「装了多少」，完成质量回答「干成了多少」

358 是一个滞后指标：它记录的是工程上装了多少，不记录业务上成了多少。如果每个 agent 都只是把信息查出来、建议给出来，人还是要在每个动作前复核、在每个产出后修补，那么 358 个 agent 和 35 个 agent 没有本质区别——只是把同样的认知负担摊到更多界面里。完成质量才是把「生产 agent」和「试点玩具」分开的那条线：agent 输出的结果有没有被直接使用、被直接放行、被计入业务 KPI。

这不是从外部硬套的标准。OOMeta 自己每天跑数十个 agent（AQ 任务总线、cron 舰队、社交分发引擎），我们追踪的是完成率、接受率、闭环状态——一次任务有没有真正办结、产出有没有被消费。数量只是仪表盘上的装饰，完成质量才是运维与业务两侧共享的语言。银行这种对错账、对漏批零容忍的行业，更应该把「完成质量」当第一指标：一个 agent 错一次，代价不是 token，是客户关系与监管谈话。

财富管理那 50 个 agent，是最有信息量的一段

整个发布里最值得读的是财富管理域：超 600 名私人银行家能力参差，导致销售机会流失。三星 SDS 部署约 50 个 agent 解决这个问题——用 text-to-SQL 让自然语言查询直接取到准确数据，再给出咨询脚本，把低能力者的服务水准往上拉平（来源：同上 Gate News — www.gate.com/news/detail/018260/samsung-sds-deploys-358-ai-agents-across-woori-bank-operations-24126754 ）。

这暴露了一个多数银行转型叙事的偏差：agent 最常见的定位是「替代」，财富管理这段说的是「标准化」。能力参差的不是机器，是人——600 个私人银行家里，最好与最差的产出差几个量级。agent 在这里的作用是把最差的往上抬到及格线以上，而不是把最好的替换掉。对买方而言，这才是「完成质量」的真正落点：衡量标准不是 agent 多聪明，而是它让整个组织的作业分布收敛了多少。用 text-to-SQL 把「查数据」这个动作从依赖少数能手，变成人人可及，才是可以量化 ROI 的地方。

工作流必须为 AI 重新设计，而不是让 AI 迁就旧流程

三星 SDS 负责人 Lee Jun-hyung 在演讲里给了一个直白的判断：企业 AI 转型，工作流必须从一开始就为 AI 设计。方向是让银行从「AI 问一答一」走到「AI 干活、解决问题」。这也是为什么「完成质量」必然是一个工作流问题而不是模型问题：agent 能否干完，取决于作业流里有没有给它明确的输入、明确的放行点、明确的闭环；塞进一段没有人接手的旧流程，agent 只会输出半成品。

把这句话和近两个月其它银行的部署并排看：Citi 的 Arc 平台把 agent 当集中式操作系统来运营（18 万员工用 AI、每周超 10 万 agent 小时），同样是把「运行 agent」当作系统能力而不是一次性项目。共识正在形成——agent 化的前提不是模型更强，而是作业流被重新布线。任何把 agent 数量当交付物、而不动作业流的计划，都是把面子当里子。

我们的判断

第一，agent 数量是虚荣指标，完成质量是生产指标——买方向厂商要的应该是每个 agent 的完成率、直通率、业务 KPI 挂接，而不是部署总数。第二，厂商把核心挑战定义为完成质量，说明行业瓶颈已经移到「让 agent 干完活」，谁先建起完成质量的度量与工作流，谁就先从试点跨到生产。第三，财富管理域示范了 agent 作为能力标准化工具的用法——把组织作业分布收敛，比替换任何单个岗位都更容易量化回报。第四，工作流为 AI 重新设计是前提，不是可选项；塞进旧流程的 agent 只会产出半成品。

买家行动清单

第一，把采购与验收口径从「多少个 agent」改成「完成质量怎么测」：要求厂商定义每个 agent 的完成率、直通率与业务结果挂接方式。第二，先选一个作业域（客服、财富顾问支持、对公尽调）做完成质量基线，再谈规模化。第三，明确 agent 的定位是替代还是标准化：能力参差的团队，先用 agent 收敛作业分布，回报最直接。第四，把工作流重设计放进项目范围：没有重布线的作业流，agent 数量再多也是面子工程。

留给你的决策问题：如果你把「完成质量」而不是「agent 数量」写进银行 AI 项目的验收标准，你手头那个项目里，有多少 agent 经得起这一问？

参考来源：①Gate News 报道三星 SDS Real Summit 2026 发布（厂商自报，2026-09-08）— www.gate.com/news/detail/018260/samsung-sds-deploys-358-ai-agents-across-woori-bank-operations-24126754 ；②韩国 einfomax 原始报道 — news.einfomax.co.kr/news/articleView.html?idxno=4434071 ；③Citi Arc 平台案例（OOMeta 已发布文章）— /insights/citi-arc-agent-operating-system-2026