英国数字银行 Thinkmoney 与 Data Reply UK 合作，用 Amazon Bedrock、Claude 与 Amazon AgentCore 搭建了一个治理优先的多智能体银行助手，结果是 63% 的客户问询在无人介入下解决，单次处理时间从过去的 10 到 15 分钟压到 2.2 分钟，全程满足英国金融行为监管局（FCA）的消费责任要求与 UK GDPR。对一个受监管银行来说，把「智能体客服」从聊天机器人升级为能办事的同事，难的从来不是模型，而是如何在不踩监管红线的前提下让它能办事。
治理优先的多智能体架构
Thinkmoney 的架构从一开始就把治理当成正交的一层，而不是事后补丁。客户用自然语言描述需求，先经过一个分诊智能体判断意图并路由到正确的专精智能体；卡片管理、交易查询、开户与投诉各有专属 Agent，每个 scope 被刻意收窄，避免一个无所不能的 Agent 掌握过多权限。在分诊与专精 Agent 之下，是一层统一的护栏：PII 脱敏、审计日志、人工升级路径，这些都内建在运行模型里，而非上线后再缝上去。
增量认知：在受监管行业，治理不是智能体的附加项，而是智能体本身。Thinkmoney 把护栏做成架构的一层，意味着「可审计、可脱敏、可升级」是出厂属性，合规团队审查的是系统结构，而不是事后追一堆日志。
这种设计对应银行的实际约束。银行客服不能是一个简单 chatbot——一旦助手能理解意图、能路由请求、能驱动工具完成开卡、冻结、查询这类动作，架构就必须有认证边界、可审计性、护栏、升级路径、测试与实时监控。Thinkmoney 选择用自定义的 agentic graph 加受控运行模型，而不是套用通用聊天模式，正是为了把上述约束落到工程里。
结果：更快，且多数无需人工
数据是这套架构的注脚。分诊智能体在超过 98% 的交互中正确识别意图并路由到对的专精 Agent；日常问询此前要跨多个屏幕、走多个渠道花 10 到 15 分钟，现在通过单一对话界面 2.2 分钟解决；63% 的问询完全由问答型 Agent 自主处理，把人工坐席解放出来去处理更复杂、更敏感、更高价值的互动。
背后还有一套「Capable with Consent」（有能力、需授权）的运作哲学：助手可以自主解决问题，但只在客户明确批准的路径内；当请求超出范围或涉及弱势客户，它立刻升级给人工。这种「授权即边界」的设计，让自主与可控不再是非此即彼的取舍。
对受监管行业的通用启示
Thinkmoney 这个案例，给所有想把智能体放进受监管流程的团队递了一个样本：护栏、PII 脱敏、审计日志、人工升级与生命周期监控，应当从立项阶段就设计进系统，而不是上线后补救。它建立的也不仅是一个助手，而是一个可复用、可治理的智能体平台——护栏、脱敏、审计、升级这些能力沉淀下来，后续可以延伸到更多服务与运营旅程。
边界提醒：银行智能体的成效高度依赖「授权粒度」的设定。若路径划得太宽，自主带来风险；划得太窄，又退回人工。2.2 分钟与 63% 这两个数字的意义，在于证明「窄授权 + 强护栏」能同时满足速度与合规，而非证明智能体可以无界自主。
从行业视角看，Thinkmoney 与同期其他受监管行业的智能体落地共同说明：2026 年的银行智能体竞争，焦点已经从「模型谁更强」转向「谁的智能体更可治理、可审计、出事能追责」。当监管把 FCA 消费责任与 GDPR 当成硬约束，治理架构本身就是产品价值。