Trovata 如何在 Amazon Bedrock 与 AgentCore 上构建自主财务智能体

企业财务团队面临着一个长期存在的挑战：银行数据碎片化，分散在数十个银行门户中；手动报告困在电子表格里；而传统资金管理系统（TMS）无法满足现代企业的扩展需求。对财务团队而言，这些手动流程会造成延迟、错误，并且无法在关键时刻做出实时现金决策。

Trovata 是一个 AI 原生的现金与流动性管理平台，直接连接超过 10,000 家银行，通过单一云平台为全球企业提供服务。2023 年，Trovata 推出了首个专为资金管理打造的生成式 AI。如今，借助 Trovata 最新的 AI 原生更新，他们已从提供洞察演进为部署代表财务团队执行操作的自主智能体。

Trovata 的客户已取得可衡量的成果：年化成本节省超过 100 万美元，每个会计团队每天节省超过 5 小时，年度 TMS 成本降低 77%，财务报告时间从数小时或数天缩短至不到一分钟。

在本文中，我们探讨 Trovata 如何在 Amazon Bedrock 和 Amazon Bedrock AgentCore 上构建自主财务智能体，采用基于角色的访问控制（RBAC）保障安全、支持银行品牌化 AI 部署的架构，以及智能体工作流如何将企业财务从手动操作转变为大规模实时决策。

解决方案概述

Trovata 作为 AI 原生财务操作系统运行，通过单一系统直接连接超过 10,000 家银行，用于现金报告、预测、分析和资金划转。

当今财务团队面临三重压力问题：

1. 银行数据碎片化，分散在多个门户中，需要手动汇总和核对。
2. 手动报告与核对，耗费熟练团队成员数小时甚至数天的时间。
3. 传统 TMS 应用，缺乏现代运营所需的云原生架构和 AI 能力。

Trovata 从 2023 年首个面向资金管理的生成式 AI，演进到具备自主智能体的 AI 原生能力，代表着一次根本性转变。该解决方案从静态洞察转向持续代表财务团队运行的持久智能体工作流。关键在于，Trovata AI 直接构建在财务操作系统之中。它不是叠加在上层的通用聊天机器人，而是与真实财务对象绑定的嵌入式智能，并通过智能体实现受治理的自动化路径。

Trovata 选择 AWS 进行这一转型有三个原因。其无服务器、云原生基础设施支持实时执行；Amazon Bedrock 为自然语言查询和 AI 功能提供大语言模型（LLM）推理；Amazon Bedrock AgentCore 负责智能体编排，具备 RBAC 安全、快速部署和全球规模能力。

为 Trovata 的 AI 原生解决方案提供支持的核心 AWS 服务包括：

• Amazon Bedrock – 用于自然语言理解和生成的 LLM 推理。
• Amazon Bedrock AgentCore – 智能体编排、智能体工作流和 RBAC 安全。
• 无服务器 AWS 基础设施 – 企业规模的实时执行。

架构图

Trovata AI 架构以在银行品牌化、RBAC 安全框架内运行的自主财务智能体为核心。该解决方案由多个关键组件协同工作构成：

• Trovata AI Chat – 对多银行资金数据进行自然语言查询，用户可提出诸如“昨天我们所有账户的净现金头寸是多少？”之类的问题，并获得即时、准确的回答。
• AI Insights – 自动异常检测、差异解释和趋势分析，主动呈现关键信息。
• AI Agents – 按计划、触发器或规则运行的持久工作流，用于监控活动、解释差异、检测异常并自动交付更新，无需人工干预。
• Agent Builder-Configurator – 用于构建和配置资金管理智能体的管理控制台，让团队完全掌控智能体的行为和范围。
• Enterprise RBAC – 基于角色的访问控制，保护智能体工作流的安全，确保智能体在与人类用户相同的权限边界内运行。

图 1：基于 Amazon Bedrock AgentCore 的 Trovata AI 架构，从银行品牌门户到多银行连接

技术实现

Trovata 在 Amazon Bedrock AgentCore 上构建了其 AI 原生解决方案，融合了自主智能体、自然语言查询和企业访问控制。以下各节介绍团队构建的内容、主要用例以及背后的 AgentCore 能力。

Trovata 构建的内容：AI 原生解决方案

Trovata AI 提供直接嵌入 Trovata 资金管理操作系统的自主资金管理智能体。这些 AI 智能体将重复性运营工作转化为持续运行的持久工作流。这些工作会消耗专业人员数小时的时间。

智能体按计划、触发器或规则运行，以监控活动、解释差异、检测异常并自动交付更新。整个系统运行在 Amazon Bedrock AgentCore 上，这是一个专为企业 AI 打造的安全、隔离环境。当用户提问时，AI 通过 Trovata 自有的经过验证的 API 层检索数据、进行分析，并在该安全基础设施内呈现响应。

主要用例

• 现金预测 – 跨多银行环境的自动化现金流预测，支持情景建模，取代基于电子表格的手工预测。
• 自然语言查询 – 企业用户用通俗英语查询银行数据。例如：“昨天我们所有账户的净现金头寸是多少？”。
• 异常检测 – 实时检测可能表明错误、欺诈或运营问题的异常交易、余额变化或现金流模式。
• 自动对账 – AI 驱动的跨数百个账户的对账摘要，将过去需要数小时的工作缩短至数秒。
• 智能体工作流 – 持久智能体自主运行，持续进行监控、分析和报告，无需人工干预。

来自真实客户部署的十种智能体模式

资金管理团队已经开始在生产环境中构建 AI 智能体。Trovata 的 AI Agents Playbook 提供了一个包含十种智能体模式的实用库，这些模式源自真实客户部署，涵盖最常见且高价值的资金管理工作流。大多数资金管理团队目前已有 5–15 个工作流可以交由 AI 智能体处理。

Trovata 使用的 AgentCore 能力

Trovata 的实现利用了 Amazon Bedrock AgentCore 的多项关键能力：

• Agent 编排 – 面向复杂资金管理操作的多步骤 Agent 工作流，需要顺序推理与执行。
• RBAC 安全 – 基于角色的访问控制保障 Agent 操作安全，确保 Agent 遵守组织权限边界。
• 实时执行 – 无服务器基础设施，可在数百个银行账户间提供亚分钟级的资金报告。
• 银行品牌化部署 – Agent 嵌入银行品牌化工具中，使银行无需自行构建 AI 即可提供 AI 驱动的资金管理能力。

安全与治理架构

结果

关键差异化优势

前提条件

要探索类似架构，您需要：

• 一个可访问 Amazon Bedrock 和 Amazon Bedrock AgentCore 的 AWS 账户。
• 熟悉资金管理操作（现金预测、对账、多银行连接）
• 理解 Agentic AI 架构与企业级 RBAC 模型。
• 了解金融服务合规要求。

清理

如果您在探索此架构时部署了任何示例资源，请记得删除它们以避免产生未来费用。移除为测试目的创建的任何 Bedrock Agent、AgentCore 配置及相关基础设施。

结论

Trovata 从手工资金管理运营迈向自主 AI 驱动的资金管理的历程，展现了代理式 AI 在金融服务领域的变革潜力。凭借每年超过 100 万美元的成本节约、每个会计团队每天节省超过 5 小时、年度 TMS 成本降低 77%，以及报告生成时间从数小时或数天缩短至不到一分钟，其影响是可衡量的。

银行品牌化的部署模式尤为有效。银行和企业无需自行构建，即可获得生产就绪的 AI。Trovata AI 展示了如何借助 Amazon Bedrock AgentCore，让独立软件供应商（ISV）将受治理的自主 AI 代理直接嵌入垂直软件即服务（SaaS）应用中，从而交付符合金融服务所需安全与合规意识的 AI。

展望未来，Trovata 计划扩展其代理模式、深化企业资源规划（ERP）集成，并拓展全球银行连接。该公司持续推进自主资金管理所能实现的目标。

开始使用

• Trovata AI – 探索 Trovata 的 AI 驱动资金管理解决方案。
• Trovata AI Agents Playbook – 来自真实客户部署的十种代理模式。
• Amazon Bedrock AgentCore – 了解 AWS 上的代理编排。
• AWS Marketplace 上的 Trovata – 从 AWS Marketplace 部署 Trovata。

关于作者

Joseph Drambarean

Trovata 首席技术官。Joseph Drambarean 曾与 J.P. Morgan、Capital One、Marriott International、Microsoft、Harley-Davidson 和 Allstate Insurance 等财富级重要品牌合作，通过创建和执行创新的数字战略与企业产品集成，帮助品牌驾驭数字格局，这些战略和集成融合了云架构、分析洞察、行业领先的 UI/UX 以及旨在带来可衡量 ROI 的技术建议。

Kushal Mangtani

Kushal 是 AWS 驻圣地亚哥的初创企业解决方案架构师，帮助金融科技和 AI 原生初创企业在 Amazon Bedrock 上设计、保护并扩展代理式工作负载。他拥有超过 10 年的分布式系统软件工程经验，其中七年任职于 Amazon，分别为 AWS 和 amazon.com 构建性能基准测试和个性化系统。工作之余，他喜欢打羽毛球，并与家人共度时光。欢迎在 LinkedIn 上与他联系。