• 机构：Berenberg
• 项目：BegoChat / NotebookLM / Gemini Enterprise
• 时间：2025 年 Google Cloud 案例
• 类别：财富管理 / 投研分析 / 员工生产力 / Gemini Enterprise / Vertex AI
• 来源：https://cloud.google.com/customers/berenberg ↗

Berenberg 成立于 1590 年，是德国历史悠久的私人银行，管理约 390 亿欧元资产，在欧洲和美洲 15 个地点运营。对私人银行、投资管理和投行业务而言，信息处理是核心生产活动：投资组合经理、股票研究员和投行团队每天需要阅读券商报告、公司公告、市场新闻和内部分析，耗费大量时间。

Berenberg 的 AI 策略非常务实：每个 AI 项目都必须增加收入或降低成本。该行早在 2018 年就把传统机器学习用于组合管理策略；生成式 AI 兴起后，团队已经具备预算、业务支持和明确问题，即投资组合经理被大量研究与数据淹没，需要更高效的资料聚合、评估和客户沟通生产方式。

Berenberg 与 Google Cloud 合作，先在 Vertex AI 上构建定制 AI 助手 BegoChat，用于聚合和分析券商报告、公司文件和新闻。该工具不仅摘要内容，还嵌入 Berenberg 自有投资框架，让 AI 将银行的投资知识和分析方法纳入资料评估。

随后，Berenberg 采用 NotebookLM 作为 Everyday AI 层，帮助员工做文档摘要、翻译和比较。现在该行正在用 Gemini Enterprise 构建“金字塔策略”：顶层是针对高价值问题的定制 AI，中间是日常生产力 AI，底层是面向个人工作流的标准工具。员工将通过集中管理的 Agent 市场使用通用和角色专属智能体，例如研究、财务分析和尽调支持。

Google Cloud 案例披露，Berenberg 的 AI 辅助内容生成流程提速 85%-90%，同等团队可以覆盖更广市场。一个典型应用是每日发送给客户的 Morning Mail 市场简报，AI 帮助后生产时间可减少 85%-90%，同时保留人工审核以保证质量和合规。

Berenberg 还强调人类保留在模型两端：前端提供专有数据和专业框架，中间由 AI 运行生产流程，末端由人类做客户互动、销售和合规把关。该案例说明，投研和财富管理 AI 的核心不是用模型替代投资判断，而是用专有数据和专业框架提高研究覆盖和客户沟通效率。

• 将 AI 项目按“增收或降本”明确商业目标。
• 用专有研究框架增强 RAG，而不是只做通用摘要。
• 将 AI 分为定制高价值应用、日常生产力工具和个人工作流工具。
• 建立集中管理的 Agent 市场，便于权限、审计和复用。
• 投研材料生成必须保留人工审核和合规检查。
• 用覆盖范围、内容生产时长、客户沟通频率和质量衡量成效。

• 投研和市场简报涉及投资观点，AI 输出必须人工审核。
• 专有投资框架和客户资料要严格控制访问和泄露风险。
• AI 摘要可能漏掉重大风险、假设或披露限制。
• 不同客户可接收的信息范围不同，需要适当性和分发规则。
• Agent 市场中的角色专属工具要按岗位和地区授权。
• 不能让 AI 生成未经审批的投资建议或承诺。

• 用公开公司公告和新闻模拟 Morning Mail 摘要。
• 设计一个“银行投研 AI 金字塔”：定制 AI、日常 AI、个人工具。
• 给一篇市场新闻加入人工审核清单：事实、风险、观点、披露。
• 用同一材料分别生成客户版、内部版和投委会版摘要。
• 设计投研 RAG 的引用要求和禁止输出清单。
• 讨论“专有数据”如何成为银行 AI 差异化来源。