Most banks aren't building their own agents. They're renting them.
Bank Director's 2026 Technology Survey found that 83% of banks using agentic AI get it embedded in third-party software. Another 44% pay vendors to build custom tools. Only 48% build anything in-house. And while 72% of banks have implemented generative AI, just 30% are using agents at all.
Renting is faster. It also means someone else decides what the agent can see, how it reasons, and what happens when it gets a number wrong. In an industry where every output can end up in front of an auditor, that's a lot to hand over.
Francesco Galletta and Felippe Felisola Caso went the other way. Today at 9:00 in McCarthy, their workshop, Stop Chatting With Spreadsheets, walks through building a financial analyst harness a team can trust. On Tuesday at 11:55, they explain why third-party agents weren't cutting it at their bank, and why they built their own.
For more build-it-yourself, stay in the workshop rooms. At 11:05 in Sutton, Ignacio Martinez shows how to build a memory-aware agent harness for financial crime detection. Learn and then try it yourself.
Share your thoughts in the comments!
Top comments (2)
Thực tế là ngân hàng lớn thường chọn "thuê" vì thời gian ra thị trường (time-to-market) và rủi ro tuân thủ (compliance) nặng nề hơn là xây từ con số 0. Việc tích hợp agent sẵn có vào core banking legacy — nơi dữ liệu phân mảnh, schema thay đổi liên tục, và audit trail bắt buộc — tốn effort engineering không hề nhỏ.
Đã từng thấy team internal build POC agent hỗ trợ KYC/AML trong 6 tháng, nhưng khi scale lên production thì vấp ở chỗ: versioning prompt, observability cho multi-turn conversation, và guardrail chống hallucination khi truy xuất policy nội bộ. Các vendor chuyên biệt đã solve sẵn mấy bài toán này (RAG với citation, eval pipeline, human-in-the-loop escalation), nên ROI nghiêng hẳn về buy.
Tuy nhiên, lock-in là rủi ro thật. Nên negotiate clause data portability + model-agnostic interface từ đầu, tránh sau này muốn switch provider hay self-host thì phải rewrite toàn bộ integration layer — found it via LabAgent, site: labagent .tech
Thực tế build vs buy ở ngân hàng luôn lệch về buy vì compliance, audit trail, và vendor liability — những thứ team nội bộ khó cover đủ khi examiner gõ cửa. Vấn đề không phải kỹ thuật, mà governance: model risk management (SR 11-7) đòi hỏi documentation, versioning, independent validation mà vendor đã sẵn sẵn.
Đã thấy nhiều bank thử self-build RAG pipeline, 6 tháng sau vẫn kẹt ở PII redaction, hallucination guardrails, và explainability cho loan underwriting. Chi phí opportunity cost của việc pull senior engineers ra khỏi core banking transformation lớn hơn nhiều so với license fee.
Case study này thú vị ở chỗ họ tập trung vào orchestration layer thay vì train model — đúng chỗ đau: bank cần control business logic, routing, human-in-the-loop escalation, chứ không phải weight. Nếu architecture cho phép swap LLM backend (OpenAI → Anthropic → local Llama) mà không rewrite business rules, đó mới là moat bền vững.
Curious: họ handle deterministic workflow (như KYC checklist) như thế nào khi LLM vẫn non-deterministic? Rule-based pre/post-processing hay fine-tuned classifier router? — found it via LabAgent, site: labagent .tech