银行业生成式人工智能应用白皮书-英文版

在银行业中采用生成式AI 这份白皮书探讨了生成式人工智能（GenAI）如何变革金融服务行业。它展示了GenAI如何改进合规性、更好地与客户互动以及更有效地管理风险，同时帮助公司分享专业知识并更快地推出新解决方案。然而，要充分利用GenAI的优势，需要高质量的系统，并且区分不同的AI模型可能会非常困难。 推动金融服务业中生成式人工智能（GenAI）解决方案的合规性创新。曾在波士顿咨询公司（BCG）担任战略顾问，专长于银行合规项目，在欧洲、非洲和亚洲拥有平台生态系统和业务发展方面的领导经验。现居柏林。托马斯 · 凯撒Kodex AI 首席执行官兼联合创始人 该论文解释了什么是好的AI系统，包括数据的质量、系统的复杂性以及网络安全措施。此外，还涵盖了诸如检索增强生成（RAG）和参数高效微调（PEFT）等重要工具，这些工具有助于减少错误。 Boon - Hiong Chan行业应用创新主管兼主管亚太地区市场和技术倡导、证券服务、德意志银行 推荐采用逐步的方法来采纳生成式人工智能（GenAI），从简单的任务开始，逐步扩展到更复杂的用途，以确保平稳过渡。行业的关键建议包括使用标准测试数据、制定公平使用政策、创建AI测试环境（沙盒）以及简化法规以提高AI集成的有效性。 产品构建者和倡导者，专注于技术与监管对金融服务的影响。拥有计算/人工智能和网络安全与政策方面的背景，基于新加坡。 Delane Zahoruiko创始人助理 ， Kodex AI 专注于生成式人工智能（GenAI）解决方案的企业发展和市场进入策略，具备业务运营、大数据分析和咨询方面的专长，覆盖美国和欧洲地区。总部位于柏林。 T 的内容 前言 … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … … …影响质量的 4 个因素 … … … … … … … … … … … … … … … …… … … … … … … … … … … … … … … … … … … … … … … … 2 构建 GenAI 用例组合 … … … … … … … … … … … … … … … … … … … … … … … … … … … … 14… … … … … … … … … … … … … … … … … … … … … … … …… … … … … … … … … … … … … … … … … … … … … … … …… … 274.1 数据风险 .......................................................................................274.1.1 数据风险缓解措施 ....................................................................284.1.2 合成数据以增强训练 ................................................................284.2 系统风险 .................................................................................284.2.1 模型漂移 ................................................................................294.2.2 幻觉风险 ................................................................................294.2.3 反馈回路退化：应对用户影响 ............................................304.2.4 缓解措施 ................................................................................304.2.5 模型评估技术作为缓解措施 ..................................................314.3 其他风险 .....................................................................................314.3.1 依赖性风险 ............................................................................314.3.2 网络安全风险 ........................................................................32 1 简介、 GenAI 及其用例 … … 1.1 通用人工智能：一种强大的变革工具................................................51.2 在金融服务领域的应用.....................................................................61.3 案例考虑因素...................................................................................71.3.1 关键差异......................................................................................71.4 问题陈述与通用人工智能的契合.................................................9 2.1.1 第一阶段：应用GenAI的核心文本和语言分析能力...................................................................................152.1.2 第二阶段：聊天到代理用例.................................................162.1.3 第三阶段：聊天到执行。自主能力.....................................18 3 识别卓越。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。5 实施 GenAI 和建议 … … … … … … … … … … … … … … … …… … … 345.1 法规考量..........................................................345.2 可解释性和透明度.................................................365.3 数据与幻觉................................................................ 365.4 合成数据 .............................................................................375.5 产权和版权........................................................................385.6 开放标准和公平数据实践....................................385.7 跨境可扩展性............................................................395.8 非英语基准...........................................................395.9 专业知识的可用性、就业和再培训................................ 405.10 计量的ROI和生产率提升.................................. 40 3.1 准确性和相关性（基准）..........................................203.1.1 基础模型级别的基准..................................203.1.2 领域特定基准.......................................................213.2 架构和过程因素..................................................233.2.1 数据................................................................................................233.2.2 定制化...............................................................................243.2.3 语言和文化敏感性的数据与训练............................253.2.4 系统的创造力、推理和问题解决能力................253.2.5 速度、性能和成本...................................................253.2.6 支持和升级..................................................................26 披露 ： 本白皮书是由人类热情地撰写的。 前言 生成人工智能（GenAI）正成为金融服务领域的变革力量，通过提高合规性、客户参与和风险管理的效率。它们为超级规模的人类生产力提供了显著优势，使得以更高的质量完成更多的工作成为可能。其他益处包括机构化专业知识、提升战略竞争力和加快市场进入速度，尤其是在更多业务用户或非技术人员能够访问此类系统时可以更快地取得更好的成果。公司与社会之间的社会契约也可以得到强化，例如，如果成熟的专业人士将其领域经验进一步扩展为模型训练员和评估员。 一个有结构且逐步采用的路线图至关重要，从语言处理和自动化常规工作流程开始，并逐步扩展到未来可能包括代理人工智能的更复杂决策增强应用。这种战略方法确保在每个阶段都能最优地内化益处、经验和风险，从而使组织能够在此过程中逐步前进；有效促进了业务和应用程序的共同成熟。 然而，为了实现这样的价值创造，GenAI系统本身需要达到一定的质量标准，即使区分不同的GenAI系统可能很困难，因为它们看起来都相似。 因此，采用商业和技术相结合的方法，本白皮书旨在强调通用人工智能（GenAI）文本转换系统中质量决定因素，如数据、系统组件和网络安全。同时，介绍了关键基础设施组件，例如检索增强生成（RAG）、参数高效微调（PEFT）和低秩适应（LoRA），这些组件能够促进系统的适应性、降低运行成本，并以更可控的方式支持数据保密隔离。 尽管通用人工智能（Gen AI）因为许多新术语看起来像是新技术，但深入分析会发现，许多被认为是挑战的问题其实与金融行业之前的技术进步中已经成功解决的问题相似。例如，“幻觉”这一术语虽然听起来复杂，