关于安德烈·塞尔詹托夫：法国巴黎银行企业与机构银行部（BNP Paribas CIB）全球数字市场负责人，负责领导投资银行业务领域的数字化转型及人工智能整合工作。
关于法国巴黎银行企业与机构银行部（BNP Paribas CIB）：作为法国巴黎银行（集团收入约460亿欧元）的企业与机构银行业务部门，为全球13,000多家企业及机构客户提供服务。
关于娜塔莉·贝斯莱（Nathalie Beslay）：naaia首席执行官兼联合创始人，是一位监管科技（RegTech）企业家，专注于帮助各类组织在严格的监管框架下管理人工智能项目。
关于naaia：一家专业技术公司，提供用于人工智能治理、合规与监督的SaaS平台（AIMS——人工智能管理系统）；致力于弥合静态监管与动态人工智能代理之间的鸿沟。
关于西里尔·辛布勒（Cyril Cymbler）：Databricks 欧洲、中东和非洲（EMA）地区金融服务负责人，擅长将原始金融数据转化为“数据智能”以创造价值。
关于Databricks：数据与人工智能（Data Lakehouse）领域的全球领导者，估值约 430 亿美元（2023 年），致力于整合数据、分析和人工智能，以满足企业应用场景的需求。
为什么现在金融行业亟需重新构建信任与数据战略？
Cyril Cymbler：这种必要性源于三个因素。首先，结构化与非结构化数据的指数级增长，要求我们管理海量工作负载以构建强大的智能代理。其次，行业正从“通用智能”（标准版ChatGPT，准确率约55%）向“数据智能”（结构化分析引擎，准确率/转化率超过80%）转型。 第三，数据治理是不可妥协的；若缺乏严格的数据结构，即便是最优秀的机器学习模型也会因“垃圾进，垃圾出”而失败。
安德烈·塞尔詹托夫：这一举措的核心在于效率、覆盖范围和能力。人工智能使银行能够更快地完成现有任务，覆盖更广泛的风险范围（涵盖A、B和C类风险，而非仅限于A类），并完成此前无法实现的任务，例如在股票研究中对海量文档进行情感分析。
投资银行业目前正在部署哪些具体且影响深远的应用案例？
安德烈·塞尔詹托夫：除了通用工具（编程、翻译）之外，BNPP 还致力于深度垂直整合。在股票和固定收益研究领域，已有十多个应用案例正在重塑文档生成流程。客户工作流程得到了显著增强，例如由大型语言模型起草客户交易确认函的回复。这种策略已无处不在：如今，找不到未应用人工智能的领域，反而比找到应用了人工智能的领域更难。
组织如何应对“自主型”人工智能与静态法规带来的具体挑战？
娜塔莉·贝斯莱：核心矛盾在于，监管（如《欧盟人工智能法案》）是静态的，而代理式人工智能则是动态的。挑战在于如何根据严格的监管定义（通用人工智能与人工智能系统）来界定代理的性质。此外，由于代理具有自主性，企业必须严格管理角色和“授权”（权限），以确保代理能够安全地与人类及数字环境进行交互。
从技术角度来看，银行应如何实现“从零到一”的人工智能平台重构？
Cyril Cymbler：实施需要采取三支柱业务模式：增长、保护（风险/合规）和成本效率。从技术角度来看，该平台必须具备cloud 以满足DORA法规对数据可移植性的要求）、开源（确保数据所有权/零拷贝）以及受管控（通过严格的数据血统追踪产品创建过程，以供审计人员审查）。 最后，人工智能必须实现普惠化，让企业领导者能够使用自然语言查询数据，而无需依赖技术专家。
如何将“可信赖的人工智能”（合规、伦理、责任）付诸实践？
娜塔莉·贝斯莱（Nathalie Beslay）：可信度建立在三个层面之上：合规性（强制性）、伦理（以人为本）和责任（问责制）。naaia 通过一种 SaaS 方法来实现这一目标，重点在于治理（设计角色/决策树）、集成（将测试/监控嵌入 IT 系统）和执行（强制执行文档记录）。 被动应对投诉并非良策；必须主动部署相关计划，以减轻经济损失和声誉损害。
关于“自建与采购”以及合作伙伴关系（例如Mistral）的战略是什么？
安德烈·塞尔詹托夫：BNPP 早早与 Mistral 建立了合作关系，以充分利用其本地部署能力，确保客户数据绝不离开银行的安全环境。他们优先考虑利用专有数据对小型、节能的模型进行微调，而非从头开始训练庞大的基础模型。这种外部技术专长与内部风险管理基因的结合，使得能够安全地针对具体用例进行部署。
