关于 安德烈-谢尔扬托夫:法国巴黎银行（BNP Paribas CIB）数字全球市场主管，领导投资银行部门的数字转型和人工智能整合。.
关于 法国巴黎银行:法国巴黎银行的企业和机构银行业务部门（集团收入约 460 亿欧元），为全球 13,000 多家企业和机构客户提供服务。.
关于 娜塔莉-贝斯莱:naaia 公司首席执行官兼联合创始人，这是一家监管科技创业公司，专门帮助企业在严格的监管限制下管理人工智能项目。.
关于 中国:一家专业技术公司，为人工智能治理、合规和监督提供 SaaS 平台（AIMS - 人工智能管理系统）；专注于缩小静态监管与动态人工智能代理之间的差距。.
关于 西里尔-辛布勒:Databricks 金融服务 EMA 负责人，是将原始金融 data 转化为 “Data 智能 ”以提升价值的专家。.
关于 Databricks:data和人工智能（Data Lakehouse）领域的全球领导者，估值约为$43B（2023年），旨在为企业用例统一data、分析和人工智能。.
为什么现在迫切需要重塑金融领域的信任和 data 战略？
西里尔-辛布勒这种必要性是由三个因素驱动的。首先，结构化和非结构化 data 的指数级增长要求管理大量工作负载，以建立强大的代理。第二，行业正在从 “通用智能”（标准 ChatGPT，约 55% 精确度）向 “Data 智能”（结构化分析引擎，>80% 精确度/转换）转变。第三，管理是不可或缺的；如果没有严格的 data 结构，即使是最好的 ML 模型也会因 “垃圾进，垃圾出 ”而失败。”
Andrei Serjantov：驱动力在于效率、范围和能力。人工智能使银行能够更快地执行现有任务，覆盖更广泛的风险（覆盖风险 A、B 和 C，而不仅仅是 A），并执行以前不可能完成的任务，例如分析大量文件，以便在股票研究中进行情感分析。.
投资银行正在部署哪些具体的、具有重大影响的用例？
Andrei Serjantov：除了通用实用程序（编码、翻译）之外，BNPP 还专注于深度垂直整合。在股票和固定收益研究领域，有十多个用例改变了文档制作流水线。客户工作流程得到了大量扩充，由法律硕士起草对客户交易确认的答复。这种策略无处不在：现在，不使用人工智能的领域比使用人工智能的领域更难找到。.
组织如何应对 “代理 ”人工智能和静态监管的具体挑战？
娜塔莉-贝斯莱核心冲突在于，监管（如欧盟人工智能法案）是静态的，而代理人工智能是动态的。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）对代理进行定性。此外，由于代理是自主的，公司必须严格管理角色和 “habilitations”（权限），以确保代理与人类和数字环境安全互动。.
银行应如何从技术上实施 “从零到一 ”的人工智能平台重塑？
西里尔-辛布勒执行需要三支柱业务方法：增长、保护（风险/合规性）和成本效益。在技术上，平台必须是多 cloud（以满足 DORA 关于 data 可移植性的规定）、开源（确保 data 所有权/零拷贝）和受管（严格的 data 血统，以便为审计人员跟踪产品的创建）。最后，人工智能必须民主化，让企业领导者能够用自然语言查询 data，而无需依赖技术专家。.
如何实现 “值得信赖的人工智能”（合规、道德、责任）？
娜塔莉-贝斯莱可信度建立在三个层面上：naaia 通过 SaaS 方法将其付诸实施，重点关注治理（设计角色/决策树）、集成（将测试/监控嵌入 IT 系统）和执行（执行文档）。被动投诉不是一种策略；需要积极主动地部署计划，以减轻经济和声誉损失。.
关于 “建造与购买 ”和伙伴关系（如 Mistral）的战略是什么？
Andrei Serjantov：BNPP 很早就与 Mistral 合作，利用内部部署功能，确保客户的 data 永远不会离开银行的安全环境。他们优先考虑在专有 data 上微调较小的节能模型，而不是从头开始培训大型基础模型。这种外部技术专长与内部风险管理基因的结合，实现了安全、特定用例的部署。.
