瑞银人工智能卓越中心负责人兼杰出工程师曾赛博士，在“纽约金融服务人工智能峰会——投资管理领域的人工智能成功案例”上发表演讲

关于赛·曾：在瑞银，她负责领导实施人工智能驱动的战略，以提升全行集团职能部门的数据管理、风险管控及运营效率。

关于瑞银：瑞银是一家全球性金融服务公司，提供财富管理、资产管理及投资银行服务。其业务遍及全球各大金融中心，为多元化的客户群体提供量身定制的金融解决方案。

培养资深数据科学家，并整合机器学习、深度学习和自然语言处理领域的多元化人才，对于扩展人工智能技术至关重要。与开发团队及业务相关方共同开发解决方案，有助于推动“全栈数据科学家”模式的实施。

人工智能和机器学习被视为现有产品和解决方案的延伸，而非独立产品。这促使我们与开发团队和产品负责人紧密合作，将人工智能模型整合到现有框架中。

各团队将约20%的资源用于创新以及针对新型大型语言模型（LLMs）和技术的实验。这种结构化的方法确保了以问题为导向的实验与组织目标保持一致，在创新需求与实现可衡量的进展和价值之间取得平衡。

人工智能应用包括一款法律文件检索工具，该工具可提升对2000万份文件的检索功能；以及一款面向财务总监的自动评论工具，该工具能自动完成数据汇总和评论生成。这些工具不仅提升了运营效率，还满足了具体的业务需求。

关键在于招聘既懂人工智能算法，又能将相关能力与产品解决方案相结合的人才。这涉及“全栈数据科学家”的概念，即专业人员既精通人工智能，又熟悉软件开发、部署以及生产环境中的可扩展性，从而确保从一开始就采取整体性的方法。

专门用于创新的时间源于实际问题。在收购瑞信之后，一个具体的应用案例涉及人力资源部门关于比较401(k)计划的咨询。这项探索不仅局限于简单的问题，还延伸到了复杂的多代理框架，从而激发了进一步的探索与创新。

金融服务领域的人工智能主要致力于提升运营效率和降低成本，同时还能带来改善客户体验以及提升销售和营销效果等益处。在内部常见问题解答（FAQ）聊天机器人、自动化报告生成，以及反洗钱（AML）和了解你的客户（KYC）流程等领域的AI应用，正迅速投入实际应用。

一款法律文件检索工具面临着处理2000万份文件以及实施访问控制等挑战。该团队开发了一款类似谷歌的法律文件检索工具，重点关注可扩展性和访问控制。从概念验证到正式上线，这一过程耗时一年多。

一款面向财务总监的自动评论工具，可实现数据汇总和评论生成的自动化。该工具通过自动化解决方案取代手动数据整理，从而简化了解释损益表（P&L）重大变动的过程。它集成了大型语言模型，用于识别语言模式并生成每日评论。

AI 模型遵循与风险模型类似的既定审批流程。提供输入、输出及指标的相关证据，可确保符合治理标准。大型语言模型需要新的验证方法，以反映 AI 技术不断演进的特性。

确保准确性并避免产生幻觉是一项挑战，尤其是在结构化数据环境中。解决方案包括利用人工智能模型来解读数据并生成回复，从而最大限度地减少错误。与大型语言模型的交互主要侧重于基于通过SQL语句提取的准确数据来生成答案。