地方大小事.盡在觀傳媒

監管機構也面臨轉變!美國金融業監管局(FINRA) 如何借助 AWS 生成式 AI 成功轉型?

(觀傳媒編輯中心)【記者郭嘉/綜合報導】在數位轉型浪潮席捲全球產業之際,金融監管機構面臨著前所未有的挑戰與機遇。隨著數據量呈爆炸性增長,傳統的分析方法已難以應對日益複雜的監管需求。美國金融業監管局 (FINRA) 作為金融市場的守護者,如何在這場數位革命中保持領先地位?

FINRA 是美國最大的非政府金融監管機構,肩負著保護投資者和確保市場完整性的重任。FINRA 管理著超過 600 PB(接近 1 EB)的數據,這些數據用於市場監控、風險偵測和監管分析。在這樣的背景下,FINRA 認識到生成式 AI 不僅是一種技術工具,更是一種能夠「徹底改變工作方式,擴展資料應用可能性」的轉型力量。

監管機構也面臨轉變!美國金融業監管局(FINRA) 如何借助 AWS 生成式 AI 成功轉型? - https://www.watchmedia01.com
圖片截取自 AWS re:Invent 2024 活動官方影片。

生成式 AI 聯盟:跨部門協作的基石

FINRA 首先成立了「生成式 AI 聯盟」,匯集來自業務、法律和技術部門的領導者。這個跨部門團隊的成立解決了 AI 實施過程中常見的孤島問題,確保所有利害關係人都能參與決策過程。FINRA 企業運營資深副總裁 Kym Weiland 在 Amazon Web Services (AWS) re:Invent 2024 的演講中強調:「變革本身是困難且令人恐懼的。你需要有一個非常明確的計劃來引導整個變革過程。」

風險評估與法規合規:AI 治理的新邊界

對於金融監管機構而言,AI 帶來的風險不僅限於技術層面,還涉及法律和商業風險。FINRA 與 AWS 法律團隊密切合作,簡化了條款和條件、模型使用權限和賠償條款等複雜的法律環境。這種合作模式為其他希望在受監管環境中採用 AI 的組織提供了寶貴的參考。

提示工程 (Prompt Engineering):AI 效能與成本的平衡藝術

FINRA 很快發現,提示工程不僅影響 AI 回應的品質,還直接關係到實施成本和投資回報率。Kym Weiland 在演講中指出:「提示設計就等同於金錢。這不僅關乎用戶滿意度,更直接影響你能否從 AI 實施中獲得積極的投資回報。」

FINRA 通過與 AWS 合作開展提示工程培訓工作坊,建立了提示目錄和最佳實踐指南,使團隊能夠更有效地利用 AI 資源,避免因不當使用而產生過高成本。

AWS成為 FINRA 數位轉型的加速器

FINRA 的 AI 實施之旅圍繞AWS兩個主要AI服務展開:基於 Amazon Bedrock 的企業聊天機器人 FILLIP (FINRA Large Language Interactive Portal) 和基於 Amazon Q 的開發者助理。

FILLIP:企業知識的智能中樞

FILLIP 聊天機器人利用 Amazon Bedrock 的強大功能,為 FINRA 業務用戶提供了一個安全的互動平台。Amazon Bedrock 的原生功能,如防護機制(Guardrails) 和知識庫 (nowledge Bases)為 FINRA 提供了關鍵的安全控制,確保 AI 使用符合其嚴格的合規要求。

FINRA 對 FILLIP 的實施採取了謹慎的方法,先進行有限的試點,然後逐步擴大範圍。每個參與試點的用戶都接受了專門培訓,並簽署了使用條款,確保他們了解系統的能力和限制。

開發者生產力革命:Amazon Q 的實施成功

FINRA 對 Amazon Q 的採用展現了更為深入的轉型效果。在 FINRA 企業生產力工程副總裁Daniel Koo的領導下,FINRA 進行了為期五個月的研發工作,評估了17種不同的 AI 編碼助手工具,最終選擇了 Amazon Q

選擇 Amazon Q 的關鍵因素包括:

1.多模式界面支持:支持聊天、內聯和代理等多種交互模式,適應不同開發場景

2.出色的程式碼轉換能力:特別在 Java 和 Spring Boot 版本升級方面表現卓越

3.嚴格的安全合規保障:不存儲 FINRA 程式碼或個人識別信息 (PII),不使用 FINRA 數據進行模型訓練

4.與 AWS 服務的深度整合:由於 FINRA 系統主要運行在 AWS 上,Amazon Q 能夠提供更相關的設計和編碼建議

    成果與未來展望:數據驅動的 AI 實施路線圖

    FINRA 的 AI 實施之旅不僅是技術演進的故事,更是一個數據驅動的成功案例。量化成果清晰地展示了生成式 AI 對企業的變革性影響。

    量化成效:從效率到品質的全面提升

    試點和初期實施階段已經展示了令人矚目的成果:

    1.程式碼品質和完整性提高 30%:AI 輔助開發顯著提升了軟件品質

    2.程式碼轉換活動減少 40%:自動化程式碼升級大幅節省了開發時間

    3.認知負荷減少 20%:開發人員能夠更快理解和處理複雜程式碼

    在使用方面,Amazon Q 的建議接受率遠高於行業標準:聊天模式的建議接受率達到驚人的 70%,內聯程式碼接受率達到 80%,超過 12,000 個程式碼塊被採納。

    更重要的是,超過 80% 的工程師表示,Amazon Q 幫助他們保持專注和工作流暢,生產力提高超過 15%。超過 50% 的工程師認為,AI 助手「顯著改變了他們的工作方式」。

    分享這篇內容:

    閱讀更多