方案 · 银行与金融服务

经得起审计
的 AI。

银行不缺 AI 试点,缺的是能向审计、监管和董事会讲清楚的 AI。ADIS 的数字员工在运营、授信、合规和客服团队里起草、核对、汇总:每个回答附出处,每个改数据的动作要指定的人批,每一步都进审计日志。

预约部署评估
银行一角:Adis 抱着一叠文件走向办公桌,桌后的经理手拿橙色印章,准备审批

会有什么不同。

01制度问题,带着条款回答

员工在群里问内部制度和操作规程,数字员工从你们的制度库里回答,并标出依据的条款。

02材料先核齐,再到人手里

开户与贷款材料按你们的清单核对完整性,缺什么列出来,起草摘要;授信官和审批人拿到的是核过的材料。

03例行报告,从一份数据起草

对账、例外清单、管理报告与监管报送的初稿,从 Semantic 里同一份口径的数据起草,由负责的团队审定。

每个岗位,一名数字员工。

数字员工在这个岗位已经在用的群里干活:它准备、核对、提醒,决定由人来做。

运营

  • 准备对账与例外清单
  • 核对开户材料是否齐全,缺项列出来

人决定运营主管处理例外

授信

  • 核对贷款材料,起草授信备忘录初稿
  • 按你们的清单标出风险点与缺失的证明

人决定授信官与审批委员会做决定

合规

  • 回答员工的制度问题,并标出条款
  • 为检查和审计收集证据:谁、什么时候、批了什么

人决定合规负责人审定口径

客服

  • 起草投诉回复,附上依据的制度与记录
  • 把同类问题汇总给业务负责人

人决定客服主管确认后才发出

财务

  • 起草管理报告与报送初稿
  • 核对总账与业务数据的差异

人决定财务负责人签发

风险

  • 每天巡检限额与指标,超出就提出预警并写明依据
  • 高严重程度的预警立刻通知负责人

人决定风险负责人处理、忽略或升级,并写下理由

控制写在系统里,
不靠事后补。

01数据不出你们的环境

涉及敏感数据的岗位用私有化模型:跑在你们自己的云账号、一台不与别人共用的专属机器,或你们自己的机房里。其他岗位照常用公有云模型。

02只看得见被授权的

每个数字员工有自己的身份,不能登录,也没有自己的权限;能读什么由它所在的组授予,取交集不取并集。敏感记录带着标记走。

03改动要人批,不能自己批

改数据只能走 Action;写到业务系统的 Action 在人批准之前只是提案。审批人按角色定义,涉及资金的可以要求两人审批。

04每一步都查得到

每个 Action 和每次审批都记在 Action Log 里:碰了哪些记录、什么时候、代表谁。回答附上它依据的记录。

接你们已经在用的系统。

聊天

员工已经在用的工具:Microsoft Teams、Slack、企业微信等,加上网页工作台

核心系统与数据仓库

经数据连接只读接入(PostgreSQL、SQL Server);只回传变了的行,口令不离开你们的机器

制度与材料

制度、规程、合同与客户材料进入 Semantic 的文件库,按敏感程度分级

模型

公有云模型或私有化模型,按岗位分配;换模型只改模型层,流程不动

写回

改数据只走 Action:谁、什么时候、改了什么、谁批的,都记在 Action Log 里。

怎么上线。

第 1–2 周 · 部署评估

选一个部门、一条业务线,书面回答五个问题:模型跑在哪、数字员工能读什么、哪些动作要谁批、怎么留痕、怎么验收。

第 3–6 周 · 第一个团队上线

从行内运营开始,不从客户入口开始;用团队给的 20–50 个真实问题,上线前后各测一次。

第 3 个月 · 复核后扩展

风险与合规按 Action Log 复核前几期,再扩到授信、合规与财务。

常见问题

可以部署在我们自己的机房吗?

可以。私有化模型可以部署在你们自己的 AWS 账号、AIDC 托管的专属机器,或你们自己的机房里,见私有化模型。

数字员工会替我们做决定吗?

不会。它起草、核对、提交;批准由人来做,起草的人不能批自己的提案。

审计时怎么证明它做了什么?

查 Action Log:每个动作、每次审批、碰过的记录、时间和代表谁都在里面。还原一个决定,是一次查询,不是一次调查。

模型换代了怎么办?

模型层和岗位、流程、数据是分开的。给某个岗位换模型(公有或私有)只在模型层改,流程和材料不动。

先回答五个问题。

两周的部署评估,把一个部门的数据、权限、审批与留痕写成一份书面方案,然后才开始建。