当前位置：首页 > news >正文

GenAI 在金融服务领域的应用：2025 年的重点是什么

news 来源：原创 2025/5/19 16:56:16

作者：来自 Elastic Karen Mcdermott

GenAI 不是魔法

我最近参加了 ElasticON，我们与纽约 Elastic 社区一起度过了一天，讨论了使用检索增强生成 (retrieval augmented generation - RAG) 为大型语言模型 (large language models - LLMs) 提供下一代生成式 AI (generative AI - GenAI) 结果的向量数据库的综合价值。

Elastic 的 CTO 兼创始人 Shay Banon 在他的主题演讲中提出了一个重要信息：GenAI 不是魔法。

Shay 解释说，AI 是组织如何最大化非结构化数据的阶跃函数变化。有了 AI，如果使用得当，组织的所有数据现在的价值将比 AI 出现之前高出 10 倍。这可能不是魔法，但数据价值的 10 倍是令人着迷的 —— 尤其是如果你是一家金融服务公司，你不知道如何处理结构化和非结构化数据。你可能要花很多钱来存储这些数据。深入研究如何实现 10 倍的价值并不复杂。

AI 和生成式 AI 有何不同？

许多人问 AI 和 GenAI 之间有什么区别，因为它们似乎可以互换使用。最好的描述方式是：传统的 AI 系统是僵化的，如果没有人工干预，很难适应新的、不可预见的情况。生成式 AI 更灵活，能够从大量不同的数据集中学习并适应新场景。

GenAI 需要数据才能发挥作用。向量数据库能够容纳大量结构化和非结构化数据。有了向量数据库，你就有了开始 GenAI 之旅的基本数据基础。

OpenAI、Gemini 和 Perplexity 等 LLMs 课程从互联网上获取了稳定的数据。这就像在为 AI 奥运会训练的同时每天吃垃圾食品一样。

通过 RAG 充分利用 GenAI

如果你希望 GenAI 输出具有更高的相关性和更少的幻觉（错误），则需要使用 RAG 方法。这是开发人员用来将 LLM 与来自向量数据库的外部数据源（例如公司的私人信息）连接起来的方法，以便它可以提供更加个性化、准确和相关的响应。RAG 技术使 AI 模型能够引用存储在向量数据库中的任何数据，这些数据可以包括公司的电子邮件、文档和 PDF、电子表格和数据库以及图像和音频文件。

这就是你在数据密集型金融服务公司中创建下一代 AI 输出的方式。

考虑到这一点，我从 ElasticON 的讨论中得到的收获让我想到了金融服务的运营转型。与许多面向客户的行业一样，金融服务业正处于重大运营转型的边缘，这是由 GenAI 的整合推动的。它正在重塑金融服务公司处理安全性、欺诈预防和可观察性的方式 —— 在应对不断变化的威胁的同时提高运营效率。对于金融服务公司来说，了解如何最有效地部署 GenAI 是确保在日益危险和严格监管的环境中保持安全和正常运营的关键。

使用 GenAI 彻底改变安全

随着攻击规模和复杂程度的不断增长，金融服务行业面临着不断升级的网络安全威胁。GenAI 正在通过分析大量数据集来检测漏洞并以极高的准确度预测新出现的威胁，从而改变安全措施。通过使用自适应学习，GenAI 可以实时识别异常，从而实现传统工具经常错过的主动防御。

例如，网络安全平台可以集成 GenAI 来模拟潜在的网络攻击并对金融网络的弹性进行压力测试。通过模仿现实世界的攻击模式，这些工具可以识别弱点并在发生违规之前提出战略改进建议。

RAG 正在成为业务应用程序和工作流程的突破性创新。通过将实时数据检索与 AI 分析相结合，RAG 可以提供情境威胁情报。例如，在实时攻击尝试期间，RAG 可以提取有关类似违规行为的历史数据以提供可操作的见解，从而缩短响应时间并最大限度地减少损害。

推进欺诈检测和预防

金融行业面临着日益严峻的挑战：人工智能引发的欺诈。犯罪分子正在使用先进技术创建合成身份并绕过传统保护措施。GenAI 通过分析行为模式和交易异常来提供应对措施，以无与伦比的精度识别欺诈活动。

例如，信用卡公司可以将人工智能集成到其欺诈预测系统中。通过实时分析交易数据，这些系统可以在发生滥用之前检测并更换受损的卡。生成式人工智能通过综合过去的欺诈模式来更有效地预测未来的威胁，从而增强了这些功能。

RAG 正在成为这一领域的游戏规则改变者，它提供背景洞察，从而实现更快的欺诈检测和预防。例如，RAG 可以提取类似欺诈案件的历史数据来为实时决策提供信息，减少误报并提高准确性。

增强可观察性以实现卓越运营

可观察性（即监控、分析和改进系统性能的能力）对于维护客户和监管机构的信任至关重要。GenAI 通过处理非结构化数据并提供对复杂系统的实时洞察，为可观察性做出了重大贡献。

很大一部分金融服务组织已经在使用 Elastic 实现可观察性。通过实施 Elastic 的 AI 驱动的可观察性解决方案，公司可以主动监控系统、识别瓶颈并确保法规遵从性。这些工具可以深入了解运营流程，从而提高可靠性和客户满意度。

此外，GenAI 驱动的可观察性增强了处理意外事件的能力。例如，在高波动时期，AI 模型可以调整监控优先级，确保关键功能不间断。

C 级金融服务高管的战略要务

为了充分利用 GenAI 及其在安全、欺诈预防和可观察性方面的应用，C 级金融服务领导者应优先考虑以下策略：

投资人工智能人才：通过聘用和提升精通机器学习 (ML) 和人工智能技术的专业人员来建立内部专业知识。
采用合乎道德的人工智能实践：实施明确的治理框架来解决偏见、确保透明度和保护数据隐私。
利用合作伙伴关系：与 Elastic 等技术提供商合作，部署针对行业需求量身定制的尖端解决方案。
集成 RAG 功能：通过将检索增强生成纳入关键工作流程来增强人工智能决策并限制人工智能幻觉。

2025 年的未来之路

Shay 在结束 ElasticON NYC 时表示，自从互联网推出以来，他从未对人工智能的潜力如此兴奋过。

将 GenAI 整合到金融服务中不仅仅是技术升级，也是战略要务。通过使用这些工具，机构可以增强对网络威胁的防御能力，战胜欺诈者，并以无与伦比的精度优化运营。随着该行业的不断发展，拥抱人工智能创新的 C 级领导者将有能力带领他们的组织走向安全高效的未来。

有关如何将人工智能集成到你的组织的更多见解，请探索 Elastic 金融服务的可能性。

从我们的首席执行官 Ashutosh Kulkarni 那里了解有关 Elastic 如何通过使用 RAG 以有意义的方式提取数据来帮助我们的客户最大化他们的人工智能投资的更多信息。

欢迎参加 2025 年 2 月 20 日举行的 Elastic 金融服务峰会，Swift、法国兴业银行、BBVA、Payplug、安联科技等公司的领导人将应对塑造金融服务未来的最关键挑战，包括人工智能进步。

本文中描述的任何特性或功能的发布和时间均由 Elastic 自行决定。任何当前不可用的特性或功能可能无法按时交付或根本无法交付。

在这篇博文中，我们可能使用或提及了第三方生成式 AI 工具，这些工具由其各自的所有者拥有和运营。Elastic 无法控制第三方工具，我们对其内容、操作或使用不承担任何责任，也不对你使用此类工具可能产生的任何损失或损害承担任何责任。在使用 AI 工具处理个人、敏感或机密信息时，请谨慎行事。你提交的任何数据都可能用于 AI 培训或其他目的。我们无法保证你提供的信息将得到安全或保密。在使用任何生成式 AI 工具之前，你应该熟悉其隐私惯例和使用条款。

Elastic、Elasticsearch、ESRE、Elasticsearch Relevance Engine 和相关商标是 Elasticsearch N.V. 在美国和其他国家/地区的商标、徽标或注册商标。所有其他公司和产品名称均为其各自所有者的商标、徽标或注册商标。

原文：GenAI and RAG: Transforming security, fraud detection, and observability | Elastic Blog