导读
了解Capital One如何通过负责任和统一的人工智能及生成式AI方法来革新客户体验。在本次会议中，Capital One分享了他们如何利用NVIDIA AI Enterprise和亚马逊云科技的力量，以周到、管理良好的方式推动业务成果，将客户置于首位。获取关于设计稳健的风险管理防护措施的实用见解，同时实现真正的商业价值和用户利益。了解AI驱动的创新如何在欺诈检测、个性化银行服务和客户服务方面塑造Capital One的新时代客户体验。本次演讲由亚马逊云科技合作伙伴NVIDIA为您带来。
演讲精华
以下是小编为您整理的本次演讲的精华。
在金融服务领域，科技一直是推动力量，自动柜员机、网上银行和手机银行等创新为之铺平了道路。然而，生成式人工智能的出现开启了一个新时代，有望彻底改变客户与金融机构互动的方式。在这场变革的前沿，就有资本一号银行(Capital One)这家公司，它敞开双臂拥抱生成式人工智能，利用其力量来增强客户体验，保持领先优势。
在2024年亚马逊云科技 re:Invent大会上，来自NVIDIA的Joy Conway和资本一号银行的Pramonstraj进行了一场火边聊天，阐述了资本一号银行利用生成式人工智能的历程。资本一号银行执行副总裁、首席科学家兼人工智能主管Pramonstraj分享了该公司成功部署人工智能的框架，围绕四个关键先决条件:专有数据优势、技术堆栈准备情况、人才和组织文化，以及确定高杠杆作用的用例。
Pramonstraj强调，专有数据在释放人工智能真正价值方面发挥着关键作用。他说:“你的数据优势就是你的人工智能优势”，强调拥有高质量、专有的数据至关重要，这些数据可用于开发量身定制的解决方案，满足组织的特定需求。这种方法使资本一号银行能够超越现成解决方案，为客户创造真正与众不同的体验。
资本一号银行最初的高杠杆作用用例之一是软件开发，生成式人工智能在这一领域协助进行大规模代码编写和测试。Pramonstraj回忆说，该公司对技术的投资一直是其身份认同的核心，资本一号银行常被称为“一家经营银行业务的科技公司”。在软件开发中利用生成式人工智能不仅加快了流程，而且促进了开发人员之间的知识共享和协作，让他们能够汲取丰富的机构知识和最佳实践。
资本一号银行从生成式人工智能中获益巨大的另一个主要领域是客户支持。拥有超过1亿客户，其中许多人每天都会打电话寻求帮助，资本一号银行认识到减轻支持人员认知负担的机会。通过采用语义解释模型，该公司能够提高答复检索的准确性，确保代理人能够快速高效地为客户提供所需信息。
Pramonstraj分享了一个生动的例子，说明生成式人工智能如何能够增强客户支持体验。“如果你为家中设计一个系统，回答你不同阶段孩子的身高，你想知道你的身高是多少?Ramya的身高是多少，Lata的身高是多少等，它会给出答复。但如果你改变问题说Ramya有多高?虽然意思相同，但用词完全不同，除非系统经过训练能够理解语义和表面形式的词语，否则它无法回答这个问题，即使它有答案。”
通过利用生成式人工智能理解语义和自然语言变化的能力，资本一号银行能够更准确、直观地回应客户查询，无论查询措辞如何。这大大提高了客户满意度，减轻了支持人员的认知负担，他们不再需要手动翻译和解释每个客户查询。
截至2024年re:Invent大会，Pramonstraj透露，资本一号银行已有超过10，000名代理人在工作流程中使用基于生成式人工智能的解决方案。然而，他强调这不仅仅是部署，而是一个持续的旅程的开始。“部署只是通往人工智能天堂的第一步阶梯，”他说，强调了部署后监控、可观察性、调优和持续改进的重要性。
Pramonstraj承认，资本一号银行面临的一个挑战是管理对开箱即用模型性能的期望。虽然生成式人工智能模型的能力令人印象深刻，但他强调了解这些模型高度可塑性和弹性的重要性，它们能够学习并适应特定的用例和领域。这需要整个组织内不同职能部门的共同努力，利用各团队的专业知识，为资本一号银行的特殊需求量身定制和优化模型。
Pramonstraj强调的另一个挑战是资本一号银行内部对生成式人工智能实验的持续兴趣。虽然最初对热情程度感到惊讶，但他认识到这是生成式人工智能所赋予的想法开发和验证民主化的体现。通过提供沙盒和实验资源，资本一号银行营造了一种环境，让员工可以探索新的用例，验证概念，并为公司的整体生成式人工智能战略做出贡献。
Pramonstraj还谈到了在金融服务行业中治理和风险管理的重要性。资本一号银行采用三线模型，第一线由负责体现责任感并遵守最佳实践的开发人员组成。第二线由风险审查人员组成，他们对第一线的工作提出质疑和验证。第三线是一个直接向董事会报告的审计职能，确保第二线有效地对第一线提出质疑。
这种严格的治理框架还得到了监管支架的加强，要求进行文档记录、培训和模型风险评估流程。资本一号银行已建立专门机构，如模型风险办公室，评估和评定模型在不同用例中的适用性，确保符合监管要求并降低潜在风险。
展望未来，Pramonstraj对生成式人工智能的前景感到兴奋，尤其是在代理工作流程、推理优化和可验证问题推理能力方面的进步。代理工作流程涉及与人类合作或自主执行任务，代表了建立在生成式人工智能模型之上的下一层能力。Pramonstraj强调了解业务流程和领域专业知识对于开发有效的代理工作流程的重要性，以及将专有数据引入模型以确保在特定任务中的熟练程度的必要性。
推理优化是另一个极具吸引力的领域，因为Pramonstraj强调过去20个月内推理成本惊人地降低了1000倍。这种快速的成本下降为组织提供了以可承受的成本大规模利用生成式人工智能的新机遇，不再受到昂贵推理成本的限制。
最后，Pramonstraj对可验证问题(如逻辑难题和其他可客观评估的任务)推理能力的进步表示兴奋。随着模型训练从词预测转向轨迹和逻辑，Pramonstraj预计这一领域将取得进展，进一步增强生成式人工智能系统的能力。
在整个火边聊天中，Pramonstraj强调了在生成式人工智能之旅中定制和持续改进的重要性。他强调利用专有数据，采用预训练、微调和提示工程等技术，以实现生产用例所需的性能水平。此外，他还强调了部署后监控和客户反馈整合的重要性，确保生成式人工智能系统能够不断学习、适应和发展，满足不断变化的客户和业务需求。
总之，资本一号银行在生成式人工智能采用方面的战略方法取得了巨大成功，这得益于一个明确的框架，优先考虑专有数据优势、技术堆栈准备情况、人才和组织文化，以及确定高杠杆作用的用例。通过拥抱生成式人工智能并不断完善其实施，资本一号银行不仅增强了客户体验，而且还将自己定位为金融服务行业的领导者，准备好利用这项尖端技术的变革潜力。
我们正处在 Agentic AI 爆发前夜。 2025 亚马逊云科技中国峰会提出，企业要从 " 成本优化 " 转向 " 创新驱动 " ，通过完善的数据战略和 AI 云服务，把握全球化机遇。亚马逊将投入 1000 亿美元在 AI 算力、云基础设施等领域，通过领先的技术实力和帮助“中国企业出海“和”服务中国客户创新“的丰富经验，助力企业在 AI 时代突破。