为财务构建智能体AI与Copilot解决方案：
领导跨职能交付团队，设计并交付基于智能体的工作流，使其能够在财务流程中规划、推理和执行任务（在适当的人工监督、控制和治理下）
负责支持财务叙述、差异解释、异常分类和根本原因分析的LLM Copilot解决方案策略
将AI推理与确定性逻辑（规则、阈值、会计约束、重要性）相结合，以确保在受控环境中的可靠性
定义质量控制和KPI监控以维持长期性能
提示工程与上下文设计（财务级）：
为财务级提示和上下文（例如，损益表、成本中心、会计规则、重要性阈值）设定标准，并构建用于决策和审计的输出
建立可重用的提示模式、评估方法和防护栏，以减少幻觉、提高一致性并满足治理期望
在关键领域应用数据科学：
在能最大程度提高财务效率、洞察力和控制力的地方应用分析和数据科学方法（例如，异常检测、分类、预测支持、可解释性）
分析大型复杂数据集，以识别与财务运营和报告相关的异常、驱动因素、趋势和可操作信号
使用无代码/低代码平台赋能AI：
领导使用无代码和低代码工具进行交付，以加速价值实现时间，同时保持控制和质量标准，包括：
将AI输出操作化到财务工作流中
编排AI驱动的步骤与基于规则的逻辑
向最终用户呈现AI生成的洞察、异常和叙述
知道何时低代码足够，何时需要自定义逻辑或数据科学
将解决方案嵌入财务工作流：
与财务、风险和资金团队合作，端到端理解流程，协调优先事项，并领导符合实际工作方式的解决方案设计
领导项目规划和执行（范围、时间表、依赖关系、风险），通过文档和培训支持推广和采用，并根据用户反馈进行迭代
负责任AI与具备控制意识的交付：
确保解决方案是可解释、可审计且符合治理期望的
向高级管理层提供清晰的状态、风险和成果报告
根据财务数据和业务逻辑验证AI输出
实施监控、KPI仪表板和持续改进节奏，以长期保持质量和价值
监管一致性、数据治理与控制：
通过提高用于汇总和报告的关键数据的可追溯性、准确性、完整性和及时性，确保符合BCBS 239及更广泛的监管要求
确保交付的解决方案与更广泛的监管期望一致，并从设计到生产都嵌入适当的数据治理和控制