为财务部门构建Agentic AI和Copilot解决方案：
设计和交付基于代理的工作流，使其能够在财务流程中规划、推理和执行任务（在适当的人工监督和控制下）
实施利用LLM Copilot进行财务叙述、差异解释、异常分类和根本原因分析的解决方案
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
提示工程与上下文设计（财务级）：
创建和完善基于财务上下文（例如，损益表、成本中心、会计规则、重要性阈值）的提示，并构建用于决策的输出
构建可重用的提示模式、评估方法和防护栏，以减少幻觉并提高一致性
在关键领域应用数据科学：
使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）来加强财务洞察和控制
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/低代码平台启用AI：
使用无代码和低代码工具（例如，Alteryx, Power BI, Power Platform或类似工具）来：
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
负责任的人工智能与具备控制意识的交付：
确保解决方案是可解释、可审计的，并与治理期望保持一致
根据财务数据和业务逻辑验证AI输出
设计监控以保持长期质量
监管一致性、数据治理与控制：
通过改进用于汇总和报告的关键财务/风险数据的可追溯性、准确性、完整性、及时性和证据，为BCBS 239和更广泛的监管一致性成果做出贡献
确保交付的解决方案与更广泛的监管期望保持一致，并从设计到生产都嵌入适当的数据治理和控制