构建面向金融的Agentic AI和Copilot解决方案：设计和交付能够跨金融流程规划、推理和执行任务的基于代理的工作流（在适当的人工监督和控制下）
实施使用LLM copilot的解决方案，用于财务叙述、差异解释、异常分类和根本原因分析
将AI推理与确定性逻辑（规则、阈值、会计约束、重要性）相结合，以确保受控环境下的可靠性
提示工程与上下文设计（金融级）：创建和完善基于金融背景（如损益、成本中心、会计规则、重要性阈值）的提示，并结构化输出以支持决策
构建可复用的提示模式、评估方法和防护措施，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（如异常检测、分类、预测支持、可解释性）来增强金融洞察和控制
分析大型复杂数据集，识别与金融运营和报告相关的断裂、驱动因素、趋势和可操作信号
使用无代码/低代码平台实现AI：使用无代码和低代码工具（如Alteryx、Power BI、Power Platform或类似工具）将AI输出操作化到金融工作流中，编排AI驱动步骤与基于规则的逻辑，向最终用户展示AI生成的洞察、异常和叙述
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
根据财务数据和业务逻辑验证AI输出
设计监控以长期保持质量
监管对齐、数据治理与控制：通过提高关键金融/风险数据在汇总和报告中的可追溯性、准确性、完整性、及时性和证据性，为BCBS 239及更广泛的监管对齐成果做出贡献
确保交付的解决方案与更广泛的监管期望一致，并从设计到生产嵌入适当的数据治理和控制