labs@atheron:~/industries/banking/ai$ train agent --grounded

KI für Banken

Sichtung von Geldwäsche-Alarmen und Assistenten für die Filialen.

Eine Bank kann Kundentransaktionen nicht an das Modell eines anderen schicken, und das Management von Modellrisiken erwartet, dass jedes Modell erklärt, validiert und überwacht wird. Also ist KI für Banken hier eigen oder Open Source, auf Hardware oder Konten, die die Bank kontrolliert, und die Nachweise für die Validierung entstehen beim Bau mit.

Projekt starten Beispielprojekte ansehen

// worauf es hier ankommt

Was in dieser Branche anders ist.

Kundendaten bleiben in der Bank

Das Geldwäschemodell läuft auf GPU-Servern in Ihrem Rechenzentrum und der Assistent in Ihrem eigenen Cloud-Konto. Nichts geht an einen Modellanbieter.

Nachweise für die Modellvalidierung

Wir dokumentieren Trainingsdaten, Methode, Ergebnisse auf zurückgehaltenen Daten und die Grenzen jedes Modells, in der Form, die Ihr Team für Modellrisiken zur Prüfung braucht.

Analysten entscheiden, das Modell ordnet

Das Sichtungsmodell ordnet die Warteschlange und zeigt seine Gründe. Entscheidungen und jede Meldung an FINTRAC bleiben bei Ihren Analysten.

Nach dem Start überwacht

Die Bewertungen des Modells werden nach Zeitplan mit den Ergebnissen der Analysten verglichen, und eine Abweichung löst einen Alarm aus, bevor daraus ein Prüfungsbefund wird.

// Beispielprojekte

Beispiele mit Preis.

Jedes ist angenommen, als solches gekennzeichnet und live aus unserer Preisliste berechnet. Öffnen Sie eines im Rechner und machen Sie es zu Ihrem.

BeispielprojektWeb-AppKIEigenes LLM

Sichtung von Geldwäsche-Alarmen auf Ihren Servern

Angenommen. Kein Kunde, kein Ergebnis.

// Das Problem

Die Transaktionsüberwachung erzeugt eine Warteschlange von Alarmen, die Analysten nicht abarbeiten können, und echte verdächtige Aktivität wartet hinter Tausenden falscher Treffer.

// Was wir bauen würden

Ein eigenes Modell, auf den eigenen abgeschlossenen Alarmen und Analystennotizen der Bank nachtrainiert, das auf GPU-Servern im Rechenzentrum der Bank läuft, sodass Kundentransaktionen es nie verlassen, und das jeden Alarm einordnet und für die entscheidende Analystin begründet.

// Was drin ist

Ein Modell, nachtrainiert auf Ihren früheren Alarmen und darauf, wie Analysten sie abgeschlossen haben
Jeder Alarm eingeordnet, mit den Transaktionen und Mustern hinter der Bewertung
Die Analystin entscheidet und schreibt den Fall; das Modell gibt nie eine Meldung ab
Vor dem Start an einem zurückgehaltenen Satz abgeschlossener Alarme gemessen, danach nach Zeitplan
Läuft auf Servern in Ihrem Rechenzentrum, ohne Daten nach außen

// Tech-Stack

PyTorch
Python
PostgreSQL
Next.js
Lenovo GPU-Server vor Ort

// Schätzung

Entwicklung: ≈ 193.000 USD bis 294.000 USD, delivered within 38 weeksCAD 274,600 to 418,100
Hosting: ≈ 176 USD im MonatCAD 250 im Monat
Support: ≈ 5.010 USD im MonatCAD 7,135 im Monat
Hardware: ≈ 47.800 USD bis 197.000 USDCAD 68,000 to 280,800

Preise in Ihrer Währung sind Schätzungen zum heutigen Kurs der Bank of Canada. Alle Rechnungen werden in CAD oder USD gestellt.

KI-Weg: Eigenes LLM
Laufende Modellkosten: ≈ 176 USD im MonatCAD 250 im Monat

Zeitplan je Meilenstein

Découverte: 2.9 to 3.4 weeks
Données et plan d’évaluation: 0.4 weeks
Maquettes approuvées: 2.9 to 4.9 weeks
Fonctions principales: 1.9 to 3.4 weeks
Développement complet: 1.4 to 2.4 weeks
Entraînement: 7.4 to 12.4 weeks
Tests et corrections: 0.4 weeks
Évaluation et tests adverses: 3.9 to 4.4 weeks
Examen de sécurité réussi: 3.9 to 4.4 weeks
Mise en ligne: 0.9 to 1.4 weeks
Production: 0.9 to 1.4 weeks

Nicht in unserer Hand, und im Kalender berücksichtigt

Livraison du matériel, après la commande: 2 to 6 weeks
Bac à sable et accès du fournisseur du système central: 1 to 4 weeks
Test d’intrusion par la firme de votre choix: 2 to 4 weeks

Wie bezahlt wird

Anzahlung 20%: CAD 54,680 to 83,380
Découverte 1.3%: CAD 3,554.20 to 5,419.70
Données et plan d’évaluation 6.9%: CAD 18,864.60 to 28,766.10
Maquettes approuvées 1.3%: CAD 3,554.20 to 5,419.70
Fonctions principales 4%: CAD 10,936 to 16,676
Développement complet 2.7%: CAD 7,381.80 to 11,256.30
Entraînement 20.9%: CAD 57,140.60 to 87,132.10
Tests et corrections 1.3%: CAD 3,554.20 to 5,419.70
Évaluation et tests adverses 13.9%: CAD 38,002.60 to 57,949.10
Examen de sécurité réussi 8.7%: CAD 23,785.80 to 36,270.30
Mise en ligne 1.3%: CAD 3,554.20 to 5,419.70
Production 7.7%: CAD 21,051.80 to 32,101.30
Holdback, 30 days after launch (10%): CAD 27,340 to 41,690
Temps GPU pour l’entraînement et les tests, au coût: CAD 1,200. Im Voraus berechnet, zum Einkaufspreis, außerhalb der Meilensteine
Serveur GPU pour l’IA, pour le modèle: CAD 68,000 to 280,800. Im Voraus berechnet, zum Einkaufspreis, außerhalb der Meilensteine

Von diesem Beispiel aus starten

BeispielprojektWeb-AppKIOpen-Source-Modell

Assistent für das Filialpersonal

Angenommen. Kein Kunde, kein Ergebnis.

// Das Problem

Das Personal am Schalter durchsucht ein Netzlaufwerk mit Arbeitsanweisungen, Rundschreiben und Konditionsblättern, um die Frage eines Mitglieds zu beantworten, und findet oft eine veraltete Fassung.

// Was wir bauen würden

Ein Assistent, der nur aus den gültigen Arbeitsanweisungen antwortet und Dokument und Abschnitt nennt, auf einem Open-Source-Modell im eigenen AWS-Konto der Bank in Kanada, sodass interne Regeln darin bleiben.

// Was drin ist

Arbeitsanweisungen, Rundschreiben und Formulare erfasst, außer Kraft gesetzte Fassungen ausgeschlossen
Antworten, die Dokument, Abschnitt und Gültigkeitsdatum nennen
Die Verantwortlichen jeder Arbeitsanweisung sehen die Fragen, die dazu gestellt werden
Ein Prüfsatz aus echten Fragen der Filialen, der vor jeder Aktualisierung läuft
Ein Open-Source-Modell auf GPUs in Ihrem eigenen Cloud-Konto

// Tech-Stack

Llama oder Mistral (Open Source)
vLLM
PostgreSQL mit pgvector
Next.js
AWS Kanada

// Schätzung

Entwicklung: ≈ 95.400 USD bis 146.000 USD, delivered within 19 weeksCAD 135,900 to 207,700
Hosting: ≈ 6.710 USD im MonatCAD 9,550 im Monat
Support: ≈ 2.500 USD im MonatCAD 3,565 im Monat

Preise in Ihrer Währung sind Schätzungen zum heutigen Kurs der Bank of Canada. Alle Rechnungen werden in CAD oder USD gestellt.

KI-Weg: Open-Source-Modell
Laufende Modellkosten: ≈ 6.530 USD im MonatCAD 9,300 im Monat

Zeitplan je Meilenstein

Découverte: 2.9 to 3.4 weeks
Spécification et plan d’évaluation: 0.4 weeks
Maquettes approuvées: 2.4 to 3.4 weeks
Fonctions principales: 1.4 to 1.9 weeks
Développement complet: 0.9 to 1.4 weeks
Projet pilote fonctionnel: 2.9 to 4.9 weeks
Tests et corrections: 0.9 to 1.4 weeks
Mise en ligne: 0.9 to 1.4 weeks
Production: 0.9 to 1.4 weeks

Wie bezahlt wird

Anzahlung 20%: CAD 27,120 to 41,480
Découverte 2.3%: CAD 3,118.80 to 4,770.20
Spécification et plan d’évaluation 9.6%: CAD 13,017.60 to 19,910.40
Maquettes approuvées 2.3%: CAD 3,118.80 to 4,770.20
Fonctions principales 7.1%: CAD 9,627.60 to 14,725.40
Développement complet 4.7%: CAD 6,373.20 to 9,747.80
Projet pilote fonctionnel 29%: CAD 39,324 to 60,146
Tests et corrections 2.3%: CAD 3,118.80 to 4,770.20
Mise en ligne 2.3%: CAD 3,118.80 to 4,770.20
Production 10.4%: CAD 14,102.40 to 21,569.60
Holdback, 30 days after launch (10%): CAD 13,560 to 20,740
Temps GPU pour l’entraînement et les tests, au coût: CAD 300. Im Voraus berechnet, zum Einkaufspreis, außerhalb der Meilensteine

Von diesem Beispiel aus starten

// questions

Fragen, die wir dazu bekommen.

Warum ein eigenes Modell gegen Geldwäsche und kein Spitzenmodell?

Aus zwei Gründen: Kundentransaktionen sollten die Bank nicht verlassen, und Ihre Alarmhistorie enthält Muster, die zu Ihrem Bestand gehören. Ein Modell, das auf dieser Historie nachtrainiert ist und in Ihrem Rechenzentrum läuft, löst beides.

Schließt das Sichtungsmodell Alarme selbst ab?

Nein. Es ordnet und erklärt; jeden Alarm, der nach Ihren Regeln bearbeitet werden muss, bearbeitet eine Analystin. Ob niedrig eingeordnete Alarme anders behandelt werden, entscheiden Sie nach Ihren eigenen Regeln.

Wie vermeidet der Assistent, eine außer Kraft gesetzte Regel zu zitieren?

Jedes Dokument trägt sein Gültigkeits- und sein Außerkraftsetzungsdatum, außer Kraft gesetzte Fassungen werden aus dem Index entfernt, und jede Antwort zeigt das Datum der Quelle, sodass das Personal sieht, dass sie gilt.

Zurück zur Branche: Banken Über die Leistung: KI-Agenten und Modelle

// weiter

Nicht ganz Ihr Projekt?

Sagen Sie uns, was Sie vorhaben. Wir melden uns mit einer Spanne und den Fragen, die sie eingrenzen würden. Oder buchen Sie ein Gespräch und wir reden darüber.

Projekt starten Gespräch buchen