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

IA para bancos

Clasificación de alertas de blanqueo y asistentes de procedimientos.

Un banco no puede enviar las operaciones de sus clientes al modelo de otro, y la gestión del riesgo de modelos exige que cada modelo se explique, se valide y se vigile. Así que la IA bancaria aquí es a medida o de código abierto, en hardware o en cuentas que controla el banco, y la evidencia de validación se produce como parte del desarrollo.

Empezar un proyecto Ver los proyectos de ejemplo

// lo que importa aquí

Qué cambia en este sector.

Los datos del cliente se quedan en el banco

El modelo de blanqueo se ejecuta en servidores con GPU de su centro de datos y el asistente de procedimientos en su propia cuenta en la nube. No se envía nada a un proveedor de modelos.

Evidencia para la validación del modelo

Documentamos los datos de entrenamiento, el método, los resultados sobre el conjunto reservado y los límites de cada modelo, en el formato que su equipo de riesgo de modelos necesita para revisarlo.

El analista decide, el modelo ordena

El modelo de clasificación ordena la cola y muestra sus motivos. Las decisiones y cualquier comunicación a FINTRAC siguen en manos de sus analistas.

Vigilado después de la puesta en marcha

Las puntuaciones del modelo se comparan periódicamente con los resultados del analista, y una desviación levanta un aviso antes de convertirse en un hallazgo.

// proyectos de ejemplo

Ejemplos con precio.

Cada uno es hipotético, se presenta como tal y lleva un precio calculado en directo a partir de nuestra tarifa. Abra cualquiera en el estimador y hágalo suyo.

Proyecto de ejemploAplicación webIALLM a medida

Clasificación de alertas de blanqueo en sus servidores

Hipotético. Ni un cliente ni un resultado.

// El problema

La monitorización de operaciones produce una cola de alertas que el analista no puede cerrar, y la actividad verdaderamente sospechosa espera detrás de miles de falsos positivos.

// Lo que construiríamos

Un modelo a medida ajustado con las propias alertas cerradas del banco y las notas de sus analistas, ejecutado en servidores con GPU del centro de datos del banco para que las operaciones de los clientes no salgan de él, que ordena cada alerta y explica por qué al analista que decide.

// Qué incluye

Un modelo ajustado con sus alertas anteriores y con el motivo de cierre del analista
Cada alerta ordenada, con las operaciones y los patrones que están detrás de la puntuación
El analista decide y redacta el caso. El modelo nunca presenta una comunicación
Medido frente a un conjunto reservado de alertas cerradas antes de entrar en servicio, y de forma periódica después
Se ejecuta en servidores de su centro de datos, sin enviar ningún dato al exterior

// Tecnologías

PyTorch
Python
PostgreSQL
Next.js
Servidores Lenovo con GPU en sus instalaciones

// estimación

Desarrollo: ≈ 193.000 US$ a 294.000 US$, delivered within 38 weeksCAD 274,600 to 418,100
Alojamiento: ≈ 176 US$ al mesCAD 250 al mes
Soporte: ≈ 5010 US$ al mesCAD 7,135 al mes
Hardware: ≈ 47.800 US$ a 197.000 US$CAD 68,000 to 280,800

Los precios en su moneda son estimaciones con el tipo de cambio de hoy del Banco de Canadá. Toda la facturación se emite en CAD o USD.

Enfoque de IA: LLM a medida
Coste de funcionamiento del modelo: ≈ 176 US$ al mesCAD 250 al mes

Calendario por hitos

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

Fuera de nuestras manos, y sumado al calendario

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

Cómo se paga

Anticipo 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. Se factura por adelantado, a coste, fuera de los hitos
Serveur GPU pour l’IA, pour le modèle: CAD 68,000 to 280,800. Se factura por adelantado, a coste, fuera de los hitos

Partir de este ejemplo

Proyecto de ejemploAplicación webIAModelo de código abierto

Asistente para el personal de oficina

Hipotético. Ni un cliente ni un resultado.

// El problema

El personal de atención al cliente busca en una unidad compartida de procedimientos, circulares y tarifas para responder a un socio, y a menudo encuentra una versión desfasada.

// Lo que construiríamos

Un asistente que responde solo a partir de los procedimientos vigentes y cita el documento y el apartado, sobre un modelo de código abierto servido en la propia cuenta de AWS del banco en Canadá para que la normativa interna se quede dentro.

// Qué incluye

Procedimientos, circulares y formularios indexados, con las versiones derogadas excluidas
Respuestas que citan el documento, el apartado y la fecha de entrada en vigor
El responsable de cada procedimiento ve las preguntas que se hacen sobre él
Un conjunto de evaluación con preguntas reales de oficina, que se pasa antes de cada actualización
Un modelo de código abierto sobre GPU en su propia cuenta en la nube

// Tecnologías

Llama o Mistral (código abierto)
vLLM
PostgreSQL con pgvector
Next.js
AWS Canada

// estimación

Desarrollo: ≈ 95.400 US$ a 146.000 US$, delivered within 19 weeksCAD 135,900 to 207,700
Alojamiento: ≈ 6710 US$ al mesCAD 9,550 al mes
Soporte: ≈ 2500 US$ al mesCAD 3,565 al mes

Los precios en su moneda son estimaciones con el tipo de cambio de hoy del Banco de Canadá. Toda la facturación se emite en CAD o USD.

Enfoque de IA: Modelo de código abierto
Coste de funcionamiento del modelo: ≈ 6530 US$ al mesCAD 9,300 al mes

Calendario por hitos

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

Cómo se paga

Anticipo 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. Se factura por adelantado, a coste, fuera de los hitos

Partir de este ejemplo

// questions

Lo que nos preguntan sobre esto.

¿Por qué un modelo a medida para el blanqueo y no uno de vanguardia?

Por dos razones: las operaciones de los clientes no deberían salir del banco, y su historial de alertas guarda patrones propios de su cartera. Un modelo ajustado con ese historial y ejecutado en su centro de datos resuelve las dos.

¿Cerrará el modelo alertas por su cuenta?

No. Ordena y explica. Un analista trabaja todas las alertas que su política diga que hay que trabajar. Usted decide si las alertas con puntuación baja se tratan de otra forma, conforme a su propia política.

¿Cómo evita el asistente citar una norma derogada?

Cada documento lleva su fecha de entrada en vigor y de derogación, las versiones derogadas se retiran del índice, y cada respuesta muestra la fecha de la fuente para que el personal vea que está vigente.

Volver al sector: Banca Sobre el servicio: Agentes y modelos de IA

// la siguiente

¿No es exactamente su proyecto?

Cuéntenos qué tiene en mente. Le responderemos con una horquilla y con las preguntas que la estrecharían. O reserve una llamada y lo hablamos.

Empezar un proyecto Reservar una llamada