خلفية المشروع
يواجه بنك مساهمة تحديات كبيرة في مجال الموافقة على الائتمان والمراجعة التنظيمية. تعتمد الموافقة التقليدية على الائتمان على المراجعة اليدوية لبيانات المقترض وتقارير الائتمان والبيانات المالية، حيث تستغرق الموافقة الواحدة 3 أيام ويصل معدل تفويت المخاطر إلى 3٪. وفي الوقت نفسه، تتزايد المستندات التنظيمية وتتغير بسرعة، مما يجعل من الصعب على فريق الامتثال تحليلها وتحديد المخاطر بكفاءة. يفرض البنك متطلبات صارمة لأمن البيانات، حيث يُمنع تمامًا نقل أي بيانات أعمال إلى الخارج، ويجب إتمام عمليات الاستدلال بالذكاء الاصطناعي محليًا.
نقاط الألم الأساسية
الحلول
نشر النموذج الكبير الخاص
تم نشر نموذج Qwen2.5-72B الكبير في مجموعة وحدات معالجة الرسوميات المحلية للبنك (8 × A100)، باستخدام إطار الاستدلال vLLM لتحسين الإنتاجية. تتم جميع عمليات الاستدلال وتدفق البيانات داخل الشبكة الداخلية للبنك، مما يضمن عدم تسرب البيانات للخارج ويلبي تمامًا متطلبات هيئة تنظيم البنوك والتأمين لأمن البيانات.
المراجعة الذكية لضوابط مخاطر الائتمان
تم بناء مساعد مراجعة ذكي لضوابط مخاطر الائتمان يعتمد على النموذج الكبير، يقوم تلقائيًا بتحليل بيانات المقترض وتقارير الائتمان والبيانات المالية، والتحقق من تناسق المعلومات، وتحديد نقاط المخاطر المحتملة، وإعداد تقارير المراجعة. انخفض وقت الموافقة من 3 أيام إلى 4 ساعات، وتراجع معدل تفويت المخاطر من 3٪ إلى 0.5٪.
التحليل الذكي للمستندات التنظيمية
تم تطوير نظام تحليل ذكي للمستندات التنظيمية يدعم التفسير التلقائي للمستندات التنظيمية، والتحقق من امتثال الأنظمة الداخلية، وتقييم تأثير التغييرات في السياسات، مما يحرر فريق الامتثال من أعمال القراءة والتحليل المتكررة.
بيانات النتائج
| المؤشر | قبل التطوير | بعد التطوير | التحسين |
|---|---|---|---|
| وقت الموافقة على الائتمان | 3 أيام | 4 ساعات | 83٪ |
| معدل تفويت المخاطر | 3٪ | 0.5٪ | 83٪ |
| وقت تحليل المستندات التنظيمية | 2 يوم/مستند | 2 ساعة/مستند | 88٪ |
| مخاطر تسرب البيانات | اعتماد على طرف ثالث | عدم التسرب | 100٪ |
الكومة التقنية
Qwen2.5-72B، إطار الاستدلال vLLM، مجموعة NVIDIA A100 GPU، LangChain، Python، Kubernetes، النشر المعزول في الشبكة الداخلية للبنك
