长按二维码,关注官方公众号
近10年大数据与AI从业经验，历任多家金融科技企业平台负责人，多次主导大数据平台从0到1建设。曾获中国人民银行金融科技发展奖，现任银行智能平台部负责人，统筹全行AI平台与大模型场景建设。
本体驱动的可信AI——让大模型在银行"说得清、信得过" 
在大模型赋能银行授信业务的实践中，我们发现核心瓶颈不是模型能力不足，而是业务知识"喂不进去"——授信规则散落在制度文件、系统代码和员工经验中，大模型无法直接理解和引用，导致输出"不可信、不可解释"，业务部门不敢用。为此，我们采用“本体建模”的方案，将业务知识结构化为，构建AI可理解的语义网络，为大模型提供可追溯的知识锚点。
演讲提纲：
一、业务背景：大模型落地银行授信的三重困境
核心观点：大模型能力不是问题，"用不起来"才是问题
二、方案选型：为什么是本体建模而非传统方案？
核心观点：传统方案解决"能不能用"，本体建模解决"敢不敢用"
三、解决思路：本体建模框架
核心观点：用本体模型完整描述一个业务，让AI像业务专家一样理解授信
四、落地挑战与攻克
核心观点：最难的不是技术实现，而是把业务知识从人脑里"搬"出来
五、未来规划
核心观点：从单点验证走向全行知识基础设施
听众收益：
- 认知刷新：大模型在金融场景落地的真正瓶颈不是模型能力，而是业务知识的结构化表达。
- 方法可复用：一套"双引擎协同"的架构范式，解决金融AI"不敢用"的共性难题。
