金融行业AI工程化 与 前沿交付实战专家
课程背景
传统数据治理仅聚焦数据格式、字段、库表管理,无法适配大模型、智能体深度应用需求:资管行业数据语义不统一、跨系统概念歧义严重,导致大模型出现AI幻觉、智能体自主作业出错、推理不可解释;监管报送、风险核查缺少完整数据溯源链路,合规压力巨大。AI数据本体论作为下一代语义数据治理、金融智能体核心底座,已成为头部金融机构AI与智能体规模化落地的标配。本课程结合券商、公募、期货资管业务,讲解本体论建模、语义图谱搭建、数据治理升级方法,从根源解决数据孤岛、AI黑盒、智能体作业误差、合规溯源三大难题,为金融大模型、业务智能体筑牢数据根基。
课程收益
区分传统数据治理与AI语义本体治理的差异,建立适配智能体落地的新一代数据治理思维。
掌握金融领域本体论“概念-关系-规则”三层建模方法。
完成资管核心业务语义图谱设计,统一智能体作业所需金融“数据语言”。
学会用数据本体论赋能非标处理、监管报送、投研智能体,提升智能体作业精准度。
依托本体论为大模型、智能体构建推理证据链,彻底解决AI幻觉、智能体作业不可溯源问题。
授课形式
理论讲解+模型拆解+标杆案例剖析+图谱建模演练+小组共创+工具输出+互动答疑
学习对象
数据中心负责人、数据治理委员会成员、合规负责人、大模型架构师、数据分析师、监管报送团队负责人
时间安排
系统学习2天(12小时)
一、从传统数据治理到AI数据本体治理
资管行业数据痛点:格式杂乱、语义孤岛,导致智能体作业失误、幻觉频发
传统数据治理的局限性:无法支撑智能体自主决策、精准作业需求
AI数据本体论基础概念:本体、实体、关系、规则四大核心要素
语义治理核心价值:为金融智能体提供标准化、可解释、可溯源的数据底座
头部券商、公募本体论+智能体协同落地现状与行业趋势
二、金融本体论建模方法论与标准体系
资管核心实体分类与梳理:适配智能体作业的客户、产品、估值、交易、监管指标体系
本体三层架构设计:概念层-关系层-规则层,适配智能体调用逻辑
700+金融主数据资产梳理方法与智能体关联设计
本体建模工具使用与轻量化落地,适配中小机构智能体低成本部署
实战演练:分组完成智能体配套业务模块本体模型搭建
三、AI数据本体论核心业务场景落地(一):非标估值领域
非标资产数据特征与智能体作业痛点
基于本体论统一非标数据定义、口径、规则,解决智能体识别误差
本体论+大模型+智能体融合架构,实现非标业务全自动化处理
标杆案例拆解:广发证券非标估值智能体落地,自动化率提升70%核心逻辑
异常数据识别、归因分析的语义规则配置
四、AI数据本体论核心业务场景落地(二):监管报送领域
监管报送合规要求与智能体溯源难点
监管指标本体图谱搭建,支撑智能体自主取数、校验、纠错
本体证据链加持,实现智能体报送结果全可解释、全可溯源
标杆案例拆解:期货资管报送智能体依托本体论实现市占率提升20%
报送错误智能排查、合规自查流程设计
五、AI数据本体论核心业务场景落地(三):智能投研领域
投研-交易-风控数据壁垒对智能体作业的制约
智能投研数据底座本体架构,打通智能体全业务作业链路
语义图谱优化智能体交易决策、数据流转效率
标杆案例拆解:平安基金投研智能体依托本体提升交易胜率、压缩指令时效
交易胜率、指令时效优化背后的数据逻辑
六、本体论+大模型:破解AI幻觉与合规难题
金融智能体幻觉、决策偏差的底层数据原因
基于本体论构建智能体推理约束、证据留存、风险防护体系
风控、智能投顾等高风险场景智能体本体防护专项方案
全机构本体治理与智能体协同落地规划、考核机制
实战演练:企业落地方案共创
授课老师
刘太平 曾任广发证券资产托管部数据中心负责人
常驻地：深圳
邀请老师授课：13439064501 陈助理
