其他行业 · AI应用
生成式AI用于金融犯罪调查
Robinhood面临提升金融犯罪调查效率和准确性的挑战，传统调查需要分析师投入大量时间和资源。为此，该公司开发了FinCrimes Agent，一个基于Amazon Bedrock和多种大型语言模型（LLMs）的安全生成式AI解决方案。该方案将客户和交易数据综合成简洁的调查摘要，显著简化了调查流程。结果，分析师实现了约20%的累计效率提升，能够更精准地专注于识别非法活动。最终，Robinhood的举措为在法律和合规领域负责任地使用生成式AI树立了新标准，确保高质量输出，同时保持对准确性和安全性的严格要求。
累计效率提升
约20%
来源披露
01
业务背景
Robinhood面临提升金融犯罪调查效率和准确性的挑战，传统调查需要分析师投入大量时间和资源。为此，该公司开发了FinCrimes Agent，一个基于Amazon Bedrock和多种大型语言模型（LLMs）的安全生成式AI解决方案。该方案将客户和交易数据综合成简洁的调查摘要，显著简化了调查流程。结果，分析师实现了约20%的累计效率提升，能够更精准地专注于识别非法活动。最终，Robinhood的举措为在法律和合规领域负责任地使用生成式AI树立了新标准，确保高质量输出，同时保持对准确性和安全性的严格要求。
02
遇到的问题
随着平台交易增长，可疑活动警报激增，分析师需手动审查大量数据，调查流程难以高效扩展，亟需提高调查效率和准确性。
03
AI 解决方案
Robinhood构建了FinCrimes Agent，一个基于Amazon Bedrock的多层系统，利用多种大语言模型（Claude Haiku、Claude Sonnet、DeepSeek）进行增强分析，并通过Amazon RDS管理任务队列实现多代理异步编排。系统包含总结、分类、验证和外部数据整合等专业模块，每步都有验证代理确保事实准确并检查幻觉，最终生成高质调查摘要，显著缩短分析师搜集和总结数据的时间，同时保持安全合规。
04
实施结果
累计效率提升：约20%（提升）
05
风险与边界
未披露
“The FinCrimes Agent has put all relevant information at our investigators’ fingertips, helping them to quickly identify illicit activity with increased focus and accuracy.”
Keith Kelley · Head of Financial Crimes
信息来源
1 个来源页面内容为结构化改写；关键结论应可追溯到以下材料。