披露摘要 · 含试点与计划口径
数百名研究分析师采用。 由 dbResearch、内部开发团队和多方协作超过 12 个月完成。 通过内联引用和来源查看器支持事实核验。 建立自定义评估框架,指标包括准确性、完整性、延迟、引用精确率、引用召回率、错误拒答率等。
01
真实案例
- 机构:Deutsche Bank
- 项目:DB Lumina
- 时间:2025 年
- 类别:投研分析 / 研究生产 / RAG / 文档问答
- 来源:https://cloud.google.com/blog/topics/financial-services/deutsche-bank-delivers-ai-powered-financial-research-with-db-lumina ↗
02
业务背景
投研分析师需要阅读财报、监管文件、行业报告、历史研究和市场材料,再形成研究报告和观点。大量时间消耗在资料收集、摘要、交叉验证和写作上。
03
AI 方案
DB Lumina 是 Deutsche Bank Research 的 AI 研究智能体,支持:
- 对话式研究和头脑风暴。
- 上传和查询文档。
- 摘要、校对、翻译、内容起草。
- 基于 RAG 的企业知识检索。
- 对内部研究、外部非结构化资料和 SEC filings 等材料进行引用式回答。
- 访问控制、审计日志和可解释能力。
04
已披露效果
- 数百名研究分析师采用。
- 由 dbResearch、内部开发团队和多方协作超过 12 个月完成。
- 通过内联引用和来源查看器支持事实核验。
- 建立自定义评估框架,指标包括准确性、完整性、延迟、引用精确率、引用召回率、错误拒答率等。
05
可迁移到银行的设计
- 投研类 AI 必须让答案可引用、可核查,而不是只输出流畅文字。
- 把研究生产拆成:资料检索、摘要、观点草稿、引用核对、人工定稿。
- 支持不同资料权限,防止敏感研究材料越权访问。
- 建立专门评估集,覆盖真实问题、边界问题和偏见风险。
06
风险治理要点
- 投研报告对市场有影响,不能允许模型编造引用或数据。
- 内外部资料权限要严格隔离。
- AI 输出必须保留人工分析师签署和责任链。
07
本项目可做的小实验
选一份公开上市公司年报,让 AI 生成“研究摘要 + 引用页码 + 需人工核验问题”,练习引用式输出。
↗
01 公开披露来源https://cloud.google.com/blog/topics/financial-services/deutsche-bank-delivers-ai-powered-financial-research-with-db-luminaUC-022 · 查看仓库原文04-banking-use-cases/2026-latest-bank-ai-use-case-library.md原始来源与整理依据
文字分析来自内容源;业务分类、技术标签由 SeekingDAO 按规则整理。披露效果保留原有时间、范围和预测口径,未作独立审计。开源项目与 Skill 的当前许可、兼容性及依赖请以其上游为准。