当前位置: 首页 > news >正文

2025上海金融科技嘉年华启幕!博睿数据解读AI智能体重塑金融运维之道

2025上海金融科技嘉年华启幕!博睿数据解读AI智能体重塑金融运维之道

原创 一体化智能可观测 Bonree博睿数据2025年12月19日 11:51北京

12月17日,2025上海金融科技嘉年华智能运维专场活动成功举办。本次活动由上海金融科技产业联盟、上海市证券同业公会联合指导,联盟智能运维专委会、同业公会信息技术专委会共同主办,国泰海通证券、蚂蚁科技集团、博睿数据联合承办,聚焦大模型与AI智能体在金融运维领域的创新应用,汇聚行业专家,共同探讨金融运维从“人工响应”向“智能自治”的转型之道,为金融科技高质量发展注入新动能。

博睿数据CTO程捷受邀参与圆桌论坛,围绕《智能体赋能金融数据中心:运维转型与未来路径》主题分享核心观点,为行业发展提供实践参考。

Bonree

AI智能体赋能金融运维的突破、路径与对策

以 Agentic AI 为核心的技术浪潮正推动智能体向自主决策演进,其关键的行业实践—— Agentic Ops(智能体运维),也随之进入大众视野,它意味着,智能体将凭借自主规划、决策执行与持续进化等能力,以业务目标为导向,完成从感知、决策到行动的完整闭环,真正引领运维迈入“智能自治”的新阶段。

谈及未来三五年AI智能体对传统金融运维的突破方向,博睿数据CTO程捷结合实践经验提出三大核心点。

破解信息过载与决策迟缓难题。

当前运维产品功能繁杂,故障时易现“信息风暴”,而大模型可化身“超级数据分析师”,结合根因分析、模式识别技术实现故障定位、生成处置建议乃至自动执行,重塑运维交互模式;

打破信息孤岛与全局盲区。

他以某大型券商为例,点出金融企业数据分散、标准不一的痛点,强调大模型自上而下的推动将倒逼企业构建统一可信数据平台,夯实智能决策基础;

解决经验流失与断层问题。

针对运维依赖资深专家的现状,提出用大模型固化专家经验,打造可复制、可迭代的“超级运维大脑”,将个人知识转化为企业核心竞争力。

谈及AI智能体落地路径,程捷强调需通过“三个闭环”实现价值交付。

业务监控到指令的闭环。

智能体应输出如“15分钟后将开市,依据流量预测,应该为核心交易系统扩容2个节点。”这类业务强相关的可操作指令。

单点工具到体系融合的闭环。

AI智能体应该深度融入我们整个系统的开发,与ITSM、CMDB等运维工具深度集成,让决策直接驱动故障工单创建与CI/CD流水线运转;

技术价值到商业价值的闭环。

用“运维人力需求减少50%”这类业务语言评估价值,获得业务部门认可。

针对AI智能体从试点到规模化推广的阻碍,程捷结合通过Bonree ONE平台服务多家头部券商机构的经验,梳理出三大核心阻碍及破解之道。

数据质量与壁垒问题。

建议金融机构借新一代交易系统建设契机,前置数据治理,构建企业级统一可观测数据平台;

投入产出比矛盾。

主张聚焦全链路故障诊断等核心高频场景,以“小而美”项目验证价值,为大规模推广积累信任;

人的认知障碍。

需通过企业文化传递“AI赋能而非替代”理念,引导运维人员主动拥抱新技术。

AI智能体在金融运维的落地,不仅是技术升级,更是思维模式、流程与组织能力的系统性转型。需以业务价值为导向,夯实数据基础,小步快跑验证,并重视组织变革管理,方可实现从试点到规模化的成功跨越。此次分享既展现了博睿数据在AI运维领域的积淀,也为行业转型提供了清晰路径。未来,博睿数据将持续深耕可观测性技术创新,以更贴合金融场景的智能解决方案,护航金融科技高质量发展。


http://www.cnnetsun.cn/news/158310.html

相关文章:

  • 验证码实现
  • 2.1 CPU脚本性能优化简介
  • Langchain-Chatchat问答系统压测报告:万级QPS承载能力验证
  • Langchain-Chatchat支持自定义元数据字段:扩展文档属性信息
  • 双侧独立电驱动车辆转向控制:Matlab/Simulink建模之旅
  • 500kW三相光伏并网逆变器仿真模型探索
  • 基于Optislang的电机多目标优化:以电机气息磁通密度空间某一阶次为优化目标教程
  • 彼得林奇对公司自由现金流转换率的分析
  • 通达信止损价位
  • Langchain-Chatchat与Elasticsearch集成:增强全文检索能力
  • 历年中国海洋大学计算机考研复试上机真题
  • Langchain-Chatchat与OpenAI对比:为何本地化部署更受企业青睐
  • 用 SAT 运行时跟踪自动生成 ABAP 的 UML 时序图:拦截标准生成器,输出 PlantUML,让文档从痛苦变成顺手
  • 什么是护网(HVV)?参加护网需要掌握什么技术?
  • 通过微调通用视觉或时序大模型提升小样本预测能力,或利用生成模型(如GAN、扩散模型)进行高质量数据增强与情景模拟
  • Rust嵌入式开发终极指南:用cross实现DMA驱动的零配置跨编译
  • Carnac:让你的键盘操作惊艳全场!3大核心功能深度解析
  • 5分钟搞定FastGPT上下文管理:让AI对话像真人一样连贯自然
  • Java开发者转型AI应用开发工程师:零门槛入门+框架选型+项目实践
  • 实战分享:如何用FunASR构建游戏语音交互系统
  • iperf3网络性能测试终极指南:Windows与Android双平台完整教程
  • Twisted WebSocket开发指南:构建高性能实时应用
  • 5大实用技巧:轻松掌握Chipsbank APTool V7200量产工具
  • DragonflyDB性能革命:如何突破Redis传统架构的性能瓶颈
  • HTML 与 CSS 基础入门笔记
  • Langchain-Chatchat在物业管理中的应用:业主手册智能咨询服务
  • 0v0.pro、周免:GPT-5.2-CHAT
  • 【JavaWeb】Node.js_简介和安装
  • 终极音频修复方案:深度学习降噪技术完全指南
  • Open-AutoGLM权限模型解密:4步构建零信任数据访问机制