EY 借助 Elastic 搜索技术，在金融领域开拓生成式 AI 体验

对于金融机构来说，快速获取可信信息比以往任何时候都更为重要，尤其是在资本充足性和环境、社会与治理 (ESG) 等方面不断变化的法规压力下。因此，许多银行及其合作伙伴正在探索生成式 AI 的潜力，以释放包括 PDF 和其他文档在内的大量非结构化数据的价值。

Ernst & Young (EY) 是全球最大的专业服务网络之一，也是金融行业领先的尖端解决方案提供商，其正努力支持银行应对这些挑战。EY 生成式 AI 经理 Vishaal Venkatesh 说：“我们的主要重点是倡导负责任的 AI，并有效地向客户提供这些解决方案。我们确保他们不仅理解技术，还拥有成功实施的适当框架。”

为了实现这一目标，EY 利用 Elasticsearch 平台及其生成式 AI 解决方案进行了构建。Venkatesh 说：“Elastic 在搜索和检索领域的尖端工作吸引了我们。我们将这些能力整合进我们面向检索增强生成 (RAG) 的 AI 技术栈，提升了准确性并加速从非结构化数据中获取见解。”

EY 解决方案的核心是 ESRE (Elasticsearch Relevance Engine)，这套工具结合了机器学习模型、数据转换、向量数据库以及数据搜索和检索。

Venkatesh 说：“借助 ESRE，我们可以使用机器学习模型生成大规模存储的向量嵌入。我们采用了超高效嵌入模型，构建了 RAG 组件，显著缩短了处理时间。”EY 还利用了 Elastic 产品套件提供的增强型索引和分块功能。

此次合作使 EY 能够瞄准金融服务中两个具有战略价值的非结构化数据领域：ESG 和财务报告。“Elastic 可以帮助银行简化其 ESG 承诺的报告流程，包括内部指标和来自整个价值链的详细信息。”他说。

在财务报告方面，EY 的 AI 解决方案由 Elastic 驱动，能够从拥有众多表格的复杂文档中提取数据和见解。“想象一下，要从一份 40 页的 PDF 文件中提取 14 个关键变量，或者比较不同年份的多份报告中的信息。”Venkatesh 表示：“我们正是在这些情形中为客户节省了大量时间和资源。”

除了提供尖端技术外，Elastic 还与 EY 生成式 AI 栈中的其他组件无缝集成，包括用于构建 LLM 应用的数据框架 LamaIndex，以及 LangChain，和 LanceDB 之类的开源向量数据库。

EY 在部署 Elastic 后，于三个关键领域观察到了显著改善：

• 在各种文档和提取方法中，准确率提升了约 10-15%；
• 与原生 RAG 方法相比，Elastic 的 RAG 设置能够以 3 倍的速度产生结果；
• 提升了可扩展性，能够处理各种文档格式，并可跨各种组织单元无缝扩展。

快速实现价值是另一个关键优势。“传统上，集成供应商解决方案面临重大挑战，因为应用周期较长。”Venkatesh 说。“然而，Elasticsearch 独特的基础架构显著加快了我们的开发进程，使我们能够更快地获得收益。”

Venkatesh 补充说，Elasticsearch 的核心优势在于其能够进行大规模信息检索，同时实现多样化 AI 技术在整个开发生命周期中的集成。这种综合方法还延伸到提供重要的可观测性和安全性功能，确保 EY 定制的 AI 管道的最佳性能。

Venkatesh 表示：“通过利用 Elastic 这样强大而安全的解决方案，我们无需投入大量资源从头开始构建和维护这些关键组件。此外，依靠像 Elastic 这样经过验证且值得信赖的解决方案，可以降低自研组件出现意外问题的风险。”

在整个项目过程中，EY 能够在必要时获得 Elastic 客户经理和技术专家的支持。“由于从一开始就建立了坚实的基础，我们与 Elastic 的合作非常顺利。”Venkatesh 表示：“Elastic 解决方案架构师和客户经理的共同努力确保我们能够迅速应对生成式 AI 的复杂性，并快速制作原型。”

最重要的是，这有助于 EY 保持其在生成式 AI 革命中的领先地位。“凭借 Elastic 强大的搜索和检索功能，以及用于向量嵌入的机器学习技术，我们能够为客户提供负责任的生成式 AI 工具，从而进一步推动创新、释放价值并降低风险。”