Amazon 财务用 AWS 生成式 AI 简化监管问询处理

背景与问题：据AWS机器学习博客，Amazon财务科技（FinTech）团队为各业务线处理不同监管机构的问询，问询在要求、格式与复杂度上差异很大且逐年增长；团队面临知识碎片化（数千份历史文档、PDF/PPT/Word/CSV多格式）、多轮会话状态管理与可观测性挑战——既要识别幻觉与过时合规指引，官方还指出AI系统会随模型、提示词与语料变化出现准确率漂移。方案与落地：FinTech团队基于Amazon Bedrock Knowledge Bases构建监管响应自动化系统：文档经预签名URL上传S3后由Lambda流水线处理，用Bedrock Data Automation抽取多模态内容，父子层级分块后以Titan Text Embeddings生成向量存入OpenSearch Serverless；聊天侧经WebSocket流式返回，由Claude Sonnet 4.5基于检索结果与会话历史（存于DynamoDB）生成回答，并自托管Langfuse持续监测；因上下文性强、命中率低，系统不缓存LLM响应。效果与数据：文中未披露量化效果，仅称并行化摄取管线可随问询量增长扩展、保持稳定性能。