Dun & Bradstreet นำเวิร์กโฟลว์ด้านความเสี่ยงและการปฏิบัติตามกฎระเบียบมาสู่ Claude ของ Anthropic

ทำไมเรื่องนี้จึงสำคัญ: การผสานรวมข้อมูลตัวตนที่ได้รับการยืนยันและเป็นกรรมสิทธิ์เข้ากับโมเดลภาษาขนาดใหญ่ชั้นนำ ถือเป็นจุดเปลี่ยนสำคัญสำหรับ RegTech นี่ไม่ใช่แค่แชทบอท AI อีกตัวหนึ่ง แต่เป็นการเคลื่อนไหวเชิงโครงสร้างสู่การฝังการตัดสินใจที่มีบริบทและตรวจสอบได้เข้าสู่กระบวนการทางธุรกิจหลัก อุตสาหกรรมนี้ประสบความยากลำบากในการทำให้ฟังก์ชันการปฏิบัติตามกฎระเบียบที่มีความเสี่ยงสูงเป็นแบบอัตโนมัติ เช่น Know Your Business (KYB) เนื่องจากต้องการผลลัพธ์ที่อธิบายได้และแหล่งที่มาที่ตรวจสอบได้ ด้วยการป้อนกราฟเชิงพาณิชย์ขนาดมหึมาที่ยึดโยงกับตัวระบุธุรกิจเฉพาะเข้าสู่ชั้นบริบทของ LLM โดยตรง ความร่วมมือนี้จึงแก้ปัญหา "กล่องดำ" ของ AI ในการเงินที่อยู่ภายใต้การกำกับดูแลได้อย่างมีประสิทธิภาพ คุณค่าที่แท้จริงอยู่ที่ศักยภาพในการย่นระยะเวลาการรับลูกค้าจากกระบวนการจัดการเคสด้วยตนเองที่ใช้เวลาหลายวัน ให้กลายเป็นเวิร์กโฟลว์แบบอัตโนมัติที่รวดเร็วเกือบทันที และยังคงปฏิบัติตามข้อกำหนดการกำกับดูแลได้ ซึ่งถือเป็นมาตรฐานใหม่สำหรับประสิทธิภาพการดำเนินงานของสถาบันการเงินทั่วโลก

Dun & Bradstreet ประกาศว่าจะร่วมมือกับ Anthropic เพื่อนำข้อมูลความเสี่ยงของ D&B เข้าสู่ Claude โดยตรง เพื่อเร่งกระบวนการรับลูกค้าและงานการปฏิบัติตามกฎระเบียบของธุรกิจ ด้วยการผสานรวม D&B Commercial Graph™ เข้ากับ Claude ผ่าน Model Context Protocol (MCP) เซิร์ฟเวอร์ ลูกค้าสามารถสร้างเวิร์กโฟลว์ KYC/KYB แบบกำหนดเองได้ภายในไม่กี่นาที เร่งกระบวนการรับลูกค้าผ่าน Claude  ด้วยการใช้ประโยชน์จากความรู้เฉพาะทางที่ D&B มอบให้ ผลลัพธ์คือเวิร์กโฟลว์การรับลูกค้าที่สร้างความมั่นใจในระบบอัตโนมัติและการกำกับดูแลที่อุตสาหกรรมที่อยู่ภายใต้การกำกับดูแลต้องการ

"สิ่งที่ทำให้การผสานรวมนี้มีพลังก็คือ Claude ไม่ได้รับข้อมูลเพิ่มเติมเพียงอย่างเดียว แต่ได้รับบริบทที่ผ่านการยืนยันและตรรกะการตัดสินใจที่จำเป็นต้องใช้ในการดำเนินการ" Alex Zuck ผู้จัดการทั่วไปฝ่ายความเสี่ยงของ Dun & Bradstreet กล่าว "นั่นหมายความว่าผลลัพธ์ที่ได้ไม่เพียงแต่ปรับให้เหมาะกับผู้ใช้และสถานการณ์ แต่ยังอธิบายได้ ตรวจสอบได้ และสอดคล้องกัน ซึ่งล้วนเป็นองค์ประกอบสำคัญสำหรับองค์กรในการดำเนินการด้วยความมั่นใจในสภาพแวดล้อมที่มีความเสี่ยงสูงและอยู่ภายใต้การกำกับดูแล"

นี่แสดงถึงการเปลี่ยนแปลงขั้นพื้นฐานในวิธีการรับลูกค้า โดยเปิดใช้งานระบบอัตโนมัติเพื่อแทนที่ขั้นตอนด้วยตนเอง เครื่องมือที่แยกจากกัน และการจัดการเคสด้วยเวิร์กโฟลว์อัตโนมัติเดียว  ตัวอย่างเช่น สถาบันการเงินสามารถใช้ข้อมูล D&B ใน Claude เพื่อรับลูกค้าองค์กรรายใหม่ได้ภายในไม่กี่วินาที โดยตรวจสอบตัวตน โครงสร้างการเป็นเจ้าของ โปรไฟล์ความเสี่ยง และสร้างเอกสารที่พร้อมสำหรับการตรวจสอบโดยอัตโนมัติ

Claude และ D&B ร่วมกันช่วยให้ผู้ใช้สร้างตัวแทนการรับลูกค้าที่รวมคำสั่งภาษาธรรมชาติกับข้อมูลที่ผ่านการยืนยันซึ่งยึดโยงกับตัวระบุธุรกิจมาตรฐานสากล D-U-N-S® Number และตรรกะความเสี่ยงที่พร้อมสำหรับการตัดสินใจซึ่งได้รับการพัฒนาจากการใช้งานจริงของลูกค้ามาหลายปี

"ตัวแทนในเวิร์กโฟลว์การรับลูกค้าต้องเข้าใจว่าตนกำลังติดต่อกับใคร" Zuck กล่าว "D&B มอบมุมมองที่ต่อเนื่องและผ่านการยืนยันเกี่ยวกับตัวตนทางธุรกิจผ่าน D‑U‑N‑S Number รวมถึงบริบทที่จำเป็นสำหรับการวิเคราะห์ความเป็นเจ้าของ การควบคุม และความเสี่ยงให้แก่ Claude ด้วยการนำชั้นการยืนยันธุรกิจนี้เข้าสู่ Claude เรากำลังช่วยให้องค์กรดำเนินการรับลูกค้าได้เร็วขึ้นโดยไม่กระทบต่อความปลอดภัย ความรับผิดชอบ หรือความไว้วางใจ"

ผ่านการผสานรวมที่ใช้ MCP ผู้ใช้สามารถเข้าถึง D&B's Commercial Graph ได้อย่างปลอดภัยเพื่อ:

• ตรวจสอบตัวตนของธุรกิจที่ติดต่อด้วยในโครงสร้างความเป็นเจ้าของและการควบคุมที่ซับซ้อน

• ประเมินความเสี่ยงในเครือข่ายบุคคลที่สามและซัพพลายเออร์ทั่วโลก

• ทำให้ตัวแทนการรับลูกค้าที่รวมข้อมูลความเสี่ยงแบบเรียลไทม์เข้าสู่กระบวนการตัดสินใจเป็นแบบอัตโนมัติ

• ทำให้การสร้างเอกสารการตัดสินใจด้านความเสี่ยงเป็นแบบอัตโนมัติ

แนวทางนี้แสดงถึงอนาคตของงานความรู้สำหรับองค์กร: ระบบ AI ที่ไม่เพียงแต่สรุปข้อมูล แต่ดำเนินการด้วยบริบทองค์กรที่ผ่านการยืนยัน ตรรกะความเสี่ยง และการกำกับดูแล

มุมมองของ FF NEWS: ความร่วมมือนี้ขยับเข็มได้อย่างมีนัยสำคัญ กำหนดระดับสูงสุดของการนำ AI แบบอัตโนมัติมาใช้ในการเงินที่อยู่ภายใต้การกำกับดูแล การพัฒนาที่แท้จริงคือ Model Context Protocol ซึ่งสร้างสะพานที่จำเป็นของข้อมูลที่ผ่านการยืนยันและตรวจสอบได้ระหว่าง LLM ที่ทรงพลังและข้อกำหนดการปฏิบัติตามกฎระเบียบที่เข้มงวด ขณะนี้เราควรติดตามอย่างใกล้ชิดว่าสถาปัตยกรรมนี้ ซึ่งเป็นข้อมูลกรรมสิทธิ์ที่ผ่านการยืนยันขับเคลื่อนเวิร์กโฟลว์ความเสี่ยงแบบอิสระ จะกลายเป็นมาตรฐานโดยพฤตินัยสำหรับพื้นที่สำคัญอื่น ๆ เช่น การต่อต้านการฟอกเงิน (AML) และการตรวจสอบการฉ้อโกงอย่างต่อเนื่องหรือไม่