在金融危機後的十幾年裏，金融服務業的風險管理變得異常精密。模型風險治理框架、壓力測試基礎設施、限額監控系統——機構在風險基礎設施上的投入巨大。SR 11-7依然是大多數機構衡量模型風險管理項目的監管標杆。如今，大型金融機構擁有的風險模型、數據源和監控儀表盤的數量遠超任何風險團隊能夠有效監測的範圍。
然而，這種基礎設施的精密性掩蓋了一個根本問題：當首席風險官（CRO）需要了解信用風險集中度的現狀、特定情景下的壓力測試敏感度，或者市場風險頭寸與信貸賬簿敞口之間的相關性時，獲取答案需要穿越複雜的模型輸出、分析師解釋層以及本不互通的數據系統。
風險治理與風險智能之間的鴻溝 風險決策往往必須在快速節奏中做出——信貸委員會審查、市場風險每日簡報、限額違規升級、監管問詢。在這些時刻，CRO需要快速、準確且可辯護的答案。但他們經常得到的，是預包裝的報告，這些報告回答的是設計時預設的問題，而不是會議上實際提出的具體問題。風險報告告訴你報告裏包含了什麼，而風險智能則回答你真正想問的問題——後者往往與儀表盤設計者當初設想的問題大相徑庭。
SR 11-7下的對話式風險智能 Databricks AI/BI Genie 使風險領導者能夠用自然語言查詢其風險數據環境，同時滿足金融監管所需的治理控制。CRO可以提問：“我們貸款賬簿中當前商業地產的集中敞口是多少？按地域和貸款價值比區間劃分，並與內部限額結構對比？”答案從真實信貸數據中即時生成，並配備適當的訪問控制和審計日誌。
從治理到智能的跨越 風險治理框架是風險管理的必要條件，但並非充分條件。能夠以對話方式探測風險環境的CRO——提出當前市場環境真正產生的問題，而不僅僅是上一次儀表盤設計時預期的問題——是在以更高質量的信息進行風險管理。
Databricks Genie 的關鍵差異化包括：可辯護的審計追蹤（每次查詢和響應均被記錄，滿足模型風險治理和監管檢查要求）、Unity Catalog數據譜系（答案可溯源至源數據，滿足歸因要求）、跨風險視圖（信用、市場、操作和流動性風險數據統一環境，支持單一風險儀表盤無法回答的相關性問題）、以及壓力測試集成（情景輸出數據與實際敞口數據在同一環境中，使“在情景X下我們的賬簿表現如何”成為實時問題）。
Genie 現已可用。機構可以探索如何通過它重新想象數據訪問和行動方式。