在金融危機後的十幾年裡，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專案的監管標杆。如今，大型金融機構擁有的風險模型、資料來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資料系統。
風險治理與風險智慧之間的鴻溝 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裡包含了什麼，而風險智慧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下的對話式風險智慧 Databricks AI/BI Genie 使風險領導者能夠用自然語言查詢其風險資料環境，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？”答案從真實信貸資料中即時生成，並配備適當的訪問控制和審計日誌。
從治理到智慧的跨越 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——是在以更高質量的資訊進行風險管理。
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資料譜系（答案可溯源至源資料，滿足歸因要求）、跨風險檢視（信用、市場、操作和流動性風險資料統一環境，支援單一風險儀表盤無法回答的相關性問題）、以及壓力測試整合（情景輸出資料與實際敞口資料在同一環境中，使“在情景X下我們的賬簿表現如何”成為即時問題）。
Genie 現已可用。機構可以探索如何透過它重新想象資料訪問和行動方式。