本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 後續步驟
<a name="next-steps"></a>

除了用戶端加入之外，還有其他 CLM 使用案例，這些使用案例可以透過內建 AWS 雲端 服務進行現代化。下列案例會探索一些潛在的現代化使用案例：

1. 透過使用 [Amazon Personalize](https://aws.amazon.com//personalize/) 或其他自訂建議，將產品推薦整合到烘焙產品和服務中。儘管金融服務產品與零售產品不同，但根據 The Financial Brand 的[行業領導者預測到 2025 年銀行業將發生巨大變化](https://thefinancialbrand.com/131544/banking-industry-disruption-by-2025/)，預計到 2025 年，個性化程度仍然很高。客戶可能願意為高度個人化和情境式服務付出更多費用。這只能透過基於機器學習的更智慧型解決方案來實現。

1. 可以使用基於機器學習的線上欺詐檢測器 [Amazon Fraud Detector](https://aws.amazon.com//fraud-detector/) 來監控帳戶。也可以自訂其他內建演算法，以提供標準化帳戶監控服務 (例如，使用異常偵測)。
**注意**  
自 2025 年 11 月 7 日起，Amazon Fraud Detector 不再向新客戶開放。對於類似 Amazon Fraud Detector 的功能，請探索 Amazon SageMaker、AutoGluon 和 AWS WAF。如需詳細資訊，請參閱 [Amazon Fraud Detector 可用性變更](https://docs.aws.amazon.com/frauddetector/latest/ug/frauddetector-availability-change.html)。

1. 可以使用 Amazon Lex 和以最新自然語言模型為基礎的聊天機器人，讓智慧助理直接與客戶互動。

創意解決方案沒有限制，但必須大規模且快速整合和部署此類解決方案。