9 月 10 日,OpenAI 發表了鎖定投資銀行與股票研究業務的 ChatGPT for Financial Services。這項服務以 GPT-6 Astra 為基礎,一開始就內建了法說會逐字稿、財務報表、私募市場資訊等付費資料。目標是讓研究、財務模型建置到面向客戶的簡報製作,都能在同一個介面裡完成。Morgan Stanley 與 Evercore 參與了設計。
省下把資料搬進來的工夫
最先吸引目光的並不是模型有多聰明,而是隨附資料的陣容。Daloopa、PitchBook、LSEG News、Crunchbase、Fiscal.ai 為標準內建,不必另外簽約就能查閱法說會逐字稿、財務報表、企業基本面,以及未上市企業的募資動向。
更進一步的是辨識既有合約的機制。針對 S&P Capital IQ、LSEG、MSCI、Dow Jones Factiva、Moody's,系統會判斷該機構是否已經訂閱,並只開放權限範圍內的內容。對於各部門付費資料庫合約各不相同的金融機構而言,不必再靠人力劃這條線,意義並不小。
內部系統的串接由 MCP 連接器負責,目前提供 50 種以上。案件管理的 Datasite、檔案儲存的 Box、另類投資的 Preqin、市場資料的 FactSet、業務平台的 Intapp 等,都有專門最佳化的實作。
GPT-6 Astra 負責的工作範圍
作為基座的 GPT-6 Astra,被認為擅長三件事:從大量資料中找出所需數字、理清財務邏輯,以及產出成果物。這裡的成果物不限於文字,也包含試算表與簡報形式。
在衡量處理複雜金融文件能力的 OfficeQA Pro 基準測試中,GPT-6 Astra 拿下 69.9 分(百分比),前一代的 GPT-5.6 Sol 則是 60.2 分(百分比)。單看數字是約 10 個百分點的落差,但在財報資料、公開說明書這類交互引用錯綜複雜的文件上,這段差距往往決定了產出能直接使用,還是得整份重做。
統一輸出樣貌的機制同樣具備。Excel、Word、PowerPoint 範本可以在公司內部發送與管理,避免生成的資料因個人偏好而參差不齊。對於數字的依據,系統也會詳細顯示來源。在金融現場,能否說明「這個數字為什麼是這個數字」往往比數字本身更受重視,因此這部分是實務上的關鍵。
能否通過稽核,決定了能否導入
金融機構在評估這類工具時,最後起決定作用的是治理面。ChatGPT for Financial Services 支援 SAML SSO 與 SCIM 帳號串接、以角色為基礎的存取控制,且預設不會將業務資料用於模型訓練。儲存時與傳輸時的加密、依工作區設定保存期限也一併提供。
稽核紀錄由法遵平台端處理。此外,透過建立多個工作區,可以在部門之間設下資訊隔離,也就是所謂的中國牆。投資銀行部門與研究部門之間不得混用資訊這項法規要求,被直接反映在產品結構上。
正面瞄準基層人員的守備範圍
海外報導普遍認為,這項服務接手的正是傳統上由基層銀行家負責的工作,也就是企業研究、財務分析、提案簡報製作,這些長期被視為長工時代名詞的領域。
不過,目前公開的僅止於功能與基準分數,還沒有出現在真實案件中成效如何的營運資料。價格未公開,適用範圍僅限符合條件的金融機構,導入需透過 OpenAI 的業務窗口。在參與設計的 Morgan Stanley 與 Evercore 之外能否重現同樣的成果,還有待驗證。
金融 AI 的主戰場轉向資料內建
打出金融專用 AI 的並非只有 OpenAI。Anthropic 推出了 Claude for Financial Services,備有針對資料製作、稽核準備、洗錢防制調查等具體業務的代理程式。Google Cloud 也在 8 月 25 日開始提供 Gemini Enterprise for Financial Services,主打 50 多項用於自動化研究工作的技能。
把各家的方向並排來看可以發現,競爭軸心正從模型效能本身,轉向能把通往金融資料的路徑與權限管理納入產品內部到什麼程度。從使用者企業的角度看,選擇會收斂到重新串接已簽約資料庫的成本,與說服法遵部門的成本孰輕孰重。OpenAI 把自動辨識訂閱狀態擺在前面,正是提前化解這道摩擦的動作。
總結
OpenAI 於 9 月 10 日發表了以 GPT-6 Astra 為基礎的 ChatGPT for Financial Services。它標準內建 Daloopa、PitchBook、LSEG News 等資料,可自動辨識 S&P Capital IQ 與 Moody's 的既有合約,並透過 50 種以上的 MCP 連接器串接內部系統。該服務在 OfficeQA Pro 上取得 69.9 分(百分比),並支援 SSO、以角色為基礎的存取控制,以及透過工作區隔離達成的資訊阻隔。價格未公開,適用對象僅限符合條件的金融機構。Morgan Stanley 與 Evercore 參與了設計。
