Customer Ignite Talk: Emily Prince (Group Head of AI, LSEG) & OpenAI

### TL;DR 伦敦证券交易所集团（LSEG）正通过“AI Everywhere”战略和OpenAI的模型上下文协议（MCP）将33PB可信数据直接融入工作流，在速度与治理的平衡中推动内部与客户的AI转型。 ## 对话背景：LSEG与AI的深度结合 在OpenAI的客户交流活动上，主持人尼古拉·斯科博（Nikola Skob）邀请LSEG集团分析与人工智能负责人艾米丽·普林斯（Emily Prince）分享经验。LSEG是富时100指数成分股，全球金融市场基础设施及数据提供商，服务44,000家客户，拥有26,000名员工，业务覆盖170个市场。艾米丽的双重角色是：**在内部规模化使用AI**，以及**安全地利用AI为客户提供服务**。 ## AI战略：“AI Everywhere”与可信数据锚点 艾米丽强调，LSEG的战略是“AI Everywhere”——无论你在哪里工作、使用什么工具，都必须以可信信息为锚点，避免仅获得AI生成的通用摘要，而是真正转变工作方式。 关键实现方式是与OpenAI合作提供的**模型上下文协议（MCP）**。该协议解锁了LSEG数据与分析业务中超过**33 PB的数据**，让用户在ChatGPT中直接基于可信数据提问、构建报告，并能结合确定性金融模型，而非仅依赖通用信息。 ### 内部与外部双轨推进 - **内部**：通过API策略和MCP将多次收购带来的不同数据模型整合，实现规模化创新。 - **外部**：为客户提供同样能力，使分析师等用户无需等待6个月的数据接入，即可即时访问所有可信内容，并生成式地融入工作流（如Excel对账）。 ## 从实验到规模化：评估框架与治理先行 “我每天说‘评估框架’这个词许多次。”艾米丽指出，随着AI从单一实验点转向可扩展影响，必须明确界定要解决的问题，并定义清晰的成功标准——这超越模型选择，回归到**业务目标与用户群体**（财务、市场、产品、投行、研究等）。 LSEG在**两年前**就制定了负责任AI原则和广覆盖的治理框架，目的是“创建框架让团队创新，而非束缚”。他们没有创造全新规则，而是将现有端到端流程中需要调整的部分嵌入通用工作流，以赋能业务。 ## 文化变革：态度胜于技能，动手胜过观望 “技能问题往往根植于文化，更在于态度。”艾米丽观察到，开放、实验、玩耍的心态带来了“哦，我的天”的飞跃。例如，她本人用ChatGPT与电子表格对话，省去了过去几小时的Excel对账工作。 LSEG的做法包括： - 赋能员工使用ChatGPT并确保拥有MCP工具； - 提供教育与动手项目（如为CFO举办的金融黑客马拉松），将抽象学习转化为具体问题解决。 关键挑战是平衡兴奋与恐惧，避免误解，让员工“安全地参与，不被落下”。 ## 分析师工作流变革：从信息孤岛到多源洞察 传统分析师需要处理多种结构化和非结构化数据源，受时间限制只能依赖部分信息。通过MCP，分析师可以： - 从更多可信来源获取信息； - 嵌入标准、策略、偏好和偏见，批量处理； - 快速迭代不同周期，实时反馈——过去需要小时或天的工作现在缩短到分钟级。 ## 速度与治理的平衡：无遗憾举措与持续推动 面对4万家客户和行业天然的控制需求，LSEG采取务实策略： - **无遗憾举措**：优先投入API和MCP，因为信息解锁是核心差异点；同时保持模型选择灵活性。 - **与OpenAI互推**：推动OpenAI在金融特有问题上（如确定性实践、风险工作流、监管）投入精力，承认“许多前沿事物并不直接适用，需额外努力”。 - **缩短开发周期**：不再有漫长的PRD和入职流程，而是“大家在帐篷里一起构建、迭代、快速交付”。治理则嵌入到新的工作流中——当团队从10人缩减到1-2人解决问题时，必须确保治理流程随同嵌入。 ## 给同行的建议：这是需要投入的时刻 “这绝对是一个需要投入的时刻。”艾米丽认为当前是AI领域最令人兴奋的时机，并鼓励同行积极行动，在确保可信信息锚点和负责任框架的前提下，加速实验与规模化。 --- **Source**: YouTube – [Customer Ignite Talk: Emily Prince (Group Head of AI, LSEG) & OpenAI](https://www.youtube.com/watch?v=LJKzZAH0bEw)