Model ML 帮助金融企业利用 AI 从零开始重构业务

# Model ML 助力金融企业从零开始借助 AI 重建 来源：https://openai.com/index/model-ml-chaz-englander/ ***本系列"执行职能"栏目汇集了处于 AI 采用前沿的领导者的观点。*** Model ML 正在构建 AI 基础设施，改变领先金融服务企业的运营方式。Model ML 的平台采用了专门构建的智能体和应用程序，可以自动化端到端工作流，以及提供定制化研究和分析。 我们与首席执行官兼联合创始人 Chaz Englander 讨论了金融企业如何演进，以及最近的 AI 进步如何在自动化和简化其运营。 在出售上一家公司后，我和我的兄弟意识到我们不喜欢投资，但却痴迷于通过 GPT 驱动的函数调用来自动化投资过程。 我们是一个六人的家族理财室，但有了这些由 GPT-3.5 驱动的 LLM，感觉就像我们拥有了 60 人团队的能力。 我们为自己构建了 Model ML 的原型，本来没有计划将其商业化。但一旦我们看到了自动化研究工作流带来的洞察收益和效率提升，我们就意识到我们抓住了什么。 历史上需要数天、数周甚至数月的任务，现在有些可以在几分钟或几小时内完成。例如，准备季度收益摘要过去需要数小时。现在，智能体处理整个过程：他们提取数据、格式化幻灯片、发布 PowerPoint 到 SharePoint，全部无需人工干预。我认为这将是我们今年看到的最大转变……你早上来上班时，你的工作已经完成了。 > "我认为这将是我们今年看到的最大转变……你早上来上班时，你的工作已经完成了。" 这正在迫使人们重新思考人类在哪里增加价值，以及企业如何需要重新规划团队在当今和未来将在哪里产生影响。 我们看到企业将人员转移到更高价值、基于判断的角色。我们合作的公司领导者——至少在我们看来——是那些以 AI 本地化的方式重新思考整个组织架构的人。这异常困难，这就是为什么我们早期会充当顾问，帮助他们确定 AI 目前最适用的地方，以及为未来 12 个月我们认为会最有影响力的地方做好未来规划。 > "我们合作的公司领导者……是那些以 AI 本地化的方式重新思考整个组织架构的人。" 我们看到金融企业内部的人员现在影响力更大，而不是更小。自动化承担了繁重的工作，人们可以专注于关系和战略思维。赢家将是那些重新思考整个运营结构以利用这一转变的企业。 在金融领域，准确性、合规性和工作流适配不是可选的——这些是基本要求。Model ML 从第一天起就在两个关键层面专门为金融服务构建。 首先，在智能体层面，我们已构建并微调了系统，专门用于解析和与金融专业人士每天使用的各种数据进行交互，包括结构化和非结构化数据，跨越 Sharepoint 等工具和 Capital IQ、FactSet 和 Crunchbase 等常见数据集，这些数据集可能包含数百个表和 20 TB 数据。12 个月前，在这些数据集之上构建智能体几乎是不可能的。这些不仅仅是回答问题的模型；它们具有上下文意识，理解模式，编写代码，并从 TB 级复杂数据中检索信息。 其次，应用程序层：用户与智能体交互的界面，专门为金融设计。它为企业提供了构建智能体的工具，以自动化端到端工作流并实现之前无法实现的分析。就用例而言，我们每天看到数十个新用例，而且我们已有数千个用例，其中许多客户在注册时就能立即获得。 随着每个新模型版本的发布，我们看到了显著的阶梯式进步，这些进步立即惠及了我们的客户。推理和编码能力的进步使我们产品的某些领域取得了巨大进展。最近随着 OpenAI o3-pro、o3、o4-mini 和 GPT-4.1 模型的发布，这些新模型带来了推理、多模态能力、指令遵循和工具集成方面的巨大改进。凭借更大的上下文窗口和更高级的推理能力，我们现在能够解锁端到端工作流。现在，用户可以将数据收集、分析和演示创建任务链接在一起，完全自动地生成格式正确的输出。 > "推理和编码能力的进步使我们产品的某些领域取得了巨大进展。" 我认为前面最深远的转变是端到端工作流自动化的兴起，其中你的系统充当控制塔监督一支数字工作者队伍。随着这些智能体在整个数字生态中承担更多复杂的多步骤任务，甚至 UI 和我们与硬件交互的方式也会开始改变。这可能超出未来 12 个月的范围，但这是我们的发展方向。 接下来的发展是真正自主智能体的出现，你可以在我们的产品中构建这些智能体。我们的智能体能够执行复杂的工作流，从你的 CRM、电子邮件、文件、外部数据供应商、会议记录等收集、分析和呈现数据。这些智能体不仅仅会等待指令；它们会预测需要做什么，无论是周期性的（每天、每周、每月、每季度、每年）还是由现实事件触发——就像你在会议后或收到电子邮件时要求团队成员做的那样。 真正的转变是这些工作流将端到端自动运行，具有跨所有系统的深度推理和编排。输出可能相当可观，例如 100 页 PowerPoint，完全由机器生成——更快、更一致，并且 24/7 可用。 这就是未来：自主数字团队运行驱动你业务的工作流——更好、更快、始终在线。 我们的信念是 AI 本地化企业在结构上看起来会有所不同。层级更少，周期更快，反馈循环更紧密。我们已采用扁平结构。我和共同创始人 Arnie 各有两位数的直接下属。这听起来可能很疯狂，但 AI 使其可管理。所有一对一会议都是 AI 辅助的。笔记、待办事项、上下文，一切都精简了。这让我们能够更快地行动并与产品保持接近。我们认为这就是现代企业的运营方式：更像控制塔而不是孤立的层级结构。 敏捷的一部分是对生态系统和基础模型改进的押注。真正的关键——也许这是创始人心态和工程组织的一部分——是不要对你的代码感到情绪化。我们过去自己构建一切：智能体抽象、服务连接器等。现在，如果 OpenAI 或开源社区发布更好的东西——比如 OpenAI 的 Agent SDK 或 MCP 连接器——我们就直接插入并删除我们的代码。 我们已转向使用 OpenAI 的 Agent SDK 和 MCP 工具来处理智能体循环、工具调用、防护栏和集成，并且我们能够以更少的维护工作进行更快的创新。 我们不是试图通过维护基础设施来赢；我们试图通过客户成果来传递价值而赢。 *Model ML 使用 OpenAI 的 API 平台，包括 GPT-4.1、OpenAI o3 和 Agents SDK，来驱动其智能体、自动化和内部工具。*