Franklin Templeton 利用 OpenAI 支持投资研究

Franklin Templeton 正在利用 OpenAI 工具（包括 Codex）来变革其投资研究流程，构建一个“互联智能层”，将持续的 AI 洞察与人类判断相结合。这种方法使公司超越了传统的、顺序式的人工主导分析，通过从多样化的数据源中为投资组合经理呈现可操作的洞察。

创建互联智能层

Franklin Templeton 对 AI 的实施始于将模型连接到数据库，但初步结果并不理想，因为模型不理解数据点之间的关系。解决方案是引入代理和一个语义层——一个结构化模型，用于定义公司数据的含义以及所有组件如何相互关联。这个“互联智能层”使公司能够将复杂的数据引入工具中，并呈现有意义的洞察。

这种集成方法旨在统一对某项投资的各种视角，包括研究、风险评估、合规和交易。最终目标是整合这些不同的输入，并将综合洞察直接呈现给做出投资决策的投资组合经理。

投资研究工作流的转型

从历史上看，股票研究工作流是顺序式且由人工主导的：分析师会进行初步的股票分析、审查财报电话会议，并研究每个业务线中的竞争对手。Franklin Templeton 正在摆脱这种模式，转向其投资团队能够访问一个受治理的、可复用的智能基础的愿景。这个基础结合了可信的连接器、投资组合和工作流上下文，以及代理能力，为分析师和投资组合经理呈现可操作的洞察。

这一转变代表了从简单地增强现有研究流程到积极重新构想整个投资研究工作流的根本性变化。

资产管理中 AI 的原则

Franklin Templeton 强调，标准的 AI 应用通常会强化用户的现有偏好，因此不适合资产管理。公司要求其 AI 系统优先考虑观点的多样性和全面的风险分析。

• 确保多样性： AI 必须抵消视角收窄的趋势，确保投资团队能够获取广泛多样的研究和观点，防止单一研究提供者可能带来的偏见。
• 风险聚焦： AI 旨在强调投资风险。一个理由充分的投资想法必须与其相关风险的分析相结合，使投资组合经理意识到潜在的下行风险。在研究报告中识别投资风险被视为积极的结果。

AI 采用的最佳实践

Franklin Templeton 的经验突显了在受监管的金融环境中引入和扩展 AI 的几项最佳实践：

• 在护栏内鼓励实验： 领导层鼓励 AI 的创新和实验，前提是必须在明确定义的风险护栏内进行。每项举措都应被视为加强能力和为未来决策提供信息的机会。
• 快速部署工具： 在新技术发布后，公司迅速将实用实验室带给团队，以便立即进行测试并整合到日常工作中。
• 注重理解： 实施的目标是确保团队充分理解所使用技术的力量和能力。
• 以适当的控制构建： 从实验到生产级工具的路径需要强有力的控制，包括安全审查、专家支持和严格的数据协议。

最终，长期目标是让所有投资团队都能访问这种互联智能，确保关键的人类视角——例如分析师与各种专家和高管交流——始终处于决策过程的核心。