Model ML 金融服務的 AI 基礎設施

Model ML 使用專為其打造的 AI 代理人自動化金融工作流程

Model ML 提供 AI 基礎設施，使金融服務公司能夠自動化端到端工作流程並執行客製化的研究與分析。透過使用專為其打造的代理人與專屬的應用層，平台將先前需要數天或數週才能完成的任務，轉變為可在數分鐘或數小時內完成的流程。

為金融資料設計的專屬 AI 架構

Model ML 與通用 AI 工具不同之處在於，它專注於金融領域對準確性、合規性以及工作流程契合度的高要求。平台由兩個主要層級構成：

代理層

Model ML 已開發並微調了專門用於解析與互動複雜金融資料的系統。這些代理人具備情境感知能力，能理解結構，並能編寫程式碼從跨多種來源的數 TB 資料中檢索資訊，包括：

  • SharePoint
  • Capital IQ
  • FactSet
  • Crunchbase

應用層

此層提供使用者介面，讓公司能夠建立代理人以自動化端到端工作流程。平台目前支援數千種使用案例，其中許多已作為即插即用解決方案提供給新客戶。

前沿模型與 SDK 的整合

Model ML 利用 OpenAI 的 API 平台為其內部工具與面向客戶的代理人提供動力。近期在推理、程式編寫與多模態能力方面的更新，顯著提升了產品功能。

新模型發布的影響

採用 OpenAI o3-pro、o3、o4-mini 與 GPT-4.1 帶來了顯著的提升，包括：

  • 推理與指令遵循
  • 工具整合
  • 多模態能力

這些進步結合更大的上下文視窗，使使用者能夠串聯資料收集、分析與簡報製作等任務，自動產生完整格式的輸出。

技術基礎設施的轉變

為了保持敏捷性並降低維護成本，Model ML 已將其基礎設施轉移至使用 OpenAI 的 Agent SDK 與 MCP（Model Context Protocol）工具。這使公司能夠透過標準化的生態系工具處理代理迴圈、工具呼叫、保護機制與整合，而不必維護專有程式碼。

組織與營運層面的影響

向 AI 原生營運的轉變正在重新定義金融公司中人員的角色。隨著自動化處理「基礎工作」，例如編寫季報盈餘摘要與將 PowerPoint 發布至 SharePoint，人員的職責正轉向更高價值、以判斷為基礎的任務、策略思考與關係管理。

未來展望：自主數位團隊

Model ML 預見將向真正自主的代理人過渡，這些代理人將充當監控數位工作者的「控制塔」。它們將不再僅僅等待指示，而是根據週期性觸發（每日、每週、每月、每季、每年）或現實事件預測需求。目標是由機器全程執行複雜的多步驟工作流程——例如產生 100 頁的 PowerPoint——並在 CRM、電子郵件、檔案與外部資料供應商之間 24/7 運作。

Sources