← 返回全部情报
Franklin Templeton × OpenAI:投资研究从「库+模型」改成 agents + 语义层 的封面

·OpenAI·客户故事收录 2026-11-07

Franklin Templeton × OpenAI:投资研究从「库+模型」改成 agents + 语义层

金融投资研究语义层Codexagents风险可见

一句话结论

Franklin Templeton 发现只把数据入库再接模型不够用,加上 agents 与语义层后才能把研究、风险、合规与交易视角汇成可给组合经理用的连续智能;Codex 参与工作流打造,领导层在明确风险护栏内鼓励实验。

打开原文 OpenAI:Franklin Templeton uses OpenAI to support investment research

背景与理念

资产管理机构要的不是「更像用户偏好」的个性化,而是多样性意见与风险可见。Katrina Dudley 指出,早期「数据库+模型」答不出团队需要的问题,因为模型不懂数据如何彼此关联;目标是把连续智能与人类判断叠在一起,而不是只自动化原先的人工流程。

具体做法

  1. 从「库+模型」转向 agents + 语义层(对数据含义与连接的结构化模型),并用 Codex 等工具共建这层连接智能。研究、风险、合规、交易等多视角被汇给组合经理。
  2. 用 hackathon 让专家与投资实务者同场做工具,再由 Investment AI champions 把实验推进到可上线工作流,过程含安全评审、专家支持与数据管控。
  3. 刻意反对「越看越像用户偏好」的收窄:系统要露出多样研究观点,并突出投资风险,而不是只强化某一研究供应商。

关键数据/例子

文中没有给出准确率或节省工时的硬指标,重点是工作流形态变化。Dudley 强调领导层信息一致:在清晰风险护栏内鼓励创新与实验;新技术发布后尽快开实务 lab,让团队亲手试;安全评审与数据协议是从实验走向生产的必经环节。

创新点

第一,把语义层当作投资研究 AI 的前置条件,而不是事后补丁。第二,把「多样性意见 + 风险可见」写成产品原则,对抗通用推荐系统的偏好收窄。

可否复用

  1. 金融场景先建受治理的语义层与连接器,再谈 agent 自动出洞见。
  2. 用 champions + 安全评审把 hackathon 成果转成可复用工作流。
  3. 评测时显式检查「是否压制少数意见 / 是否漏报风险」,不要只看回答流畅度。

笔记会在输入时自动保存。