OpenAI 推出金融業專版 ChatGPT，整合數十家資料商搶攻投行工作流程

這不是 OpenAI 第一次盯上金融業，但這次打法不同。

OpenAI 正式發布 ChatGPT for Financial Services，底層搭載旗下最新模型 GPT-6 Astra，產品核心是把資料接取、財務分析與成果輸出三個環節整合進同一個受管控的工作環境。與其說是一個「更聰明的聊天機器人」，不如說 OpenAI 在搶的是投行分析師的整個工作桌面——從拉資料、跑模型，到生出可以直接交給客戶的 Excel、PowerPoint、甚至互動式網頁介面。

產品由摩根士丹利與 Evercore 共同參與開發，兩家銀行反映的最大痛點是：可靠的資料來源，以及高品質的產出文件。對應這兩個需求，OpenAI 設計了三條資料接取路徑：第一，Daloopa、PitchBook、LSEG News 等資料集由 OpenAI 直接托管索引，客戶無需另簽合約；第二，S&P Capital IQ、LSEG、MSCI、Factiva、Moody’s 等則透過共用登入與授權繼承，讓使用者帶著原有的資料訂閱進來；第三，超過 50 個 MCP connector 涵蓋更廣泛的生態系。這個三層架構的關鍵在於：金融機構不同部門、不同員工的資料授權往往各不相同，如果 ChatGPT 能繼承這些既有授權，就能同時降低行政摩擦，又避免 AI 成為繞過資料管控的漏洞。

模型端，OpenAI 拿出了一個具體的基準測試數字：在 OfficeQA Pro 這個針對企業文件推理設計的評測上，GPT-6 Astra 得分 69.9%，優於 GPT-5.6 Sol 的 60.2% 與 Claude Fable 5.1 的 62.4%。另外，OpenAI 宣稱 Astra 的每任務成本大約是最強競品的一半，connector 錯誤率在優化後從約 5–10% 的區間下降到 2–6%。這些數字都是 OpenAI 自家測試的結果，評測細節未充分揭露，金融機構仍需要用自己的業務場景驗證。但方向很明確：OpenAI 要的是把競爭從「模型夠不夠強」轉移到「完成一項真實工作的總成本」，這對企業採購決策是個思維框架的轉換。

競爭格局已經相當擁擠。Anthropic 的 Claude for Financial Services 早在 2025 年就上線，今年還擴充了 pitchbook 生成與 KYC 篩查等代理功能；微軟在 Copilot 裡整合了幾乎相同的資料商名單，並且把 AI 放在 Excel、Teams、Outlook 這些分析師本來就在用的工具裡；FactSet 與 S&P Global 也在自家平台推出類似的 AI 工作流程。金融機構面對的問題已經不是「要不要用 AI」，而是「AI 要落在哪個介面」——資料平台、Office 套件，還是 ChatGPT 這個獨立工作環境？

OpenAI 的答案是：讓 ChatGPT Work 成為協調層，讓資料與企業系統流入其中。這個野心被 OpenAI ChatGPT 負責人 Nick Turley 講得相當直白：「在終端使用者生產力、在地面分析師的實際工作方式上，這就是我們希望業界採用的標準產品。」

問題是，這個標準產品目前仍有幾個關鍵空白：定價未公布、最低席位數未揭露、地理可用範圍未說明、托管資料的授權經濟怎麼算也沒有解釋。對金融機構來說，光是一場漂亮的 demo 決定不了什麼。真正的採購決策將取決於資料溯源的清晰度、授權繼承的可靠性、跨系統的互通性，以及完成真實業務的可驗證成本——這些細節，OpenAI 還沒有給答案。