我们的“执行功能”系列呈现来自 AI 应用前沿领域的领导者洞见。
Model ML 正在打造 AI 基础设施，重塑领先金融机构的运营方式。Model ML 的平台配备了专门用途的智能体，以及能够实现端到端工作流程自动化、定制研究与分析的应用程序。
我们与首席执行官兼联合创始人 Chaz Englander 探讨了金融机构的演变，以及近期 AI 进展如何推进其业务运营的自动化与流程优化。
在出售上一家公司后，我和我的兄弟意识到我们并不喜欢投资，而是对通过 GPT 驱动的功能调用来自动化投资流程感到着迷。
我们的家庭办公室只有六个人，但借助这些 GPT‑3.5 驱动的大型语言模型 (LLM)，就像拥有了一个 60 人的团队。
我们为自己构建了 Model ML 的原型，但还没有它的商业化计划。但当我们看到通过研究流程自动化获得的洞见和效率提升时，我们知道我们找对了方向。
过去需要几天、几周甚至几个月才能完成的任务，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几个小时。现在可以让智能体处理整个流程：提取数据、设定幻灯片格式，然后将 PowerPoint 发布到 SharePoint，全程无需人工干预。我认为我们今年将会看到的最大变化是……早上来上班时，您的工作已经准备就绪。
“我认为我们今年将会看到的最大变化是……早上来上班时，您的工作已经准备就绪。”
这会迫使人们重新思考人类应该在哪里创造价值，以及公司需要如何重新规划团队，使其在今天和未来继续发挥作用。
我们看到，公司正在将人员转移到基于判断、具有更高价值的角色。至少在我们看来，我们合作的公司领导者正在以 AI 原生方式重新思考整个组织的架构。这极其困难，因此我们发现自己不得不在早期扮演顾问角色，帮助他们确定 AI 当前最适用的领域，并为未来 12 个月内最具影响力的应用场景做好准备。
“我们合作的公司领导者……正在以 AI 原生方式重新思考整个组织的架构。”
我们看到金融公司内部人员的影响力现在正在增强，而非相反。随着自动化接替人类承担了繁重的工作，人们可以专注于人际关系和战略思考。那些能够重新审视整体运营结构以利用这一转变的公司将从市场中脱颖而出。
在金融领域，准确性、合规性和工作流程适配性并非可有可无，而是基本要求。这种专业性正是通用工具的短板。Model ML 自成立之初便立足于金融服务领域的两个关键层面。
首先，在智能体层面，我们构建并优化了多个系统，专门用于解析和处理金融专业人士日常使用的各类数据，包括结构化和非结构化数据，覆盖 SharePoint 等工具以及 Capital IQ、FactSet 和 Crunchbase 等常见数据集，这些数据集可能包含数百张表格和 20 TB 的数据。12 个月前，在这些数据集上构建智能体几乎是不可能的任务。这些模型不仅能够回答问题，它们还具备上下文感知能力，能够理解数据模式，编写代码，并从数 TB 的复杂数据中提取信息。
其次是应用层：专为金融领域设计的供用户与智能体交互的界面。它为企业提供了构建智能体的工具，这些智能体能够实现端到端工作流程的自动化及此前难以实现的分析。在用例方面，我们每天新增数十个用例，目前已达数千个之多，其中许多在客户注册时即可直接使用。
我们看到，随着每个新模型的发布，我们都能实现显著的飞跃，并将这些进步直接转化为客户的实际收益。在推理和编码能力等方面的突破，使我们的产品性能达到了前所未有的高度。最近，随着 OpenAI o3‑pro、o3、o4‑mini 和 GPT‑4.1 模型的发布，这些新模型在推理、多模态能力、指令遵循和工具集成方面都带来了显著的改进。借助更大的背景信息窗口和更先进的推理能力，我们现在能够实现端到端的工作流程。用户可以将数据收集、分析和演示文稿创建等任务串联起来，完全自主地生成格式完整的输出。
“在推理和编码能力等方面的突破，使我们的产品性能达到了前所未有的高度。”
我认为未来最深刻的变革将是端到端工作流程自动化的兴起，届时您的系统将作为控制塔台，统筹管理整个数字宇宙中的数字工作者群体。随着这些智能体承担越来越复杂的多步骤任务，甚至用户界面 (UI) 与硬件交互的方式也会开始改变。这一步可能超出未来 12 个月的范畴，但正是我们前进的方向。
接下来即将出现的是真正自主的智能体，您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程，从您的客户关系管理系统 (CRM)、电子邮件、文件、外部数据供应商、会议记录等来源收集、分析并呈现数据。这些智能体不会简单地等待指令；它们将预判需要完成的任务，无论是周期性任务（每日、每周、每月、每季度、每年）还是由现实世界的事件触发的任务（就像您在会议后或回复邮件时要求团队成员完成的任务一样）。
真正的转变在于，这些工作流程将会端到端自动运行，跨所有系统进行深度推理和协调。输出结果可能是一份 100 页的详尽 PowerPoint 演示文稿，它完全由机器生成，速度更快，内容更一致，并且全天候随时可用。
这就是未来的前景：自主数字团队运行工作流程，推动业务更好、更快地发展并且始终在线。
我们认为，AI 原生企业将呈现不同的组织结构。层级更少，迭代周期更快，反馈循环更紧密。我们采用了扁平化结构。我的联合创始人 Arnie 和我分别直接管理两位数的团队成员。这听起来可能很疯狂，但 AI 让一切变得可行。在 AI 的辅助下进行所有一对一会议。笔记、待办事项、背景信息，全部经过优化。这让我们能够更快行动并与产品保持紧密联系。我们认为，这将是现代公司的运作方式：更像控制塔，而非孤立的层级结构。
敏捷的部分意义在于，押注生态系统和基础模型会变得更好。真正的钥匙是，不要对您的代码过于感情用事，这或许与创始人的心态和工程组织有关。我们过去会自行构建一切：智能体抽象、服务连接器，面面俱到。现在，如果 OpenAI 或开源社区发布了更好的东西，比如 OpenAI 的智能体 SDK 或 MCP 连接器，我们可以直接集成并删除我们自己的代码。
我们已转向使用 OpenAI 的智能体 SDK 和 MCP 工具来处理智能体循环、工具调用、安全防护和集成，因而能够以更少的维护工作更快进行创新。
我们的制胜之道不在于维护基础设施，而是通过客户成果交付价值。
Model ML 使用 OpenAI 的 API 平台，包括 GPT‑4.1、OpenAI o3 和智能体 SDK，来驱动其智能体、自动化和内部工具。
