我們的《Executive Function》系列專訪邀請推動 AI 應用的領袖 ，分享他們的見解與經驗。
Model ML 透過構建 AI 基礎設施，全面革新領先金融服務公司的營運方式。Model ML 的平台帶來專為特定用途而設計的智能代理，以及可以自動化端對端工作流程的應用程式，同時配合專門研究與分析。
我們訪問了行政總監兼聯合創辦人 Chaz Englander，討論金融機構如何不斷轉型，而近期的 AI 發展又如何簡化營運並引入自動化流程。
在我和兄弟將上一間公司賣盤後，我們發現自己其實並不喜歡投資，反而醉心於透過 GPT 技術支持的函數呼叫將投資過程自動化。
我們的家庭式辦公室中只有六位員工，但透過運用 GPT‑3.5 的大型語言模型，感覺就好像有個 60 人團隊一同工作一樣。
我們為自己構建了 Model ML 的原型，當時並沒有打算要推出市場賺錢。但當我們看到自動化研究工作流程所帶來的分析資料增長和效率後，我們知道這個模型大有作為。
有些工作傳統以來需時數天、數週或甚至數個月，但現在部分只需數分鐘或數小時就能完成。例如，以往準備季度收益摘要需要數小時。但現在智能代理可以處理整個程序：收集數據、整理幻燈片格式，然後將 Powerpoint 發佈至 SharePoint，全部無需人手處理。我認為這將會是我們今年見到最大的轉變……早上回到辦公室，就發現工作早已完成了。
「我認為這將會是我們今年見到最大的轉變……早上回到辦公室，就發現工作早已完成了。」
這讓我們重新思考員工可以在哪些範疇提供價值，而公司將需要如何轉型，以令團隊可在目前和未來發揮更大影響力。
我們見到有些機構將員工轉移至更高價值並負責判斷的角色。最少在我們看來，在與我們合作的公司當中，領導層都在以 AI 原生方式重新思考整個機構的架構。這種轉型極其困難，因此我們在早期充當顧問的角色，協助機構領袖判斷現時 AI 最適用的範疇，同時展望我們認為未來 12 個月最能發揮效用的工作。
「在與我們合作的公司當中……領導層都在以 AI 原生方式重新思考整個機構的架構。」
我們見到金融機構的人員現在的影響力更大，而非減少。隨著自動化可以處理繁瑣的苦差，員工可以集中於建立關係和策略性思維。如果機構想要穩佔優勢，就要重新思考整體營運結構，以把握轉型所帶來的機遇。
在金融行業，準確性、合規和順暢的工作流程並非錦上添花，而是成敗關鍵。在這些專門範疇，通用工具就顯得不足。從一開始，Model ML 就是專為金融服務而設計，當中包括兩個主要層面。
首先在智能代理層面，我們構建了專門系統並進行微調，以解析和處理金融專業人員日常需要運用的結構性和非結構性數據，當中配合 Sharepoint 等不同工具，以及 Capital IQ、FactSet 和 Crunchbase 等常用數據集，數據規模往往達 20 TB 並包含數以百計的圖表。 在 12 個月前，要為這些數據集構建智能代理幾乎不可能。這些模型不只是純粹回答問題，而是要能掌握各種情境、了解數據模式、懂得編寫程式碼，並能從龐大的複雜數據中擷取有用資料。
其次是應用程式層面，即用戶與智能代理互動的介面需要專為金融行業而設計。這讓機構可以構建能自動化端對端工作流程的智能代理，完成以往不可能達到的分析。而在用例方面，每日都有數十個新用例出現，現時用例數目數以千計，很多客戶在註冊後就能立即應用。
我們每次發佈新模型都能帶來大幅度變化，並能轉化為客戶的即時效益。推理和編碼能力等方面的進步，將我們的產品推上高峰。最近 OpenAI o3‑pro、o3、o4‑mini 和 GPT‑4.1 模型紛紛面世，這些新模型在推理、多模態能力、遵從指示和工具整合等方面均有顯著提升。有了更大的情境視窗和更先進的推理能力，我們現在就能全面實行端對端工作流程。現在，用戶可以串連數據收集、分析和簡報製作的工作，以完全自動化方式製作格式完備的成品。
「推理和編碼能力等方面的進步，將我們的產品推上高峰。」
我認為未來最顯著的轉變將會是自動化端對端工作流程的出現，公司系統會作為控制塔，掌控龐大的數碼員工。隨著這些智能代理可以在整個數碼工作環境中執行更複雜和多步驟的任務，用戶介面和我們與硬件互動的方式亦會開始轉變。這一步可能在未來 12 個月內尚未會出現，但將會是未來的方向。
而下一步，就是將會出現您可在我們產品中構建的真正自動化智能代理。我們的智能代理可以執行繁複的工作流程，從您的 CRM、電郵、檔案、外部數據供應商、會議轉錄文本等收集、分析和報告數據。這些智能代理不會只等待您提供指示，而是會預測未來需要進行的工作，不論是週期性（每日、每週、每月、每季或每年）還是由實際事件觸發，就好像您在會議後或因應電郵內容而要求團隊成員進行指定工作一樣。
當中的真正轉型是工作流程會完全自動化端對端進行，並在系統各個部分進行深入推理和協調。工作輸出可以是 100 頁的龐大 PowerPoint，過程完全由機器處理，因此更快更一致，而且可以全天候無間斷工作。
這就是我們的未來：自動化數碼團隊執行工作流程，以更快、更佳和時刻運作的方式推動業務增長。
我們深信 AI 原生公司的整體結構應會全然不同，例如層級較少、週期更快，而且意見循環更緊密。我們採用扁平組織架構。Arnie [我的聯合創辨人] 和我負責的直接匯報人數都是雙位數字。這聽起來很瘋狂，但 AI 令這樣的架構變成可能。所有一對一管理都有 AI 協助，備忘、待辦事項和背景資料全部都可簡化。這加快了我們的工作速度，讓我們更貼近產品的宗旨。我們認為這就是現代公司的營運方式：公司更像控制塔，而非分隔的層級。
要反應靈敏，就要依賴生態系統和基礎模型不斷改善。而真正的關鍵，又或者是創辦人思維和工程機構的重要一環，在於面對程式碼不要太感情用事。我們以往習慣自己構建所有程式碼，上至代理程式抽象化，下至服務連接器，全部一手包辦。現在，如果 OpenAI 或開放原始碼社群可以提供更佳的選擇，例如 OpenAI 的智能代理 SDK 或 MCP 連接器，那我們就直接採用，刪除自己的程式碼。
我們已轉用 OpenAI 的智能代理 SDK 和 MCP 工具來處理智能代理循環、工具呼叫，以及防護措施與整合，現在就能減少維護，加快創新。
我們並不是要以維護基礎建設來致勝，而是想透過客戶結果來提供價值。
Model ML 採用 OpenAI 的 API 平台，包括 GPT‑4.1、OpenAI o3 和智能代理 SDK，以提供智能代理、自動化與內部工具。
