「Executive Function」專題系列集結了來自 AI 應用最前線的領袖觀點。
Model ML 目前正在打造 AI 基礎架構，革新頂尖金融服務公司的營運方式。Model ML 的平台結合專為任務打造的智慧體與應用工具，能將端到端工作流程自動化，並提供量身訂製的研究與分析。
我們訪問了執行長暨共同創辦人 Chaz Englander，聊聊金融機構目前如何轉型，以及近期 AI 的進展如何協助其營運流程自動化及簡化。
在賣掉我們上一家公司後，我和我的兄弟發現自己其實並不熱衷於投資，但我們對透過 GPT 的函式呼叫將投資流程自動化產生了極大興趣。
我們當時只是一個六人規模的家族辦公室，但在 GPT‑3.5 提供支援的大型語言模型協助下，整體效能就像擁有一支 60 人的團隊。
我們為自己打造了 Model ML 的原型，最初並沒有打算將它商品化。但當看到自動化研究工作流程所帶來的洞察力提升與效率增長後，我們確信這是一項具有潛力的創新。
過去需要花費數天、數週甚至數月完成的任務，現在有些已能在幾分鐘或幾小時內完成。例如，以前準備季度財報摘要通常需要花費好幾個小時。如今，智慧體可以自動完成整個流程：抓取資料、製作簡報頁面，並將 PowerPoint 發佈到 SharePoint，全程無需人力介入。我認為這會是今年最大的變革……早上上班時，工作內容就已經準備妥當。
「我認為這會是今年最大的變革……早上上班時，工作內容就已經準備妥當。」
這促使我們重新思考人類可以在何處創造價值，無論是現在還是未來，企業又應當如何重新規劃團隊的關鍵影響力。
我們看到企業將員工調動到更具價值、需判斷力的職位上。我們認為，與我們合作的企業領導者正以 AI 原生思維，重新構築整個組織架構。這項工作極具挑戰性，因此我們往往會在早期扮演顧問角色，協助企業判斷 AI 在當下最適合應用的領域，同時針對未來 12 個月內可能產生最大影響的方向做好準備。
「與我們合作的企業領導者正以 AI 原生思維，重新構築整個組織架構。」
我們觀察到，金融機構內的員工現在的影響力不減反增。由自動化承擔繁重工作後，人們得以專注於合作關係與策略思考。最終勝出的企業，將是那些重新思考及調整整體營運架構，以期善用這項轉變的公司。
在金融領域，準確率、合規性與流程契合度並非可有可無，而是基本門檻。通用型工具往往無法滿足這種程度的專業需求。Model ML 從一開始便是針對金融服務打造，聚焦於兩個關鍵層面。
首先，在智慧體層面，我們建立了系統並進行微調，專門解析及處理金融專業人士日常使用的各類資料，包含結構化與非結構化資料，涵蓋 SharePoint 等工具，以及 Capital IQ、FactSet 和 Crunchbase 等常用資料集，這些資料量可能高達數百個資料表和 20 兆位元組。一年前，在這些資料集之上建立智慧體幾乎還無法實現。這些模型不僅能回答問題，還具備上下文理解能力，理解資料結構，能編寫程式碼，並從數兆位元組的複雜資料中擷取資訊。
第二個層面是應用層面：使用者用於與智慧體互動的介面，特別為金融業量身打造。它為企業提供打造智慧體的工具，能夠將端到端的工作流程自動化，並實現過去無法達成的分析功能。在使用案例方面，我們每天都看到數十個新案例，目前累積已有數千個，且許多客戶在註冊後即可直接使用這些現成的功能。
每次有新模型釋出，我們都能看到顯著的突破，而且將這些進步迅速轉化為客戶的實際效益。在推理與程式設計能力等方面的進步，讓我們產品的部分功能達到前所未有的高度。近期隨著 OpenAI o3‑pro、o3、o4‑mini 和 GPT‑4.1 模型的推出，這些新模型在推理、多模態能力、指令執行和工具整合方面都帶來了顯著提升。憑藉更大的上下文窗口和更進階的推理能力，我們現在已能實現端到端的工作流程自動化。現在，使用者可以串連資料蒐集、分析與簡報製作等任務，完全自動產出格式完整的成果。
「在推理與程式設計能力等方面的進步，讓我們產品的部分功能達到前所未有的高度。」
我認為未來最深遠的變革將是端到端工作流程自動化的崛起，屆時系統會像指揮中心一樣，管理著一支龐大的數位工作軍隊。隨著這些智慧體開始負責更複雜、涉及多重步驟的任務，且範圍遍及整個數位生態系統，使用者介面及我們與硬體的互動方式也將隨之改變。這些或許是一年後才可能出現的景況，但我們確實正朝著這個方向邁進。
接下來即將登場的是：真正自主的智慧體，而您可在我們的產品加以打造。我們的智慧體能夠執行複雜的工作流程，從您的 CRM、電子郵件、檔案、外部資料廠商、會議紀錄等多種來源蒐集資料，並加以分析和呈現。這些智慧體不僅會等待指令，還會主動預判所需執行的工作，其中涵蓋週期性的任務 (每日、每週、每月、每季、每年)，或是由真實事件觸發的工作 (好比您在開完會或回覆郵件時交代團隊成員那樣)。
真正的轉變在於，這些工作流程未來將可從頭到尾自動執行，在所有系統之間進行深度推理與協調。其產出可能相當可觀 (例如長達 100 頁的 PowerPoint 簡報)，而且完全由機器產生，不僅速度更快、品質更穩定，且全天候 24 小時都可以取用。
這就是未來：透過自主運作的數位團隊，執行推進業務的工作流程，表現更出色迅捷，且永不停歇。
我們相信，AI 原生公司在組織結構上將會截然不同：層級更精簡、疊代更快速、回饋迴圈也更緊湊。目前我們公司已採用扁平化的組織架構，我和另一位共同創辦人 Arnie 各自直接管理兩位數以上的團隊成員。這聽起來可能很誇張，但 AI 在這樣的管理上幫了大忙。所有一對一會議都有 AI 協助，會議紀錄、待辦事項、背景資訊，全部都能有效整合與簡化。這讓我們的行動更敏捷，能緊跟產品的發展步調。我們認為這種方式也會成為現代企業的運作模式：類似於指揮中心，而不是各自為政的階層架構。
要維持團隊的敏捷，其中一部分就是對生態系統和基礎模型的持續進步抱持希望。關鍵在於不要對自己的程式碼過於情感用事，或許這也是創辦人思維和工程團隊文化的一部分。過去我們幾乎什麼事都自己來：智慧體抽象層、服務連接器，樣樣親手打造。現在，如果 OpenAI 或開源社群推出更好的工具，例如 OpenAI 的 Agent SDK 或 MCP 連接器，我們就會直接接上這些工具，刪掉自己的程式碼。
我們已改採 OpenAI 的 Agent SDK 與 MCP 工具來管理智慧體決策迴圈、工具呼叫、防護機制與系統整合，因而能減少維護工作，實現更快速的創新。
我們的目標，是透過為客戶創造成果來實現價值，而不是靠維護基礎設施來取勝。
Model ML 使用 OpenAI 的 API 平台，包括 GPT‑4.1、OpenAI o3 和 Agents SDK，為其智慧體、自動化流程及內部工具提供支援。
