Building ChatGPT for Finance — Joseph Kim, OpenAI's Head of Financial Services

OpenAI 旗下 ChatGPT Finance 產品與工程負責人 Joseph Kim 認為，要在垂直 AI 領域勝出，絕大多數功夫根本不在模型本身——ChatGPT 金融服務版約有 95% 的功能，任何新創都能用 OpenAI 的外掛基礎元件做出來；他甚至預期，會有人靠一個 ChatGPT 外掛打造出十億美元級的事業。這場對談錄製於紐約的 AIE Finance 活動，大部分時間都花在這次發布背後的產品與研究心得：OpenAI 為何選擇自行整合金融資料、而非仰賴 MCP 聯結器；「品味」如何被訓練進模型；金融領域的評測為何失靈；以及安全機制如何被設計成仿照「初階分析師到董事總經理」的審核層級。Kim 在主題演講中主打的 2027 年預測，在對談裡主要只是這些產品決策的背景脈絡，而非本集核心。

Kim 的視角相當特別：他是研究出身，如今帶領的團隊被他形容為「一家建立在 OpenAI 技術之上的新創」，這讓他同時看得到主模型訓練與企業部署這兩層。共同主持人 swyx 與 Richard（Latent Space 編輯總監）不斷把話題拉回實務問題——該做什麼、該量測什麼、該招募什麼人——讓讀者能帶走一套垂直 AI 產品的具體作戰手冊，也清楚看見金融 AI 目前還差在哪裡。

垂直產品有 95% 任何新創都做得出來

Kim 最核心的產品論點是：OpenAI 內部的金融團隊所面對的限制，跟外部新創一模一樣，而護城河不在於能否取得模型。ChatGPT 金融服務版在對談前幾週才發布（相對於十月下旬的錄音時間，Kim 說的是「上個月」），是一款企業級產品，把消費級 ChatGPT 工具與企業層結合：公司專屬範本，以及 Dilupa、S&P 等內建資料來源。設計合作夥伴是 Morgan Stanley 與 Evercore。

團隊建立在 Codex／ChatGPT 的外掛架構，以及任何外部開發者都能取得的基礎元件之上。Kim 兩度重申的論點是：光靠 Codex 大約只能帶你走到能贏得市場的產品的 80%，而缺的那 20% 才是關鍵：

「如果你直接把 Codex 當成金融產品推出，它會失敗。所以那 20% 其實才是決勝點。」

那 20% 可能是資料、UI 調整，或某項整合——「你的獨門配方」。他明確表示，後訓練並不是差異化來源：「我們做的東西有 95%，任何新創都絕對做得到，別家公司也做得到。」他也提到，所有金融推理的訓練資料都會往上匯入主模型訓練（他稱之為產出 GPT-6 Astra、GPT-6.1 Astra 等模型的「大訓練」），因此這些智慧仍會開放給外部開發者，以及直接進行整合的金融機構。

這次發布背後的採用資料，來自內部的 Codex 使用情況。OpenAI 內部軟體工程的採用率穩定攀升，但財務、法務與業務部門一直接近零，直到二月（2026 年）Codex 桌面應用推出前後，才一舉跳升到約 90%。Kim 認為這證明：解鎖一個領域的是產品介面的覆蓋面，而非原始能力。

自行整合資料勝過 MCP 聯結器，因為聯結器錯誤率達 40%

Kim 描述最具體的一項產品決策，是把法說會逐字稿等金融資料自行整合進來，而不是引導使用者去用 MCP 聯結器。從基本原理推論，這樣做的好處並不明顯：客戶可能早已取得資料授權，會覺得自己被收了兩次錢，而且商店裡本來就有現成的聯結器。但實測改變了結論。

Kim 從投入產品六個月得到的更大教訓是：企業級開發者必須尊重「你所處產業的現實」——競爭力量與客戶自身的目標——而不是純粹從基本原理推論。一個邏輯上站得住腳的結論，若忽略產業實際運作的方式，照樣會做出錯誤的產品。

品味靠人類偏好訓練，寫程式就是明證

對於「品味怎麼訓練」，Kim 的答案是 OpenAI 從早期 RLHF 時代就在做，當時唯一的訓練訊號就是人類的成對偏好。實務做法至今沒變：蒐集人類對成對輸出的判斷，訓練出獎勵模型。以簡報為例，人類會看成對的簡報、挑出比較好看的那份。事實證明，人類在美感判斷上遠勝模型——人幾秒鐘就能判斷兩份簡報，評分模型卻得燒掉大量推理 Token 做畫素級分析，還可能判錯。

他主張金融工作很像寫程式，而他認為寫程式大約已解決了 80%。寫程式結合了可驗證的獎勵（能不能編譯、有沒有語法錯誤、輸出是否符合預期）與品味（系統設計乾不乾淨、好不好維護、是否符合社群慣例）。金融工作也有同樣的二分：一個 Excel 模型要嘛加總正確、沒有參照錯誤，要嘛就是有問題——但除此之外還有「模型的感覺」：資深專業人士會擾動輸入、觀察輸出，判斷資料流走起來對不對。這跟「程式碼看起來乾不乾淨」一樣，都是人類偏好的問題。swyx 把這連結到 Cognition 的 Frontier Code 之類的基準測試：它問的不只是 PR 能不能通過，而是審查者會不會把它合併。

Kim 也重新詮釋了「犯一個錯就毀掉職涯」的恐懼。真正會終結職涯的錯誤，是會改變結論的事實錯誤；而幻覺——2022 至 2023 年的頭號顧慮——「現在已經沒那麼常出現了」。模型真正還缺的是判斷力與品味：一份不算錯、但看起來很隨便的簡報。他預期到 2027 年，模型在這些較軟性、比較性的目標上會有大幅進步。

安全機制仿照企業現有的初階員工督導方式

已發布的產品全程假設有人在迴圈中：分析師用 ChatGPT 嘗試每一項任務，視任務不同完成 30% 或 80%，並仍須負責稽核輸出。這讓把審核責任交給使用者變得順理成章。

至於接下來——2027、2028 年更自主的代理——Kim 的設計原則是讓產品行為像同事，因為人本來就懂得怎麼跟人合作。也就是沿用既有的人為控管機制：讀寫許可權，類似他初進 Google 當工程師時需要的「可讀性」審查；以及銀行業的層級制度，初階分析師的成果由副理審核，再往上到副總、協理與董事總經理。這些層級之所以存在，正是因為人會犯錯，所以行為像人的模型，就能用同一套制度治理，也能用金融機構熟悉的方式向它們解釋。

flowchart TD
    A["分析師用 ChatGPT 起草成果"] --> B["副理審核並補充推理"]
    B --> C["副總審核"]
    C --> D["協理與董事總經理審核"]
    D --> E["交付客戶的成果"]
    A -.-> F["模型許可權對應人類的讀寫許可權"]
    F -.-> B

金融評測不是飽和就是失靈，OpenAI 正自建一套

Kim 說要做好評測「難到不可思議」：任何評測都只是目標能力某一面向的代理指標，而一份評分不佳的答案卷，很容易讓人靠取巧刷分。他表示，目前金融工作根本沒有好的評測。OpenAI 用於一般知識工作的 GDP 評測如今已飽和，而沒飽和的部分「基本上已經壞了」，這也是 GPT-6 Astra 發布時未報告該評測的原因。

他描述了實驗室對待評測的一種偏誤：數字好看就當成進步的證據、不做追查；數字難看才會深入調查。GPT-6 在一組金融評測上就發生過這種情況——分數幾乎沒動，團隊深入調查後發現評測已飽和，剩下的失敗則來自錯誤的答案卷、寫得不清楚的提示，或其他瑕疵。他的團隊現在正打造一套評測，目標是預測「自動化某個特定職業工作」的能力——例如一套投資銀行評測，高分意味著初階分析師的大部分工作都能被自動化。

2027 年路線圖往上游走，目標愈來愈模糊

目前金融領域的 AI 大多針對初階分析師的工作，Kim 給了兩個理由：產品必須建立在當今模型能力之上，而模型擅長具體指令（「幫我做一份簡報、用我們的範本、弄得好看一點」）；而且人偏好把自己討厭的工作自動化——建 Excel 模型、在簡報上精準擺放商標，既枯燥又容易出錯。

展望 2027 年，他預期重心會從分析師往上爬到副理、再到董事總經理層級的任務。難處在於目標愈往上愈模糊：「這是不是一份好簡報」會變成「這是不是一個好的投資想法」，而後者可能要等三年市場結果才答得出來。要在那裡取得進展，需要研究聚焦、好的資料、P99.9 等級的專家回饋，以及基礎模型持續擴充套件。Kim 說他正把這列為 OpenAI 的優先領域，並有信心「2027 年會有很多進展」。他也預測，到 2027 年不會再有 PowerPoint——這是他主題演講的一句話——AI 工具會內嵌在流程之中。

OpenAI 招募的是產品經理與金融領域專家，不只工程師

Kim 說客戶需求強勁，團隊正快速擴編。他點出三類職缺：一般的前端與後端產品工程；橫跨投資銀行、股票研究與資產管理的產品經理，他稱這是贏下這個領域的「主要瓶頸」；以及「領域專家」職位。最後一項是針對一項結構性劣勢的直接回應：在寫程式領域，訓練模型的人本身就知道好程式碼長什麼樣，這是 OpenAI 在金融領域沒有的順風。領域專家將與工程師、研究員、產品經理並肩工作，提供這種判斷力。他邀請大家透過 LinkedIn 聯絡，並指向 OpenAI 的招募頁面。ChatGPT 金融服務版目前僅限企業版，但 Kim 說團隊正努力把它帶給 Pro 方案的專業消費者，後續會有訊息。

值得關注的重點

貫穿全文的主軸是：OpenAI 把金融當成「圍繞通用模型展開的部署問題」，而不是客製化模型問題——這正是為何 Kim 能同時主張新創可以複製 95% 的打造過程，又說有一個十億美元的外掛事業在等著。有兩股張力值得追蹤。第一，安全機制依賴銀行業既有的真人審核層級；這套做法能否移植到沒有「副理到董事總經理」階梯的領域，尚未驗證。第二，2027 年進軍投資判斷，取決於 Kim 自己都說尚未以可用形式存在的評測，因此在他們團隊推出正在打造的職業級基準測試之前，外界很難驗證該領域的進展說法。Kim 在主題演講中略提的預訓練問題——「2026 年，我們已經解決了其中許多問題」——則是另一條值得帶進主題演講本身追下去的線索。