OpenAI推出面向金融服务的ChatGPT版本

原文要点

OpenAI发布ChatGPT for Financial Services，定位金融机构版ChatGPT Work：内置Daloopa、PitchBook、LSEG News、Crunchbase等付费金融数据，由OpenAI托管索引，号称无需另谈合同和配连接器；强调逐条细粒度引用，把数字与论断追溯回表格和段落。产品用GPT-6 Astra做检索、财务推理与制品生成，设计伙伴包括Morgan Stanley与Evercore，起步场景是投行与股票研究；管理侧可发Excel/Word/PowerPoint模板，继承SAML SSO、SCIM、RBAC，默认不用企业数据训练，合格机构需联系销售。

这次做成什么

把公告转成机构可执行评估：不假设已买到，先用合成财务小样本设计“可追溯引用”试用脚本、管理员模板发布清单和安全核对表，再决定哪些数据源走内置、哪些等既有订阅集成。

准备什么

• 机构具备与OpenAI销售或客户团队沟通的采购通道
• 已有或计划盘点S&P Capital IQ、LSEG、MSCI、Factiva、Moody’s等订阅权限
• 合规方能确认SSO、SCIM、角色权限、日志导出与留存要求
• 准备不含客户机密与MNPI的合成财务样本，禁止把真实未公开数据贴入评估
• 接受公开资料未给价格、精确性能或全员开放结论，需以合同与后台核对

具体怎么做

1. 划定三个试点问题

   选投行与股票研究各一题，再加一个客户材料题；每题写成“问题、所需数据、可接受引用粒度、输出物”四列。示例只比较虚构公司A/B的利润率，不追逐实时行情，避免把公告能力当已开通。

2. 用引用强制提示词跑合成样本

   把data artifact喂给团队现有受控环境或评估沙盒，套用prompt artifact：每个数字必须带source_id、table、passage和期间，无法追溯就标UNVERIFIED。输出与example对照，重点看是否编造来源，而非是否像正式研报。

3. 区分内置数据与既有订阅

   在configuration artifact建数据源清单：Daloopa、PitchBook、LSEG News、Crunchbase标为公告所称内置；S&P Capital IQ、LSEG、MSCI、Dow Jones Factiva、Moody’s标为共享登录/权益集成方向；FactSet、Box、Datasite、Preqin、Intapp只列连接器生态，不假设开通。

4. 发布模板与权限预演

   管理员草拟Excel、Word、PowerPoint模板各一份，字段只放占位符{{company}}、{{metric}}、{{period}}、{{citation_map}}；按角色写谁能读内置数据、谁能写共享盘。界面按钮以正式产品后台为准，本站不补截图路径。

5. 安全门禁过一遍

   核对SAML SSO、SCIM、RBAC、默认不训练、静态与传输加密、工作区留存、Compliance Platform日志导出、多workspace信息隔离。任何一项无证据就列阻塞项，不把宣传句当审计结论。

可直接复制的材料

你是受控金融分析助手。只能使用输入JSON里的figures、passages、notes。回答中文，先给结论，再给evidence数组。每条evidence必须含figure、period、source_id、table、passage、why_relevant；凡输入没有的数字禁止估算，标UNVERIFIED并说明缺什么。最后给citation_map，键为输出中每个论断，值为evidence下标数组。若问题涉及估值、评级或投资建议，加一句“本输出为内部练习，不构成投资建议”。

{"builtin_claimed":["Daloopa","PitchBook","LSEG News","Crunchbase"],"shared_signin_direction":["S&P Capital IQ","LSEG","MSCI","Dow Jones Factiva","Moody’s"],"connector_ecosystem_examples":["Datasite","Box","Preqin","FactSet","Intapp"],"templates":["excel_valuation","word_research_note","ppt_pitchbook"],"roles":[{"name":"analyst","can_read_builtin":true,"can_write_shared":false},{"name":"admin","can_publish_templates":true,"can_export_logs":true}],"blockers":["price_unconfirmed","tenant_access_unconfirmed","citation_export_format_unconfirmed"]}

{"figures":[{"id":"F1","company":"A","metric":"adjusted_ebitda_margin","period":"2025Q4","value":0.214,"source_id":"SRC-A-10Q","table":"p12 reconciliation","passage":"调整后EBITDA剔除一次性搬迁费，未剔除股权激励"},{"id":"F2","company":"B","metric":"adjusted_ebitda_margin","period":"2025Q4","value":0.187,"source_id":"SRC-B-PR","table":"slide 6","passage":"公司称汇率不利影响约90个基点"}],"notes":[{"id":"N1","text":"两公司口径未审计，样本仅练引用，不用于比较真实企业"}],"task":"比较A与B的2025Q4调整后EBITDA利润率并列证据"}

输入与输出示例

本站虚构演示，非OpenAI运行结果，百分比由样本换算。

输入

用合成财务样本回答：A和B谁的2025Q4调整后EBITDA利润率更高？只能引用F1、F2、N1，不得补外部行情。

对应输出

结论：A更高，A为21.4%，B为18.7%，差2.7个百分点；但口径未审计，只作引用练习。evidence：[{"figure":0.214,"period":"2025Q4","source_id":"SRC-A-10Q","table":"p12 reconciliation","passage":"调整后EBITDA剔除一次性搬迁费","why_relevant":"给出A口径"},{"figure":0.187,"period":"2025Q4","source_id":"SRC-B-PR","table":"slide 6","passage":"汇率不利影响约90个基点","why_relevant":"给出B口径"}]。citation_map：{"A更高":[0,1],"口径未审计":[0,1]}。本输出为内部练习，不构成投资建议。

做完检查这些

• 每个数字都能在evidence找到source_id、table、passage、period四要素
• 输出含UNVERIFIED规则且未引入样本外公司、行情或价格
• 数据源清单把公告内置与共享登录方向分列，不写成已签约
• 模板占位符至少含company、metric、period、citation_map
• 安全表逐项标记证据状态，未证实项进入blockers

容易卡住的地方

• 产品面向合格金融机构销售，公开页不等于立即可开通
• 摩根士丹利与Evercore是设计伙伴，不能当成普遍成效保证
• 既有订阅集成称正在推进，别在试点前假定自动继承权限
• 默认不训练、加密与日志导出仍需合同和后台证据支撑
• GPT-6 Astra能力与基准来自公告，未给可复现算法边界时不做承诺