金融AI從「開口回答」走向「動手執行」，理專與投資研究團隊的工作方式也迎來新變化。 百商數位科技MDBS日前與IBM、是方電訊共同舉辦「Brain of Tomorrow：金融AI Solutions × 智慧機房」研討會，聚焦AI代理如何串接資料、分工執行任務，將應用推向財富管理、投資研究與券商服務。 理專少跑流程多陪客戶。 智慧財管從繁瑣檢核切入。 IBM台灣目標市場暨生態系總經理陳孝綸指出，金融業導入AI代理，可依需求區分為員工賦能、共通性需求與專用領域。 財富管理涉及敏感客戶資料、金融專業與複雜流程，是重要應用場景。

她表示，理專約有35%至40%的時間投入合規檢測、KYC客戶審查及風險識別等行政工作，服務高資產客戶時，更須跨系統核對最終受益人與財源背景。 AI代理可協助串接資料、處理重複檢核，讓理專把更多時間留給資產配置討論與客戶互動。 資料打底才能讀懂市場。 現場測試揭示用量差異。 MDBS董事長張立元強調，個股基礎資訊若有誤，後續分析便可能失準，資料的完整性、品質與更新效率，是金融AI落地的關鍵。 MDBS開發的「貓頭鷹AI」提供結構化金融數據，涵蓋即時價量、技術指標、資金流及營收、每股盈餘等基本面資訊，供AI透過API調用。

據MDBS現場示範，以計算元大台灣50過去15年定期定額還原報酬率為例，傳統AI推理搭配網路爬蟲使用766,301個Token，資料涵蓋率為73.3%；改用結構化數據API後，用量降至45,921個，減少逾94%，並取得完整180個月資料。 上述降幅指該次測試的Token用量，不能直接等同整體算力成本降幅。 多位AI分析師分工上陣。 企業知識接入投研流程。 張立元並以台積電分析為例，展示「龍蝦山莊」多代理協作模式，由法人、財報與籌碼分析代理分頭處理，再交由總分析師代理整合研究報告，企業也能加入自身分析規則與專業知識，讓研究流程更貼近實際需求。 現場展示多代理協作介面，以台積電為例呈現法人及財報分析任務，說明AI如何分工整合研究資訊。

（圖／業者提供） MDBS也將「雪鴞」策略積木平台納入產品布局，與貓頭鷹AI、龍蝦山莊串聯。 結合IBM企業級AI架構與MDBS金融數據及應用開發經驗，雙方盼持續拓展智慧財管與投研服務，讓AI從問答工具進一步走進金融工作流程。