金融AI从「开口回答」走向「动手运行」，理专与投资研究团队的工作方式也迎来新变化。 百商数字科技MDBS日前与IBM、是方电讯共同举办「Brain of Tomorrow：金融AI Solutions × 智能机房」研讨会，聚焦AI代理如何串接数据、分工运行任务，将应用推向财富管理、投资研究与券商服务。 理专少跑流程多陪客户。 智能财管从繁琐检核切入。 IBM台湾目标市场暨生态系总经理陈孝纶指出，金融业导入AI代理，可依需求区分为员工赋能、共通性需求与专用领域。 财富管理涉及敏感客户数据、金融专业与复杂流程，是重要应用场景。

她表示，理专约有35%至40%的时间投入合规检测、KYC客户审查及风险识别等行政工作，服务高资产客户时，更须跨系统核对最终受益人与财源背景。 AI代理可协助串接数据、处理重复检核，让理专把更多时间留给资产配置讨论与客户交互。 数据打底才能读懂市场。 现场测试揭示用量差异。 MDBS董事长张立元强调，个股基础信息若有误，后续分析便可能失准，数据的完整性、品质与更新效率，是金融AI落地的关键。 MDBS开发的「猫头鹰AI」提供结构化金融数据，涵盖即时价量、技术指针、资金流及营收、每股盈余等基本面信息，供AI通过API调用。

据MDBS现场示范，以计算元大台湾50过去15年定期定额还原报酬率为例，传统AI推理搭配网络爬虫使用766,301个Token，数据涵盖率为73.3%；改用结构化数据API后，用量降至45,921个，减少逾94%，并取得完整180个月数据。 上述降幅指该次测试的Token用量，不能直接等同整体算力成本降幅。 多位AI分析师分工上阵。 企业知识接入投研流程。 张立元并以台积电分析为例，展示「龙虾山庄」多代理协作模式，由法人、财报与筹码分析代理分头处理，再交由总分析师代理集成研究报告，企业也能加入自身分析规则与专业知识，让研究流程更贴近实际需求。 现场展示多代理协作接口，以台积电为例呈现法人及财报分析任务，说明AI如何分工集成研究信息。

（图／业者提供） MDBS也将「雪鸮」策略积木平台纳入产品布局，与猫头鹰AI、龙虾山庄串联。 结合IBM企业级AI架构与MDBS金融数据及应用开发经验，双方盼持续拓展智能财管与投研服务，让AI从问答工具进一步走进金融工作流程。