Chatham Financial 正在使用 OpenAI 的 Codex 和 GPT‑5.6 重构资本市场工作流，其交易验证应用将单笔审核时间从约30分钟缩短至4分钟以内。公司强调先重新设计流程、保留人工复核与审计能力，并在治理与权限控制下逐步扩大自动化。
美国金融风险管理与资本市场顾问公司 Chatham Financial 表示，正在使用 OpenAI 的 Codex 和 GPT‑5.6 重建内部及面向客户的工作流程，其中一项交易验证应用已将单笔审核时间从约30分钟缩短至4分钟以内。
OpenAI在10月2日发布的客户案例中称，Chatham并不把人工智能简单视为“让原有流程跑得更快”的工具，而是先从目标结果出发，重新判断哪些输入、证据和人工判断是真正必要的，再决定由模型、软件或传统自动化承担哪些环节。
这家总部位于美国宾夕法尼亚州的公司主要为客户提供资本市场、利率、外汇和衍生品风险管理咨询及技术服务。对这类业务而言，交易条款是否准确、数据是否可追溯、结论能否接受审计，往往与速度同样重要。
交易验证从半小时压缩到数分钟
Chatham的 Controls and Data Integrity 团队负责验证交易记录，确认系统中的条款与客户授权内容以及实际执行结果一致。按照公司的介绍，团队过去需要依靠人工整理交易证据、比对关键条款，并找出需要进一步审查的差异。
使用 Codex 后，Chatham开发了一款交易验证应用。该应用可以汇集支持性交易证据，比较关键条款，并把不一致之处标记出来交由人员复核。公司称，早期测量显示，审核时间已从大约30分钟降至4分钟以内。
不过，Chatham并没有把这一结果描述为已经完成的全面自动化。公司正在把应用的输出与真实交易及有经验审核人员的判断进行比较，然后才会决定扩大自动化范围。
Chatham Controls and Data Integrity 负责人表示，速度之外，团队也在验证应用能否在真实交易中产生更准确、易于审计的结果。公司计划将交易验证扩展到更多产品类型，并在保留适当控制和专业人员监督的前提下，自动化更多步骤。
OpenAI的客户案例没有披露交易验证应用处理的交易数量、错误率、部署成本或由此带来的财务收益。因此，“从30分钟到4分钟以内”是Chatham目前公布的早期测量结果，不应直接等同于整个业务流程的生产率提升。
先重新设计流程，再决定是否使用AI
Chatham把这套方法称为“Process Zero”。其核心并不是给传统流程增加一个聊天机器人，而是先明确流程最终需要交付什么结果，剔除不必要的步骤，再确定哪些数据和证据必须保留，以及人工判断应该出现在哪里。
Chatham管理层在公司9月10日发布的文章《从零开始：Chatham如何为AI时代重塑工作》中写道，如果把人工智能应用在一个已经失灵的流程上，企业可能只是“更快地运行一个失灵的流程”，而没有真正改善结果。
这篇文章称，Process Zero 是一种与具体平台无关的方法。重新设计流程之后，团队才会决定使用 Chatham Vibes、现有内部系统、供应商软件、大型语言模型、传统自动化，或根本不使用人工智能。
Chatham还强调，原型应用并不等同于生产系统。进入生产环境前，系统仍需要经过测试、安全检查、权限配置、集成、监控、治理和合规审查，并应由明确的负责人和领域专家决定是否上线以及上线后如何持续评估。
这种做法反映出金融机构引入生成式人工智能时的一个现实边界：模型能够整理信息、进行结构化比较和识别异常，但交易决策涉及的责任归属、客户授权、法规要求和审计证据，不能仅凭模型输出解决。
从员工自建应用到客户平台
Chatham表示，公司员工已经在研究、分析、写作、软件开发等日常工作中使用 ChatGPT 和 Codex。员工还可以通过 Chatham Vibes 创建适合自身工作的应用。
OpenAI称，在最近四个月中，Chatham员工已经构建了接近1,000个应用。公司没有说明这些应用中有多少进入生产环境，但表示其中一些已经用于面向客户的工作流程，包括审查即将到期的资本市场交易、准备定价工作簿和客户沟通材料，以及制作固定收益利率表、对冲仪表板和交易确认审查工具。
在这些应用中，AI负责整理资料、生成结构化输出或标记例外，Chatham的专业人员仍负责判断市场背景、核实结果并决定哪些内容可以交付客户。换言之，公司试图把模型放在“证据整理和流程加速”的位置，而不是让模型独立承担最终的专业判断。
这一方向与OpenAI近期对企业AI的描述相吻合：企业客户正逐步把AI从提供建议的工具，转向能够调用工具、访问文件、执行多步骤任务并生成工作成果的代理式系统。但OpenAI自己的研究也强调，权限、人工复核和治理机制，是把这种能力带入生产环境的必要条件。AIFlux此前对OpenAI企业AI使用研究的报道指出，企业真正需要解决的并不只是是否开通AI账号，而是如何把局部试验转化为稳定、可审计的组织流程。
Chatham Onyx把数据、模型与顾问服务连接起来
Chatham还在开发下一代资本市场运营平台 Chatham Onyx，把资产、债务和衍生品数据放进一个受治理的环境中，使客户和顾问能够在连接后的数据基础上使用人工智能，同时保留对原始信息的追溯能力。
按照OpenAI的介绍，Codex被用于Onyx的产品开发生命周期，包括规划、构建、测试、文档编写和代码审查。Onyx平台目前使用 GPT‑5.6 Sol、GPT‑5.6 Terra、GPT‑5.4 和 GPT‑4.1，简单分析与非生产测试会被分配给成本更低的模型，需要更高准确性的复杂任务则使用能力更强的模型。
其中一个例子是 ChatFIN。该工具可以总结历史市场数据中的模式，帮助用户理解投资组合，并定位债务、衍生品和租赁条款相关的法律文件及其来源。它提供的是信息检索和整理能力，但客户和顾问仍需要结合具体交易背景解释这些信息。
这意味着，Chatham的AI战略并不只是购买一个通用模型，而是把模型放进一套包含领域数据、软件平台、权限控制和顾问判断的系统中。模型本身可以被其他金融机构获得，真正决定落地效果的，可能是企业能否把专业知识转化为可重复、可验证且有明确责任人的工作流。
金融业的竞争焦点转向“可审计的执行能力”
OpenAI正在加大对金融服务市场的投入。公司在金融服务解决方案页面中，将研究、分析、运营和客户服务列为主要应用方向，并强调数据隐私、企业治理和可审计性。
OpenAI还推出了面向金融机构的 ChatGPT for Financial Services，并称其与 Morgan Stanley、Evercore 等机构合作，围绕金融数据检索、财务分析、模型构建和客户材料制作进行产品设计。相关产品强调引用来源、权限管理、企业数据隔离和审计日志，说明金融场景的竞争并不只在于模型能否生成答案，也在于使用者能否知道答案来自哪里、谁可以访问数据，以及哪些动作仍必须经过人工批准。
Chatham案例所展示的，是这一趋势在专业服务公司的一个具体版本：人工智能先处理证据、比对条款、组织资料和生成初稿，专家则把时间更多投入到异常判断、复杂客户问题和最终决策上。公司首席执行官Matt Henry在Chatham的相关文章中说，企业的限制并不一定是缺少专业知识，而是专家需要花费大量时间才能到达真正运用这些知识的环节。
然而，交易验证应用仍处于扩展和验证阶段，Chatham也没有公布独立第三方对其准确率的评估。接下来需要观察的，不只是审核时间能否继续下降，还包括应用在不同交易类型、异常案例和高压市场环境下是否保持稳定，以及公司如何记录模型参与过程、处理错误并承担最终责任。
对金融行业而言，AI能否创造长期价值，最终可能不取决于它能否替代某一个岗位，而取决于它能否在不削弱专业判断和监管控制的前提下，把重复性的证据整理和信息流转压缩到更短时间。Chatham的最新实践，正是把这一问题从概念演示推进到真实交易流程中的一次尝试。
来源： OpenAI：Chatham scales its capital markets expertise with OpenAI；Chatham Financial：Start from zero: how Chatham reengineers work for the age of AI；OpenAI：Solutions for financial services。