以下內容節錄自: https://youtu.be/a8PmR-fNQ_0?si=ehvszk6o4b_SbzaS
在金融服務領域，AI 的角色正迎來一場深刻轉變。從過去僅是好奇、試驗、邊玩邊看，如今企業已開始真正把 AI 部署進核心流程。而 Anthropic 的 Claude，正成為這場變革的推進者。
這是一場速度、準確性與系統整合同時提升的革命。金融分析工作的痛點：繁瑣、手動、低效率
傳統金融分析師的工作中，有大量「不需專業判斷但極度耗時」的任務：
- 每週、每季手動更新 Excel 模型
- 重複從 S&P、FactSet、PitchBook 擷取資料
- 在 PowerPoint 上調整格式、呈現結果
- 在不同系統間交叉比對數據
- 花大量時間整理、極少時間真正分析
這些流程不但繁雜，也讓真正有價值的工作——判斷、洞察、策略制定——被迫讓位。
Claude for Finance 的革命：Retrieve、Analyze、Create
Cloud for Finance 的 3 大核心能力，形成一條從資料端到使用端的完整生產線。
1. Retrieve：與金融核心資料源整合
Claude 能：
- 直接查詢 S&P、FactSet、PitchBook 等 MCP 端點
- 與 Snowflake、Salesforce 等內部系統互通
- 自動交叉比對不同資料源
在金融領域，「比同業更快掌握資訊」就是競爭優勢。
2. Analyze：以程式與 Excel 操控資料
Claude 能：
- 撰寫並運行 Python
- 自動建立、修正 Excel 模型
- 具備財務專業理解（DCF、Comps、LBO 等）
- 對模型中的公式、邏輯給出可解釋推理
這讓分析不再只是代做，而是「帶邏輯、可稽核的精準分析」。
3. Create：產出即能上桌報告的輸出
Claude 能：
- 產生 PowerPoint、Excel、Word
- 製作董事會級的圖表、講稿、資料包
- 透過瀏覽器、Excel、Chrome、Cloud.ai 等界面嵌入工作流
從取得資料 → 分析 → 輸出成果
一路自動化。
真實案例：BCI 把 Comp Table 做成「永不中斷更新的活頁簿」
傳統比較分析（Comps）是：
- 分析師手動更新
- 來源多、容易出錯
- 常因更新不及而影響決策品質
BCI 卻反其道而行：
- 用 Claude artifacts 直接連接 S&P 與 FactSet
- 形成「實時更新」的比較數據儀表板
- 用一句 Prompt 就能刷新模型
- 不只分析師，連 MD（董事總經理）都能查看、操作
這不只是加速，而是「工作形態的根本轉變」。
AI + 金融：安全性、可驗證性是核心
Anthropic 強調三種安全基礎：
- 安全部署：企業級環境、資料保護
- 準確回答：避免錯誤推論
- 可稽核性：透明化推理、可追蹤流程
這對金融尤為重要，因為錯一個像素、漏一個公式，都可能造成重大風險。
Claude 的強大「程式能力」讓它能精準描述邏輯、透明呈現推理，這也是為何它在金融中格外適合。
記憶系統：讓 AI 變成金融分析師的「常駐實習生」
為了讓 AI 能跨工具、跨界面記住使用者偏好，Anthropic 正在打造新一代「記憶系統」，能記住：
- 你最常用的 EBITDA 定義（例如偏好 S&P 的版本）
- 你固定使用的 DCF 模板
- 你會怎麼修公式、怎麼命名工作表
讓 Claude 越用越像你的專屬助理，甚至超越人類實習生。
模型、代理、平台：Claude for Finance 的三大支柱
1. 模型（Model）
- 針對金融強化 pre-training、post-training
- 與 BCI、Perella Weinberg、NBIM 等客戶合作找盲點
- 專注金融數據理解與推理
2. 代理能力（Agent Capabilities）
- 深度研究模式
- 與 Excel / PowerPoint / Chrome 深度整合
- 讓 Claude 能在你工作的地方「直接做事」
3. 平台整合（Platform）
- 與 S&P、FactSet、PitchBook 等資料源的 MCP 整合
- 只用了六個月便有成熟整合，顯示市場高度動能
- 讓 Claude 能像人一樣在多系統間穿梭工作
金融業的採用情況：不是類別，而是文化決定速度
採用 AI 的公司通常具備：
- 高層支持：降低試驗門檻
- 文化開放：底層分析師願意嘗試
- 主動打造工作流，而非等待 AI 魔法
因此這波浪潮並非發生在某個「子領域」，而是出現在「願意變革的人」身上。
下一步：Claude for Finance 的未來
1. 更專業的垂直場景
- 私募（PE）
- 對沖基金（Hedge Fund）
- 投行（IB）
- 保險與資產管理
每個垂直都有獨特需求。
2. 更強的 PowerPoint、Excel 生成功能
讓 AI 產出的內容真正達到「董事會可用」的品質。
3. 產業整合生態系
推動全產業 MCP 整合，讓金融資料源 AI 化。
4. 與企業共創 Eval
企業不需要做「神秘模型評估」，只需：
- 明確定義任務
- 清楚描述什麼叫「好」
- 共同回饋模型漏洞
這些 eval 會被放入訓練與產品迭代，形成閉環。
