Franklin Templeton 开发 AI 研究工作流，以揭示风险

Franklin Templeton 正在开发 AI 工作流，帮助投资组合经理比较投资研究并审视风险，OpenAI 在 2026 年 11 月 5 日发布的一份案例研究中表示。Codex 是其投资团队正在使用的多种工具之一。

这项工作旨在解决现有研究流程中的交接问题。分析师会先对股票进行初步分析、审阅财报电话会议内容，并研究各业务线的竞争对手，然后提出新想法，或向投资组合经理更新现有持仓的情况。研究、风险管理、合规和交易团队各有不同视角；Franklin Templeton 希望整合这些意见，让决策者既能评估投资想法背后的依据，也能审视其中的风险。

Franklin Templeton 公募市场投资业务高级副总裁 Katrina Dudley 将这一变化描述为超越自动化人工主导的流程。她说：“我们的研究流程已从辅助人工作业，转向重新构想投资研究工作流。”

从数据库访问到互联智能

最初的尝试是将数据存入数据库，再把模型连接到数据库。但这并未生成团队所需的答案，因为模型不理解数据之间的关联。加入智能体和语义层后，方案发生了变化。语义层是一种结构化模型，用于说明公司的数据代表什么，以及数据之间如何关联。

这一区别触及研究问题的核心：仅仅能够访问信息，并不足以提供解读信息所需的关联。团队正使用 Codex 和其他工具开发互联智能层，将数据引入各类工具，并为用户呈现洞见。

预期成果是建立一个受治理、可重复使用的基础，整合可信连接器、投资组合与工作流背景信息，以及能够为分析师和投资组合经理呈现可执行洞见的智能体能力。

开发工作也让系统的使用者参与其中。团队曾在黑客马拉松中使用 Codex，让专家与投资从业者携手打造自己的工具；新技术推出后不久，还会开设实操实验室，帮助团队测试这项技术如何融入日常工作。投资领域的 AI 推动者正努力将实验转化为可投入生产环境的工作流。

研究设计优先考虑多样性与风险

在其他场景中有助于发挥 AI 作用的某些行为，却可能给资产管理带来问题。许多工具会学习用户的偏好，并推荐更多类似内容；对于偏好某一家研究服务提供商的投资者来说，这可能意味着收到更多来自该提供商的报告。Franklin Templeton 认为，由此导致的视角收窄可能成为偏见的来源，因此希望分析师和投资组合经理能够接触多元的研究和观点。

风险也受到类似重视。系统旨在突出投资风险，并同时呈现投资想法背后的依据，让投资组合经理了解这些风险。Dudley 表示，在研究报告中识别风险“有助于做出更明智的投资决策”。

结合语义层方面的工作，这些要求使研究内容的覆盖范围成为系统设计的一部分：哪些观点能够触达用户，与能否检索到信息同样重要。因此，预期的工作流会将技术架构与投资领域的特定要求相结合，既保留不同观点，也让下行风险分析清晰可见。

护栏、应用推广与实地调研

领导层鼓励在明确界定的风险护栏内开展 AI 创新与实验，并接受并非每项举措都会成功。Dudley 表示，即便如此，每项举措仍应带来洞见，以增强能力、为未来决策提供参考并推动持续改进。从实验走向可用于生产环境的工具，还需经过安全审查、专家支持和数据协议等控制环节。

Dudley 的长期目标是让各投资团队都能使用互联智能，从分析师到各投资组的负责人皆可受益。她还希望分析师能花更多时间实地走访，与私营公司的专家、专业人士和高管交流，再将所得带回团队。随着工具不断发展，这种人的视角仍至关重要。

这项项目的意义在于将自动化与审慎约束结合起来。Franklin Templeton 正尝试呈现洞见、串联更多投资背景信息，同时让不同观点、明确的风险分析、安全控制和人的判断继续留在流程之中。关键问题是，这些要素能否在一个受治理、可重复使用的系统中协同运作，同时避免缩窄系统本想拓展的研究覆盖范围。