標準普爾全球（S&P Global）旗下的 Kensho 人工智慧部門，近日成功部署了一套名為「Grounding」的多代理AI框架。這項創新運用開源函式庫 LangGraph，其核心目標是將錯綜複雜的金融數據，整合至一個單一且直觀的自然語言介面，徹底革新金融專業人士獲取與分析數據的方式。
事實陳述：多代理AI如何重塑金融數據檢索
「Grounding」系統的設計精髓在於其獨特的路由器功能，它能夠智慧且高效地將用戶的查詢，精準分配給各個專業化的數據檢索代理（Data Retrieval Agents, DRAs）。這些代理各司其職，涵蓋了從股票研究、固定收益、總體經濟分析，到環境、社會與治理（ESG）指標等多元領域，並且由 S&P Global 內部不同的數據團隊專責維護，確保其專業性與即時性。
當金融專業人士以日常語言提出問題時，路由器會巧妙地將複雜的查詢拆解為多個針對各 DRA 的子查詢。這些子查詢得以平行處理，大幅提升效率，隨後系統會將各代理的回傳結果彙整成一份連貫且富含引述來源的完整答案，有效解決了傳統數據檢索耗時費力的痛點。
各方觀點：從技術挑戰到業界應用
S&P Global 的數據結構向來以其高度複雜與細緻著稱，這也帶來了技術上的挑戰。Kensho 工程師 Ilya Yudkovich 與 Nick Roshdieh 便指出，單純的檢索增強生成（RAG）實作方式，難以應對如此龐大且多元的金融數據生態。為了克服這一難題，Kensho 團隊特別開發了客製化的 DRA 協定，旨在為結構化與非結構化數據的回傳建立一套通用格式，有效解決了各代理之間溝通介面不一致的問題，這點對於大規模系統的穩定運作至關重要。
這項創新架構賦予了數據團隊對其專屬代理的自主權，同時透過路由層協調整體運作，確保了即使在系統中新增代理，也無需重建既有的數據管線，展現了極高的彈性與擴展性。目前，「Grounding」系統已催生出多項實用的專業應用，例如針對產業表現比較的股票研究助理，以及協助追蹤永續性指標的 ESG 合規代理，這些應用都直接提升了金融專業人士的工作效率與決策品質。
背景補充：確保AI信任與未來展望
在「Grounding」系統的開發過程中，Kensho 團隊歸納出三大關鍵操作洞察：首先，大規模多代理行為的調試，必須仰賴全面的追蹤與元數據支援；其次，要建立金融級別的信任，系統必須經過多階段評估，涵蓋路由精準度、數據品質與答案完整性；最後，持續分析用戶互動模式，方能迭代優化協定設計。這些經驗對於任何欲在高價值領域導入 AI 的企業，都具有重要的借鑒意義。
面對生成式 AI 可能產生的「幻覺」風險，「Grounding」系統採取了關鍵的防範措施。它確保每個回答都附有經過驗證的 S&P Global 來源引述，大幅降低了資訊不準確的可能性，這對於高度依賴精準資訊的金融產業而言，無疑是建立信任的基石。對於正積極擁抱人工智慧應用的台灣金融業者而言，S&P Global Kensho 的此項創新，提供了一個如何在高價值金融數據領域，透過多代理AI技術實現高效、精準且可驗證數據存取的具體案例。這不僅為台灣金融資訊分析、量化交易與決策效率的提升，帶來了重要的啟示，也指出未來金融科技發展的關鍵方向。
