金融 AI 走向 Agent 實戰！IBM 攜手MDBS百商數位科技 佈局智慧財富管理與投資研究

IBM、MDBS百商數位科技與現場來賓合影，共同展望企業AI與金融科技新應用。圖／百商數位提供

金融 AI 走向 Agent 實戰！

生成式 AI 正加速從「問答對話」邁向「自主執行任務（Agentic AI）」的新時代。日前，百商數位科技（MDBS）與 IBM和是方電訊共同舉辦「Brain of Tomorrow：金融 AI Solutions × 智慧機房」研討會，聚焦 AI Agent 在金融場景的落地實踐、企業級運算架構與結構化數據應用，為財富管理、投資研究及券商服務帶來革命性突破。

財富管理導入 Agent：自動化合規與 KYC，釋放理專 40% 行政時間

IBM 台灣目標市場暨生態系總經理陳孝綸指出，導入 AI Agent 可省去理專 40% 行政時間，加速財富管理 AI 落地。圖／百商數位提供

IBM 台灣目標市場暨生態系總經理陳孝綸（Helen）指出，金融業導入 AI Agent 依需求可分為員工賦能、共通性需求與專用領域。其中，財富管理涉及高度敏感的客戶資料、專業金融知識與複雜內部流程，是專用領域 Agent 的重點應用場景。

陳孝綸表示，目前理專約有 35% 至 40% 的時間消耗在合規檢測、KYC（了解您的客戶）、風險識別等繁瑣的行政作業上。特別是服務高資產客戶時，前置作業需穿梭於多套系統間核對最終受益人與財源背景。透過 AI Agent 串接資料與跨系統流程，可自動化處理重複性檢核，大幅縮短服務前置時間，讓理專能將更多精力專注於資產配置、客製化投資建議與高品質的客戶互動。

資料品質決定落地成敗！貓頭鷹 AI（OWL AI）大幅降低 94% Token 成本

MDBS董事長張立元分享結構化金融數據API，協助AI降低資料處理成本，提升資料完整度與分析效率。 圖／百商數位提供

MDBS百商數位科技董事長張立元（Simon）強調：「若 AI 取得的個股基礎資訊有誤，後續的分析決策必然失真。金融 AI 的落地，除了大模型本體外，數據源的乾淨度、完整性與更新效率，直接決定了 AI 應用的商業價值。」

AI Agent 能否產出精準可靠的金融分析，關鍵在於「資料底座」。MDBS 研發的「貓頭鷹 AI（OWL AI）」專為金融 AI 提供標準化、結構化的數據支援，涵蓋即時價量、KD、RSI、MACD、資金流等技術指標，以及營收、EPS、ROE、ROA、本益比等基本面資訊，讓 AI 透過 API 直接調用。

現場特別以「計算元大台灣50（0050）過去 15 年定期定額還原報酬率」進行對比測試：傳統以 AI 推理搭配網路爬蟲，耗費高達 766,301 個 Tokens，資料涵蓋率卻僅有 73.3%；而改用 MDBS 結構化金融數據 API 後，Token 使用量驟降至 45,921（節省逾 94% 算力成本），且順利取得完整 180 個月的數據，涵蓋率高達 100%。

龍蝦山莊與雪鴞策略積木平台：多 Agent 分工協作，打造專業級投資研究團隊

百商數位現場展示金融 AI 基礎建設的示範應用「龍蝦山莊」，讓不同 Agent 扮演專業分工的角色。 圖／百商數位提供

MDBS 董事長張立元（Simon）現場分析台積電（2330）為例，系統可依研判需求派發任務給「法人分析Agent」、「財報分析Agent」與「籌碼分析Agent」。財報 Agent 能深化處理營收與 EPS 等細節，最終再交由「總分析師 Agent」整合法人面、財報面、技術面與存股面等資訊，產出完整研究報告。企業亦可導入自身的獨家 Know-how 與分析規則，實現高度彈性的投研流程。

此外，MDBS 也同步將「雪鴞」納入金融 AI Solutions 藍圖，與貓頭鷹 AI、龍蝦山莊形成完整的智慧投資產品矩陣，加速擴大生態系布局。

金融AI應用持續擴大

結合 IBM 在企業級 AI 與 Agent 架構的強大技術能力，以及 MDBS 百商數位科技在金融數據、高頻交易系統與應用開發的深厚底蘊，雙方成功將 AI Agent 推進至財富管理與投資研究等核心場景。未來將持續透過數據、算力與金融專業的深度融合，協助金融機構轉型升級，打造更高效、精準且安全的金融 AI 應用新標竿。

這篇文章 金融 AI 走向 Agent 實戰！IBM 攜手MDBS百商數位科技 佈局智慧財富管理與投資研究 最早出現於 電腦DIY。