OpenAI 與 Anthropic 的金融 AI，切入點不同

9 月的同一週，金融業先後收到兩則很像的公告。OpenAI 在 9 月 10 日發布 ChatGPT 金融服務版（ChatGPT for Financial Services）；Anthropic 在 9 月 14 日發布 Claude for Financial Advisors（OpenAI 官方頁；WealthManagement、InvestmentNews 報導）。名字都把 AI 和金融放在一起，工作起點卻相隔很遠。

OpenAI 先抓住投行與股票研究分析師的研究桌。Anthropic 則把鏡頭放到財務顧問開會前後、最容易被文書和系統更新吃掉的時間。兩家公司不是在回答同一題：一邊要把研究、建模與簡報串成流程；另一邊要把顧問不想做的行政工作接走。

Anthropic 在 2025 年曾發布面向華爾街機構的 Claude for Financial Services，這次發布的名稱、客群與夥伴生態都不同。不過，現有材料沒有正面說明兩者是獨立產品，或是同一策略的擴充。比起替產品關係下結論，先看兩家公司實際端出的工作場景，答案更清楚。

OpenAI ChatGPT 金融服務版：投行分析師的資料管線

OpenAI 官方頁把產品起手場景放在投資銀行與股票研究。頁面沒有只談 GPT-6 Astra 的推理能力，而是把模型、預先索引並託管的資料集、來源追溯和公司範本一起擺進研究流程。這種組合的意思很具體：分析師不必先在不同資料庫、文件與簡報格式之間來回搬運，再把結果交給模型整理。

資料層是產品的重量。官方列出 Daloopa、PitchBook、LSEG News 與 Crunchbase 等預先索引託管的資料，也列出 S&P Capital IQ、LSEG、MSCI、Dow Jones Factiva、Moody's 的既有訂閱共用登入整合，另有超過 50 個連接器的生態系與針對 S&P Global、FactSet 等常用 MCP 的最佳化。

模型層也不是單獨展示分數。官方以 OfficeQA Pro 為基準，列出 GPT-6 Astra 的 69.9% 與 GPT-5.6 Sol 的 60.2%。分數的比較基準已寫在頁面，但金融工作的重點不只在答對題目；資料能否回到來源、內容能否沿用公司的範本，會影響分析結果能否進入研究、建模或客戶簡報。

設計夥伴是 Morgan Stanley 與 Evercore，官方繁中頁也各自放入公司具名的官方引言。OpenAI 因此不是把金融業當成一個需要更強模型的標籤，而是把分析師桌上已有的資料、格式與交付物包成一條可用的資料管線。產品目前對符合資格的金融機構開放，取得方式是聯絡銷售或客戶團隊；公開頁沒有自助訂閱入口。

這條路線的關鍵不在於把研究員從判斷中拿掉，而在於把準備判斷的材料收得更近。資料有來源，結果才有機會被回看；範本能自動套用，分析才不必每次從空白格式開始。OpenAI 官方頁同時談這幾件事，顯示產品瞄準的是研究工作交付之前的整段過程，而不只是問答視窗裡的一次回答。

24/7 Wall St 把 Turley 的一句話，框成他對初級分析師會不會因此變少這個問題的回應：「You don’t need to do this by hand anymore.」該報導轉述，這句話把重點放在效率提升，不是取代分析師這個職位本身——這是 Turley 這則回應的立場，現有材料未提供可驗證的招募規模結果。

金融服務公司與開發人員也能用 API 自建，官方頁將它列為另一條路徑。那不等於 ChatGPT 金融服務版的公開定價已有答案，兩件事不能混寫。想知道 GPT-6 Astra 的 API 定價細節，可另見這篇比較；本文要看的，是被包成金融工作體驗後，資料與工作場景如何被重新安排。

Anthropic Claude for Financial Advisors：顧問行政瑣事的切入點

Anthropic 的方向從工作日曆開始。WealthManagement 資深編輯 Davis Janowski 與 InvestmentNews 記者 James Rogers 報導，Claude for Financial Advisors 在 9 月 14 日的 Future Proof Festival 現場公開，對象是財務顧問與 RIA。它不是先把問題放在一份股票研究報告，而是放在顧問接觸客戶前後反覆出現的準備、記錄與追蹤。

WealthManagement 報導列出的工作包括顧問上線、另類投資簡報、合規與 AI 政策審查、遺產稅務簡報、投組再平衡審查、會後筆記與追蹤、會前準備與潛在客戶接洽。Kitces 研究經 Anthropic 引用，指一般顧問執業時間只有六分之一花在客戶會面。剩下的時間若被文件、CRM 更新與審查占去，工具的價值就不在多寫一段漂亮文字，而在少漏一個交辦、一筆紀錄或一次檢查。

這也是 Anthropic 一口氣找來 11 家新夥伴的原因。報導列出 Schwab、BlackRock、Addepar、Envestnet、iCapital、Orion、SS&C Black Diamond、Wealthbox、Wealth.com、Vanguard 與 Zocks；既有整合還有 Microsoft 365、Salesforce、DocuSign、Box、FactSet、S&P Global、Morningstar。產品試圖連進顧問已經在用的系統，而不是要求顧問另起一個孤立的工作台。

Nolan 在 WealthManagement 專訪說：「We aren’t trying to replace any of the tools out there,」並把角色比作協調各種工具的指揮者。這句話不是功能保證，卻說明了切入點：Claude for Financial Advisors 賭的，是顧問最不願意花時間處理的行政工作。2025 年的 Claude for Financial Services 面向機構分析、研究與盡職調查；兩次發布的客群不同，但材料不足以判定產品關係，把未知保留下來，反而能避免把後續更新誤讀成改版、分拆或另開新線。

怎麼收費：一個未公布，一個有估計區間

價格資訊是兩家公司最不對稱的地方。OpenAI 的公開頁沒有列出 ChatGPT 金融服務版價格，也沒有最低席位數。TechRepublic 逐句確認 OpenAI 尚未對外揭露價格與最低席位要求。公開頁只請符合資格的金融機構聯絡 OpenAI 或客戶團隊，因此能確認的是未公布，不是沒有定價機制。

Anthropic 公開出來的線索多一些，仍不是官方牌價。WealthManagement 報導說，Claude for Financial Advisors 的外掛免費，使用者需要 Claude Co-Work；同一報導也稱外掛可用於 Claude Enterprise plans，並含稽核紀錄。這些是使用入口，不能被壓成只有 Enterprise 客戶才能用的說法。

Nolan 對 WealthManagement 描述計費邏輯為 usage-based，並給出每人每月約 70–120 美元的估計區間。70–120 美元是高層受訪估計，不是定價頁公布的牌價；用量高的人可能付得更多，報導也沒有交代所有合約條件。兩家公開資訊的完整度不同，不能簡化成 token 計費與訂閱制的對決。

價格現在還不能回答誰比較便宜，連比較的共同基準都還不存在，但這種差異會直接影響採購前期的討論方式。面對 Anthropic，團隊至少能把 70–120 美元放進試算，並註明它是受訪估計；面對 OpenAI，團隊得先取得報價，才知道席位與使用情境怎麼落在預算裡。兩種情況都還不能推出長期成本，更不能用一個月的數字宣告哪邊划算。

資料與系統怎麼接：兩種整合方式

兩款產品都靠資料與既有系統才有用，但接法不同。OpenAI 官方頁與 WealthManagement 報導呈現，OpenAI 以預先索引託管的資料集開場，主張免另設連接器；Anthropic 則連接顧問既有的 CRM、託管商與規劃工具。前者把研究資料帶進分析師流程，後者把顧問每天會碰的系統串起來。

對照表裡最容易被忽略的是供應鏈重疊：兩側材料都出現 S&P Global 與 FactSet，但整合角色不同——OpenAI 拿它們優化 MCP 連接效能，Anthropic 把它們列為既有整合；本輪材料只有 OpenAI 側列出 LSEG，不能把 LSEG 寫成兩邊共同整合。資料來源相近，不表示流程設計相同。

因此，資料整合不只是採購清單上的一格。預先索引託管的資料，適合用來縮短找資料、核對來源與輸出研究的距離；接回既有系統的整合，適合用來減少會議、追蹤與審查之間的手動轉抄。兩種做法都需要資料，差別在於資料先被放到研究桌，還是留在顧問每天使用的系統旁。

兩邊都在說不拿資料訓練

資料能不能被拿去訓練，是金融業採購時繞不開的門檻。OpenAI 官方頁寫明，公司的業務資料不會用於訓練模型，並列出 SAML SSO、SCIM、角色型存取、保留期限、資訊屏障與合規紀錄匯出。這些項目描出的是一個讓企業能設定權限、留存與隔離的環境。

Anthropic 的官方 webinar 活動頁則寫：「advisor approval on every action, audit trails, and no training on your clients' data」。顧問核准每個動作、稽核軌跡與不訓練客戶資料，被放在同一組控制項。InvestmentNews 的現場報導另記錄 Nolan 直接表示不會拿資料訓練。兩項說法來自不同場合，前者是活動頁的功能描述，後者是現場 panel 發言。

兩家公司都把不訓練資料放到檯面上，合理的推測是這類承諾已是金融業採購的進入門檻，信賴度中。公開材料同時顯示，兩邊講出的控制項不完全相同：OpenAI 側重企業資料、權限與保留設定；Anthropic 側重客戶資料、動作核准與稽核軌跡。採購時仍要回到合約與實際設定，而不是只看一句承諾。

這裡沒有足夠材料比較哪一套控制較完整。能確定的是，兩家公司都沒有把資料處理當成附帶條件，而是直接放進產品敘述。對金融機構而言，模型能做什麼固然重要；資料由誰使用、哪些動作留下紀錄、哪些資料不拿去訓練，也同樣決定工具能不能進入日常流程。

給非工程師的一句話

同一週的兩則公告，賭的其實不是同一種工作。OpenAI 把研究報告、資料、模型與公司格式放進投行分析師的工作裡；Anthropic 把會議前後、記錄、追蹤與檢查放進財務顧問的工作裡。

如果你不在投行，也不是顧問，仍然可以用一個簡單問題看企業 AI：它先替哪一種人減少哪一段工作？答案若是「幫研究員把資料變成可交付的報告」，OpenAI 的路線比較清楚；答案若是「幫顧問把開會前後的瑣事接起來」，Anthropic 的路線比較清楚。

誰會先賺到錢，材料沒有說。價格方面，OpenAI 未公布，Anthropic 只有估計區間；目前能比較的，是兩家公開材料呈現的工作流程切入點，不是誰的名稱更像金融。