根據標準普爾全球（S&P Global）旗下人工智慧（AI）部門Kensho的最新部署，一套名為「Grounding」的多代理AI框架已正式上線，此創新運用開源函式庫LangGraph，旨在將複雜的金融數據整合至單一自然語言介面。這項技術革新了金融專業人士的數據存取方式，透過多代理AI架構，有效提升數據檢索的精準度與效率，並降低生成式AI潛在的幻覺風險，為高價值金融數據的應用樹立了新典範。
「Grounding」多代理AI架構核心解析
數據發現：Kensho近期推出的「Grounding」系統，其核心在於精密的路由器功能。這個路由器能夠高效地將使用者以自然語言提出的查詢，分配至多個專業化的數據檢索代理（Data Retrieval Agents, DRAs）。這些代理涵蓋了股票研究、固定收益、總體經濟及環境、社會與治理（ESG）指標等多個關鍵金融領域，並且由S&P Global內部不同的數據團隊負責維護與更新。
解讀意義：這種架構的意義在於，它能將單一複雜的查詢拆解成針對各DRA的子查詢，進行平行處理。完成後，再將所有結果彙整成一份連貫且附有引述來源的完整答案。此舉有效克服了S&P Global龐大且高度複雜的數據結構，解決了單純的檢索增強生成（RAG）實作方式難以應對的挑戰。
產業影響：透過這種創新的多代理協作模式，「Grounding」系統大幅提升了金融專業人士獲取數據的效率與準確性。例如，用戶不再需要跨多個平台或介面搜尋不同類型的金融資訊，而是能透過單一自然語言介面，獲得整合且可靠的數據洞察，這對於加快決策流程至關重要。
客製化DRA協定：數據整合與協作新典範
數據發現：Kensho工程師Ilya Yudkovich及Nick Roshdieh指出，S&P Global的數據結構極其複雜且細緻，傳統方法難以有效整合。為此，Kensho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通用格式，這解決了不同代理之間溝通介面不一致的問題。
Kensho工程師Ilya Yudkovich及Nick Roshdieh表示：「S&P Global的數據結構高度複雜且細緻，單純的檢索增強生成（RAG）實作方式難以應對。」
解讀意義：這個客製化協定不僅賦予了各數據團隊對其專屬代理的自主權，讓他們能更靈活地管理和優化特定領域的數據檢索邏輯，同時也透過路由層協調整體運作。這確保了當有新的代理加入系統時，無需重建既有的數據管線，大幅降低了系統擴展的複雜度和成本。
產業影響：此創新架構已催生多項專業應用，包括針對產業表現比較而設計的股票研究助理，以及協助追蹤永續性指標的ESG合規代理。這些應用展現了多代理AI在金融領域的巨大潛力，不僅能提升數據分析的深度，也能支援金融機構在永續發展等新興領域的決策需求。
打造金融級信任：Kensho三大關鍵洞察
數據發現：在「Grounding」系統的開發過程中，Kensho團隊歸納出三大關鍵操作洞察，這對於建立金融級別的信任至關重要。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，要建立可靠的金融級信任，必須透過多階段評估，涵蓋路由精準度、數據品質與答案完整性；最後，持續分析使用者互動模式，是迭代優化協定設計的關鍵。
解讀意義：這些洞察強調了在AI應用於高風險金融場景時，透明度、可驗證性和持續優化的重要性。透過讓每個回答皆附有經過驗證的S&P Global來源引述，「Grounding」系統有效降低了生成式AI可能產生的「幻覺」風險，確保輸出的資訊具有高度的可信度與依據。
產業影響：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的此項創新提供了寶貴的借鑒。它具體展示了如何在高價值金融數據領域，透過多代理AI技術實現高效、精準且可驗證的數據存取，為台灣金融資訊分析、量化交易與決策效率的提升，帶來重要的啟示。
數據背後的啟示：台灣金融業的借鑒之道
S&P Global Kensho的「Grounding」多代理AI系統，不僅是技術上的突破，更是為全球金融業如何安全、高效地利用AI處理複雜數據，提供了一個實際且成功的案例。其強調數據來源引述、多階段評估與持續優化的策略，為台灣金融機構在導入AI技術時，提供了建立信任與確保資訊品質的清晰路徑。未來，這項技術有望引導台灣金融業在數據分析、風險管理及客戶服務等面向，實現更深層次的數位轉型與創新。
About the Author
