资本市场咨询公司Chatham在OpenAI发布的客户案例中称,使用Codex开发的交易核验应用,在早期测量中将审查耗时从约30分钟缩短至不足4分钟。公司仍在以真实交易和资深审核员的结果验证应用表现,再扩大自动化。

这项核验检查的是:系统中的交易记录,是否符合客户授权及实际执行情况。据OpenAI案例介绍,应用负责收集交易支持证据、比对关键条款,并标记差异供审核人员检查;Chatham仍在将应用结果与资深审核员的结果进行对照。

耗时数据来自案例中Chatham的Alex Nordlinger的介绍。材料没有披露样本量、测量周期、交易类型分布或计时起止点,也未说明是否计入全部人工复核和异常处理时间。因此,这组早期审查耗时不能直接用来判断完整交易处理成本下降了多少。

准确性同样需要后续证据。现有材料未披露误报率、漏报率或与资深审核员的一致率,尚不足以确认应用提高了核验准确率,或已经能够可靠地完成端到端自动化。OpenAI案例与Chatham的方法文章均来自相关商业主体,后者也没有独立验证这组耗时数据。

Chatham在2026年9月10日发布的Process Zero方法文章中称,团队应先明确流程必须交付的结果,确定必要输入并重新设计流程,之后再选择应用、模型或平台。公司还提出,重设计后的流程应由领域专家测试;原型进入生产前,需要完成测试、安全、权限、监控等工作,并由指定负责人和领域专家依据明确验收标准决定是否上线。这些是公司的方法要求,不能据此认定交易核验应用已完成全部生产验收。

从这一案例看,值得关注的变化是证据整理、条款比对和差异筛查如何与专业审核衔接。要判断它能否持续节省完整流程的投入,还需要知道复核后有多少结果可被接受、异常处理耗费多少时间,以及系统的运行成本。

据OpenAI案例介绍,Chatham计划将应用扩展至更多交易类型,并在保留适当控制和专业监督的情况下提高自动化程度。这仍是后续计划,现有早期结果能否推广到更多交易,有待进一步验证。

参考来源: