先看证据
四分钟背后，不是一次模型提速
Chatham Financial是一家为客户处理复杂资本市场决策的咨询公司。2026年10月2日，OpenAI公布了Chatham使用Codex构建内部和面向客户的工具，并以GPT-5.6为AI功能提供能力的案例，覆盖员工自建应用、资本市场操作系统Chatham Onyx，以及名为Process Zero的流程重构服务。它面对的问题很具体：交易记录必须与客户授权和实际执行相符，而且整个验证过程要能够被追溯和审计。
这次案例值得读，不是因为金融机构又接入了一个大模型，而是因为效率提升来自流程重写。Chatham称，交易验证应用把原本约30分钟的复核压缩到4分钟以内，但系统并没有因此直接取得“自动放行”的权力。应用先收集交易证据、比较关键条款、标记差异，再把需要判断的部分交给专业人员复核。
Process Zero先定义证据，再决定哪里自动化
Process Zero的核心方法，是从希望得到的结果出发，而不是从“模型能做什么”出发。对每条工作流，Chatham先确定完成任务所需的最小输入和证据，再区分哪些环节必须依赖人的判断，最后才决定AI和由AI构建的工具应该介入哪里。这个顺序改变了系统设计的起点，也避免把聊天式交互误当成完整的业务流程。
交易验证正好说明了这种拆分。Controls and Data Integrity团队负责维护交易数据的准确性，应用则承担证据汇集、关键条款比对和异常提示。它没有被描述成一个替代资深审核者的黑箱，而更像一个把审核前的机械工作结构化的控制层。对于技术负责人，这意味着系统的主要接口不应只是“输入问题、输出答案”，还必须包括证据来源、比对结果、异常原因和后续复核记录。
验证门槛决定了四分钟的含义
Chatham明确表示，早期测量还要与真实交易和资深复核者的结果进行对照，之后才会扩大自动化范围。这句话限制了“4分钟”的解释：它目前是应用完成一轮处理或初步复核的时间，不是端到端无人化处理的承诺。材料同样把“更准确”表述为最终目标，而不是已经被充分证明的生产结论。
这也是金融场景和普通办公自动化之间的关键差异。速度可以在单次运行中测量，但准确性必须放进真实交易、异常样本和人工基准中反复检验。若系统只展示更快的平均处理时间，却不能保留每条证据的来源、每次差异的解释以及谁作出了最终判断，效率提升反而可能扩大错误传播的速度。Chatham计划扩展到更多交易类型，并继续保留适当的控制和专业监督，说明自动化边界仍由验证结果决定。
从员工自建应用到Onyx，企业AI形成两条路径
Chatham并没有把所有AI能力都压进一个自上而下的平台。员工日常使用ChatGPT和Codex进行研究、分析、写作和软件开发，也通过内部平台Chatham Vibes创建面向具体工作的应用。这些应用已经覆盖到期交易的审阅、定价工作簿和客户沟通，也包括固定收益利率表、对冲看板和交易确认审阅。Vibes中的AI功能默认使用GPT-5.6 Terra，应用也可以按配置选择GPT-5.6 Sol。
与此同时，Chatham Onyx承担的是另一种职责。它把资产、债务和衍生品放进连接且受治理的数据环境，让客户和顾问能够使用AI，同时追溯到底层来源。Codex贯穿Onyx的规划、开发、测试、文档和代码审查，平台使用GPT-5.6 Sol、GPT-5.6 Terra、GPT-5.4和GPT-4.1。两条路径的组合很有现实意义：员工自建应用提供靠近业务现场的试错速度，Onyx则把经过筛选的能力沉淀为更稳定、更可治理的产品能力。
技术负责人应复制方法，不应复制表面指标
这个案例给金融技术团队的可执行判断，是优先寻找证据结构稳定、异常能够交给专家处理的流程。第一阶段不必追求完全无人化，而应先把输入、证据、模型输出、异常分类和人工结论固定下来，再用真实交易和资深复核者建立比较基线。只有当这些记录足以支持审计和回溯，扩大交易类型或减少人工环节才有工程上的依据。
Chatham的路线也提示了组织层面的代价。员工自建应用能迅速贴近业务，但会带来模型配置、权限、数据来源和质量标准不一致的问题。集中式平台可以提供治理和追溯，却需要更多产品化与维护投入。因此，4分钟不是采购模型后的自然结果，而是流程边界、证据管理、专业复核和软件工程共同作用的结果。若一个团队无法回答“系统依据什么做出提示、谁确认了结果、错误如何被追回”，它还没有准备好把同样的自动化扩展到更高风险的交易流程。