Building ChatGPT for Finance — Joseph Kim, OpenAI's Head of Financial Services

OpenAI 金融产品负责人 Joseph Kim 说，ChatGPT 金融版 95% 的活创业公司也能干，但接第三方数据接口错误率高达 40%，只能自己把数据搬进来。

一家创业公司能不能靠 ChatGPT 插件做出十亿美元生意？OpenAI 自己给出的答案是"能"，因为金融版产品 95% 的部分没有动用改模型的能力。但剩下那 5% 才是关键：他们测了一圈市面上的数据接口，发现大牌供应商的错误率超过 40%，最后只能花钱把数据买进来自己做。

Joseph Kim 在纽约 AI Finance 活动上发布 ChatGPT for Financial Services，设计伙伴是摩根士丹利和 Evercore。他反复强调一件事：这产品大部分不是靠 OpenAI 的独门本事。

• 95% 的部分创业公司也能做：产品主要搭在 ChatGPT 的插件架构和现成积木上，Joseph 说他的团队本质上就是"一家建在 OpenAI 技术上的创业公司"。
• Codex 能带你走 80%：他的判断是 Codex 本身能把你送到一个成功产品的 80%，但直接拿 Codex 当金融产品发布必败，剩下 20% 才是胜负手。
• 那 20% 可能是数据、界面或某个集成：他预测会出现建立在 ChatGPT 插件上的十亿美元公司，靠的就是这层"秘方"。

按第一性原理，把财报电话会记录打包进产品很难辩护：客户可能已有授权，会觉得付了两次钱，商店里还有现成的数据接口。但实测推翻了这个逻辑。

• 大牌接口错误率 40%+：他们逐个测了市面上的 MCP（一种让 AI 调用外部数据源的接口标准），一些知名供应商的错误率超过 40%，纸面很美，实际不能用。
• 只能把数据搬进自己家：要大规模修掉这个问题，唯一办法是控制端到端体验，多花的钱值得——客户反馈里排名第一的优点就是数据。
• Codex 采用率的拐点在桌面版：内部图表显示，软件工程采用率平稳上升，金融、法务、销售原本几乎为零，2026 年 2 月 Codex 桌面版发布后直接跳到 90%。

金融人最怕"一个错误毁掉职业生涯"，Joseph 的判断相反：事实性错误正在快速减少，"幻觉"这个词 2022、2023 年天天提，现在很少提了。

• 真正卡住的是审美判断：模型现在的问题是"这张幻灯片看着丑"，颜色不对、排版粗糙——不算错，但决定这份工作有没有用。
• 训练品味靠人对比两张图：给一堆人看成对的幻灯片选哪张更好，训一个奖励模型，这套方法早期强化学习就在用。人说"这张好"只要几秒，模型烧一堆推理 token 还可能判错。
• 对标编程：编程是"代码能不能编译"这类可验证奖励加"系统设计干不干净"这类品味奖励，金融的 Excel 模型结构完全类似，所以他有信心。

"我真心认为，会有一家十亿美元的公司，是建在一个 ChatGPT 插件之上的。"

• 如果你在做垂直 AI 产品，先算清楚"通用模型能带你走多远"：Joseph 的 80/20 判断可以直接借用——把资源全押在那 20% 的秘方上（专有数据、行业工作流、集成），而不是重做通用能力。
• 选第三方数据/工具接口前先做错误率实测，别信纸面：40% 的错误率意味着在金融这类场景里，自建数据管道可能比接现成接口更省钱。