標準普爾全球旗下AI部門Kensho，近期部署一套名為「Grounding」的多代理AI框架，該系統運用LangGraph技術，能將龐大金融數據整合至單一自然語言介面，讓金融專業人士透過提問即可獲得經驗證、附有來源引述的精準答案，有效解決複雜數據存取與生成式AI幻覺問題。
標準普爾全球（S&P Global）旗下人工智慧（AI）部門Kensho，近日已部署一套名為「Grounding」的多代理AI框架，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，革新金融專業人士的數據存取方式。
「Grounding」系統的核心在於其路由器（router）功能，能夠有效率地將用戶的查詢分配至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）指標等多元領域，且由S&P Global內部不同的數據團隊負責維護。當用戶以自然語言提出問題時，路由器會將查詢拆解為針對各DRA的子查詢，進行平行處理後，再將結果彙整為一份連貫且附有引述來源的答案。
Kensho工程師Ilya Yudkovich及Nick Roshdieh指出，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。為此，Kensho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，解決代理之間溝通介面不一致的問題。此創新架構不僅賦予數據團隊對其專屬代理的自主權，同時透過路由層協調整體運作，確保新代理加入時無需重建既有數據管線。
目前，這套系統已催生多項專業應用，包含針對產業表現比較的股票研究助理，以及協助追蹤永續性指標的ESG合規代理。在開發過程中，Kensho團隊也歸納出三大關鍵操作洞察：大規模多代理行為調試需仰賴全面的追蹤與元數據；要建立金融級別的信任，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）；以及持續分析互動模式，方能迭代優化協定設計。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。
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、精準且可驗證數據存取的具體案例，為未來台灣金融資訊分析、量化交易與決策效率的提升，帶來重要的啟示與借鑒意義。