最近,腾讯WorkBuddy金融版正式进入金融行业。
9月3日,腾讯发布WorkBuddy金融版,面向银行、券商、保险等金融机构提供专业化AI工作台。
这次发布有几个数字值得关注:80多个金融专属专家和技能,覆盖公司金融、零售金融、投研投顾、个客经营四大工作台。
腾讯还披露,自2026年3月以来,WorkBuddy已经进入中金公司、国投证券、平安银行、中国太平等100多家金融机构。
与此同时,券商也开始陆续入驻这个生态。
广发证券推出自己的Buddy应用专区,中信建投建设「蜻蜓Skill广场」,东方财富、兴业证券等机构也在探索将专业能力封装成Skill,接入外部Agent平台。
表面上看,这只是金融机构多了一个AI工作台。
但我觉得,这件事背后可能有一个更大的变化:
下一代金融软件的竞争,可能不再只是业务系统之间的竞争,而是AI工作入口之间的竞争。
过去,员工打开券商的投研系统、CRM、交易系统、OA,完成各自的工作。
未来,员工可能只需要打开一个Agent,描述自己要完成的任务,Agent自动调用背后的数据、工具和业务系统。
如果这个趋势成立,那么问题就来了:
当员工不再频繁打开券商自己的业务系统,而是通过外部Agent完成工作,券商会不会逐渐失去自己的软件入口?
这可能比AI替代多少员工更值得关注。
一、WorkBuddy真正争夺的,可能是下一代金融软件的入口
我们先回顾一下企业软件的发展。
PC时代,企业通过ERP、CRM、OA、财务系统等软件组织工作。
移动互联网时代,很多业务入口转移到了手机APP和超级应用。
现在,Agent正在尝试成为新的工作入口。
以前,一个分析师想完成一份行业研究,可能需要:
打开行情系统,查询市场数据;打开资讯终端,搜索行业新闻;打开公告系统,查阅上市公司公告;打开内部知识库,检索历史研报;最后再打开文档软件,完成研究报告。
整个过程涉及多个系统。
未来的工作方式可能发生变化。
分析师只需要向Agent提出任务:
「帮我分析某行业最近三个月的景气度变化,结合重点上市公司财务数据、行业新闻和历史研究观点,形成一份分析框架。」
Agent负责理解任务、拆解步骤、调用数据工具、检索知识库、整理结果,最后交付一份结构化分析。
当然,研究结论仍需要分析师核验,不能因为Agent能够完成任务编排,就认为它能够替代专业研究判断。
但从交互方式来看,变化已经很明显:
过去是人寻找系统、学习系统、操作系统。
未来可能是人描述任务,由Agent寻找和调用系统。
这两种模式最大的区别在于:
过去软件是工作入口,未来Agent可能成为工作入口,软件则退到后台成为能力提供者。
这正是WorkBuddy这样的产品值得金融机构关注的地方。
它不仅提供一个聊天窗口,而是在尝试把金融业务视图、行业Skill、专家团、MCP应用、数据连接器和流程规则组合起来。
如果未来这些能力能够真正进入金融机构的日常工作流,Agent就有机会成为员工每天打开的第一个应用。
这里有一个值得警惕的产业变化:
当员工习惯通过外部Agent完成工作,平台就可能逐渐掌握任务入口、工具分发和使用习惯。
这并不意味着WorkBuddy已经控制了券商的业务入口,但它代表了一种正在形成的竞争可能性。
对于券商而言,不能只关注自己接入了多少个Skill,还应该思考:
未来员工每天打开的,到底是券商自己的系统,还是外部Agent平台?
二、券商的专业能力,正在从「研报」变成「可调用的Skill」
第二个变化,我认为甚至比工作入口更值得关注。
过去,券商的专业能力主要通过几种方式输出:
研究报告、投资策略、数据终端、投顾服务、机构服务。
这些能力往往存在于特定业务系统和专业人员的工作流程中。
例如,研究所的行业研究方法,可能沉淀在分析师个人经验和内部研究资料中。
一个分析师积累了十年的行业经验,真正有价值的并不只是他写过多少篇报告,而是他形成了怎样的分析框架、数据处理方法和研究判断逻辑。
但过去,这些能力很难被其他系统直接调用。
AI和Skill正在改变这件事。
我们可以把一个完整的研究能力拆成多个专业Skill:
宏观经济分析; 行业景气度分析; 上市公司财务分析; 产业链供需分析; 估值比较; ETF筛选; 研究报告生成; 研究观点验证。
每一个Skill都可以拥有明确的输入、处理流程、数据工具和输出结果。
不同Agent可以根据任务需要组合这些能力。
这意味着券商过去沉淀在研究员个人经验里的知识,有机会被组织化、结构化,成为可以复用的数字资产。
这也是为什么广发证券、中信建投等机构开始尝试把专业能力封装成Skill。
广发证券公开披露的首批布局包括12项自研Skill和9项专家能力;中信建投的「蜻蜓Skill广场」则推出ETF筛选、个股研判、财报透视等专业能力。
这些实践虽然处于不同的建设路径,但都指向一个趋势:
券商的专业能力,开始从只能由人提供的服务,转向可以被Agent调用的能力组件。
我甚至认为,未来券商研究所的竞争,可能不仅是研究报告的竞争,还会是专业Skill的竞争。
谁的行业研究框架更成熟,谁的数据更可靠,谁的分析方法更容易复用,谁就可能在Agent生态中获得更多调用机会。
不过,这里也有一个商业问题:
如果用户通过外部Agent调用了券商的研究Skill,券商究竟获得了什么?
是一次服务曝光?一次客户触达?一条潜在获客线索?还是可以持续收费的专业服务?
目前这些商业模式还需要探索。
但可以确定的是,专业能力被调用,不等于券商自动获得了客户关系。
Skill可以成为新的能力出口,但不能把客户关系也一并交出去。
三、券商最需要警惕的,是从专业服务商变成平台的能力供应商
这里我想把问题说得更直接一些。
假设未来出现这样一种情况:
一个投资者每天使用某个通用AI助手。
他不再打开券商APP,而是直接问AI:
「帮我筛选符合某种条件的ETF。」
AI调用A券商的ETF筛选Skill,调用B券商的数据服务,再调用C券商的研究分析能力,最后给出结果。
整个过程中,用户可能根本不知道自己调用了哪家券商的服务。
这时候,谁掌握客户?
谁掌握入口?
谁掌握用户行为数据?
谁决定专业服务的分发顺序?
如果券商只是提供底层Skill,而外部平台掌握用户交互、任务编排和推荐分发,那么券商就可能面临一个问题:
自己的专业能力越来越容易被调用,但自己的客户关系却越来越弱。
这和移动互联网时代有些相似。
很多企业拥有产品和服务,却需要通过第三方平台触达客户。
但Agent时代可能更进一步。
过去平台主要负责流量分发。
现在Agent平台不仅可能负责流量分发,还可能直接完成任务、调用服务、组合不同供应商的能力。
它对产业链的影响可能更深。
当然,这只是未来可能出现的一种竞争格局,并不代表现有WorkBuddy生态已经形成这种市场控制力。
但券商应该提前思考。
我认为至少有三个问题需要回答:
第一,券商是否拥有自己的客户入口?
外部Agent可以帮助券商触达更多用户,但券商自己的APP、专业工作台和客户服务体系不能因此放弃。
第二,券商是否拥有自己的专业能力标准?
Skill应该能够在不同平台之间迁移,而不是只能运行在某一家厂商的生态里。
第三,券商是否拥有自己的客户关系和服务数据?
外部平台可以提供交互入口,但客户授权、服务记录、业务关系和后续服务机制,需要有明确的边界。
否则,券商可能逐渐从专业服务提供者,变成外部平台背后的数据和能力供应商。
四、券商不应该重复造一个WorkBuddy,但必须拥有自己的控制面
说到这里,可能有人会问:
既然外部平台正在成为新的工作入口,券商是不是应该自己开发一个类似WorkBuddy的平台?
我的观点是:
不一定需要重复建设一个通用Agent平台,但一定要掌握自己的Agent控制面。
这两件事不能混为一谈。
通用Agent平台需要解决模型接入、任务编排、工具调用、Skill管理、多Agent协作、文件处理等基础问题。
这些能力更新非常快,专业科技厂商已经投入大量资源。
对于多数券商来说,完全从头建设,未必是最有效的资源配置方式。
但券商不能把所有能力都交给外部平台。
尤其是身份、权限、数据和审计。
我认为,券商需要建立一套独立于具体Agent平台的控制体系。
可以把它理解为企业AI时代的控制面。
1. 统一身份:无论从哪个入口进入,都知道是谁在操作
未来员工可能同时使用WorkBuddy、自建Agent平台和其他专业AI应用。
如果每个平台都有自己的用户体系,权限管理就会越来越复杂。
券商应该统一用户身份,并进一步识别Agent的身份、创建者和授权关系。
2. 统一权限:人有权限,不代表Agent天然有权限
这是金融机构尤其需要注意的地方。
例如,一名研究员可以访问内部研究报告。
但这不代表他创建的Agent可以自动将所有研究报告传输到外部平台。
每个Agent应该拥有明确的权限范围。
它可以访问哪些数据、调用哪些工具、执行哪些操作,都应该有明确规则。
3. 统一数据服务:不要让每个Agent直接连接业务数据库
行情、财务、公告、研究报告、客户信息等数据,应该通过标准化的数据服务层提供。
Agent通过API或MCP调用服务,由券商自己的系统完成身份校验、权限过滤和数据处理。
这样,无论使用哪一家Agent平台,都可以复用同一套数据能力。
4. 统一审计:能够还原每一次Agent执行
未来出现问题时,券商需要知道:
谁发起了任务?
调用了哪个Agent和Skill?
使用了哪个模型?
访问了哪些数据?
调用了哪些工具?
执行了什么操作?
最终结果是否经过人工确认?
这些记录不能分散在不同的平台里。
尤其是涉及客户权益、投资研究和业务操作的场景,必须保留清晰的责任边界。
这里有一个原则:
Agent可以有很多个,入口可以有很多个,但身份、权限和审计不能各管各的。
这才是券商应该长期掌握的基础设施。
五、我建议券商采用「一个控制面、两类入口、三类资产」的建设思路
如果让我设计一家券商的AI建设路线,我不会首先考虑采购哪个Agent平台,而是先把企业自己的能力边界定义清楚。
我更倾向于采用以下模式。

这里有三个关键点。
第一,内部和外部入口可以不同,但底层专业能力应该尽量复用。
研究所开发一套成熟的ETF分析Skill,不应该因为内部工作台和WorkBuddy是两个入口,就开发两套完全不同的逻辑。
应该将专业能力封装成标准化服务,根据不同入口的身份和权限进行调用。
第二,专业能力要能够迁移。
不要把所有Skill都写死在某一家平台里。
应该尽量采用标准化输入输出、API和MCP接口,减少平台锁定。
第三,控制面必须独立。
无论未来更换哪家Agent厂商,券商自己的Identity、权限策略、数据服务和审计体系都应该保持稳定。
这样才能真正实现平台可替换、能力可复用、数据可控制。
六、未来券商真正需要竞争的,可能是三种能力
最后,我认为WorkBuddy带来的变化,可以让我们重新思考券商未来的竞争壁垒。
过去,券商竞争更多体现在客户资源、研究实力、交易服务和渠道覆盖。
AI时代,这些优势仍然重要,但可能需要通过新的方式释放。
第一,数据能力。
谁拥有更高质量、更及时、更有特色的数据,谁就能为Agent提供更可靠的专业服务。
第二,专业能力。
谁能把分析师、投顾、机构业务人员多年积累的经验沉淀成可复用的Skill,谁就更容易形成专业优势。
第三,客户经营能力。
谁能够在AI生态中保持客户连接,持续理解客户需求,并将AI服务真正转化为客户价值,谁才有可能获得长期收益。
通用模型可以采购,Agent框架可以替换,Skill也可以在一定程度上复制。
但真正有价值的数据、专业知识、客户关系和业务经验,需要长期积累。
这才是券商应该守住的竞争壁垒。
写在最后:不要只争一个AI入口,更要守住自己的能力边界
WorkBuddy进入金融业,我认为是一个值得重视的行业信号。
它让我们看到,金融软件正在出现一种新的组织方式:
员工通过Agent发起任务,Agent调用专业Skill,Skill连接数据和工具,最后完成业务流程。
这可能会改变金融机构过去依赖多个独立业务系统组织工作的方式。
对于券商而言,完全拒绝外部平台并不现实,重复建设通用Agent也未必有价值。
但拥抱生态,也不意味着把自己的核心能力全部交出去。
我更倾向于这样理解未来的竞争:
外部平台可以成为入口,但不能成为券商唯一的入口;专业能力可以开放,但必须掌握自己的标准;数据可以被调用,但权限和控制权必须留在自己手里。
过去,券商担心的是客户被其他机构抢走。
AI时代,券商还需要思考:自己的员工会不会习惯其他平台,自己的专业能力会不会变成别人的工具,自己的客户关系会不会被新的Agent入口重新分配。
这场竞争,表面上是AI工作台之争。
往深了看,是下一代金融软件生态的话语权之争。
谁掌握入口,谁组织能力,谁连接客户,谁就更有机会定义下一代金融服务。

研报速递