当大多数金融机构还在讨论要不要把大模型接入核心流程时，Chatham Financial已经把交易验证这一步交给了Codex和GPT-5.6。
发生了什么
据OpenAI披露，资本市场咨询公司Chatham Financial正在使用Codex与GPT-5.6来构建内部技术并重新设计工作流。最直接的结果是：单笔交易验证的耗时从约30分钟降到4分钟以内。
需要说明的是，OpenAI给出的信息相当克制——没有披露部署规模、覆盖的交易类型、准确率指标，也没有说明人工复核环节是否保留。因此这条消息的价值不在于"AI取代了谁"，而在于它给出了一个具体、可对照的效率数字。
为什么重要
交易验证是资本市场里典型的"高专业度、高重复度"工作。它要求从业者核对条款、利率、期限、对手方信息等结构化与非结构化混杂的内容，容错率极低，但单笔操作又高度模式化。这类任务恰好落在当前编码智能体与推理模型的能力甜区：既有明确的规则边界，又需要跨文档的理解与比对。
更值得注意的是Chatham选择的路径。它没有采购一个现成的金融SaaS，而是用Codex来"构建技术"——也就是说，模型在这里同时扮演了两个角色：写代码的工具，以及被写进代码里的能力。对一家非科技公司而言，这意味着它把一部分工程能力内化了，而不只是买了一个功能。
从30分钟到4分钟，压缩的是人力在流程中的停留时间。在交易量波动大的业务里，这种压缩直接对应吞吐能力和响应速度，而不只是"省了几个工时"。
影响与看点
对金融科技和垂直SaaS来说，这是一个略带压力的信号：当客户能自己用编码智能体搭出贴合自身流程的工具，通用型产品的差异化空间会被进一步挤压。真正难被替代的，是数据治理、合规审计和行业know-how的沉淀，而不是流程本身。
对开发者而言，值得关注的是"模型即内部工具链"这一模式。Chatham的案例说明，编码智能体的价值未必体现在对外交付的产品上，也可能体现在企业自己长出来的那套自动化系统里。
对从业者来说，30分钟到4分钟不该被读成裁员预告，而应被读成角色迁移：验证动作被自动化后，人的价值会更多落在异常判断、规则制定和结果负责上。
一个独立判断：这类案例的真正门槛不在模型能力，而在企业是否愿意把核心流程的规则显性化——能被写进代码的流程，才能被压缩。
