Your privacy choices

Allow optional cookies for referral attribution, visit analytics, and Google Ads purchase measurement.

Назад к блогу
العربيةDeutschEnglishEspañolFrançais日本語한국어Bahasa MelayuPortuguêsРусскийไทยTiếng Việt繁體中文中文

Разбор кейсов Tencent WorkBuddy в финансах: почему инвестиционный due diligence, multi-agent риск-контроль и аналитика по акциям A-share начинают отдавать AI Agent

WorkBuddyTencentфинансыdue diligenceриск-контрольинвестиционная аналитикаAI Agent

Публичная иллюстрация WorkBuddy Enterprise

Если воспринимать WorkBuddy в финансовой отрасли как "еще один AI, который умеет писать отчеты", вы сильно недооцениваете его роль.

Я специально поднял несколько открытых материалов, напрямую связанных с инвестиционным due diligence, мониторингом рисков, автоматизацией аналитики по акциям A-share и приватным развертыванием. После этого вывод для меня стал очень понятным:

Главная ценность WorkBuddy в финансах не в красивых формулировках, а в том, что он начинает заходить в реальные процессные сценарии.

А в финансах самое тяжелое как раз не "сформулировать вывод", а вот это:

  • переносить данные между разными системами;
  • заполнять шаблоны в разных форматах;
  • непрерывно мониторить риски;
  • извлекать структурированную информацию из ресерч-отчетов и финансовой отчетности;
  • доводить весь процесс до конца в рамках требований комплаенса.

Именно поэтому я считаю, что финансовый сектор — одна из самых подходящих сред для WorkBuddy и других AI Agent, которые умеют не только отвечать, но и вести рабочий процесс.

Короткий вывод

  • По состоянию на 29 июня 2026 года наиболее убедимые публичные кейсы WorkBuddy в финансах сосредоточены вокруг четырех направлений:
    1. Инвестиционный due diligence и генерация первого драфта отчета
    2. Круглосуточный multi-agent риск-контроль 7x24
    3. Автоматизированный конвейер аналитики по акциям A-share
    4. Приватное развертывание, локальная обработка данных и замкнутый контур аудита
  • Если смотреть на открытые материалы Tencent Cloud Developer Community, ценность WorkBuddy в финансах уже не сводится к вопросу "может или не может". Мы видим вполне предметные элементы:
    • структуру хранилища материалов;
    • способы подключения данных;
    • оркестрацию задач между несколькими Agent;
    • приватное / VPC / локальное окружение;
    • и довольно конкретные цифры по эффективности.
  • Если вы работаете в инвестиционном банкинге, бэк-офисе, риск-контроле, ресерче, комплаенсе или финансовой обработке данных, ценность таких кейсов заметно выше, чем у обычных демо "AI для офиса".

Почему финансовую отрасль проще всего убеждает "процессный AI"

Финансовые команды устают не потому, что им нечего анализировать, а потому, что:

  • источников слишком много;
  • форматы данных слишком разрозненные;
  • шаблонов слишком много;
  • контроль очень жесткий;
  • одни и те же действия приходится повторять каждый день.

То есть главное раздражение в финансах обычно не в том, что "сложно написать вывод", а в том, что:

цепочка от получения данных до подготовки материалов, риск-скрининга и выпуска документов слишком длинная.

И по открытым кейсам видно, что сильная сторона WorkBuddy — не отдельное чат-окно, а движение в сторону реальных рабочих узлов:

  • хранилища материалов;
  • коннекторов;
  • задач по расписанию;
  • multi-agent оркестрации;
  • шаблонов документов;
  • аудита и приватного развертывания.

Поэтому он выглядит скорее как:

центр финансовой автоматизации

а не как:

очередное окно с моделью, которая редактирует формулировки

Кейс 1: инвестиционный due diligence — от ручной сборки Word-документа к автоматическому черновику

Первый открытый материал, который больше всего похож на реальную финансовую production-среду, — это статья Tencent Cloud Developer Community:

WorkBuddy 金融全链路自动化实战：从“投行尽调”到“多Agent风控”的架构指南

Самое ценное в ней не тема генерации текста, а фокус на самой болезненной части инвестиционного due diligence:

  • собирать данные из Qichacha, Wind, аудиторских отчетов и интервью;
  • затем вручную переносить все это в Word-шаблон;
  • и параллельно следить, не упущены ли ключевые рисковые сигналы.

Открытый материал описывает проблему очень прямо:

  • традиционный due diligence занимает 2-3 дня;
  • при этом легко пропустить важные факторы риска.

Решение на базе WorkBuddy там описано уже как рабочая схема, а не как демо:

  • сначала в хранилище создается структурированный каталог;
  • каталог делится на:
    • /01-客户基础信息
    • /02-财务数据
    • /03-尽调模板
  • затем в хранилище добавляется стандартный шаблон 《尽职调查报告模板.docx》;
  • заранее настраиваются плейсхолдеры для разделов вроде "финансовый анализ", "связанные сделки" и "предупреждения о рисках".

Что особенно важно: статья не ограничивается фразой "AI умеет писать отчеты", а показывает сам контур входящих данных:

  • подключается коннектор Tencent Docs;
  • синхронизируются онлайн-таблицы с финансовыми данными клиента;
  • WorkBuddy читает эти таблицы;
  • извлекает выручку, чистую прибыль и денежный поток за последние три года;
  • после чего автоматически вставляет их в нужные разделы шаблона due diligence.

Публичная формулировка в материале такая:

  • сжатие двух дней работы до 30 минут

Почему этот сценарий выглядит реальным? Потому что для финансовых организаций самый тяжелый участок — не "как написать вывод", а вот это:

свести в единый документ материалы из разных источников, разных форматов и разных шаблонов.

Если WorkBuddy уже берет на себя этот слой, то речь идет не просто о генерации текста, а о входе прямо в ядро SOP.

Кейс 2: multi-agent риск-контроль — больше не нужно жить, не отрываясь от экрана

В той же статье есть еще один очень сильный сюжет для SEO-материала — сценарий риск-контроля и комплаенса.

Он важен потому, что это уже не разовая задача, а постоянный процесс.

В открытом материале структура multi-agent системы расписана довольно четко:

  • Agent 1: сбор данных
    • по расписанию забирает цены акций клиентов, кредитные рейтинги облигаций и новостной фон;
  • Agent 2: негативный скрининг
    • через кастомный MCP-коннектор обращается к API Qichacha;
    • проверяет, не связаны ли контролирующие лица клиента с судами или списками недобросовестных субъектов;
  • Agent 3: генерация отчета
    • сводит аномалии;
    • автоматически формирует 《每日风控预警日报》.docx.

Дальше все это связывается в единый поток по расписанию:

  • каждый день в фиксированное время;
  • Agent 1 тянет данные;
  • Agent 2 фильтрует риски;
  • Agent 3 выпускает ежедневный отчет;
  • результат сохраняется в общем каталоге.

В статье есть и еще один очень узнаваемый для production-контуров момент:

  • если находится клиент с высоким риском;
  • предупреждение сразу уходит через WeChat-бота;
  • с именем клиента, типом риска и рекомендуемыми действиями.

Это уже не похоже на "AI кратко перескажет отчет", а скорее на то, что:

AI начинает дежурить вместо человека.

И самый важный показатель в открытом кейсе — это:

  • риск-контроль 7x24 без участия оператора

Для финансовых команд это особенно привлекательно, потому что многие функции риск-контроля тратят время не на принятие решения, а на:

  • постоянное наблюдение;
  • повторяющиеся проверки;
  • разбор аномалий;
  • перенос аномалий в ежедневный отчет.

Если WorkBuddy реально автоматизирует этот цикл, его ценность в том, что он:

возвращает людей из режима "смотрим в экран" обратно к реальной обработке рисков.

Кейс 3: автоматизация аналитики по акциям A-share — не просто написать ресерч, а связать весь ресерч-конвейер

Вторая открытая статья, которую обязательно стоит включать в финансовый материал:

用WorkBuddy搭建A股投研自动化流水线（实战教程）

Ее ценность в том, что она не говорит "AI помог прочитать один отчет", а сразу показывает:

как автоматизировать весь путь от сбора данных до глубокого аналитического отчета, HTML -> DOCX и загрузки в базу знаний.

Публичный скриншот общего обзора отрасли из кейса по автоматизации аналитики A-share

В открытом материале очень конкретно описана рабочая среда:

  • автор опирается на 3 месяца реального использования;
  • покрыты сценарии:
    • генерации аналитических отчетов;
    • автоматизации HTML -> DOCX;
    • массовой загрузки в базу знаний;
    • управления памятью между сессиями;
  • все процессы несколько раз проходили проверку и доработку.

Причем сам инвестиционный ресерч разбит на четыре шага:

  1. Сбор данных и первичное исследование
  2. Генерация глубокого HTML-отчета
  3. HTML -> DOCX
  4. Загрузка в базу знаний

Это гораздо ценнее, чем просто "помоги написать ресерч", потому что в работе инвестиционных аналитиков по-настоящему время уходит не на набор текста, а на:

  • сбор данных;
  • сравнительный анализ;
  • упаковку по шаблону;
  • архивирование и повторное использование;
  • возможность продолжить исследование позже, не теряя контекст.

В статье есть несколько деталей, которые очень напоминают реальную production-среду:

  • сравнение 40+ тикеров
  • шаблоны для глубокого анализа отдельных бумаг
  • 4-шаговая цепочка загрузки в базу знаний
  • память прогресса исследования между сессиями
  • а также реальные проблемы вроде китайской кодировки в HTML -> DOCX, протухшего Token и обрыва коннекторов

Публичный скриншот сравнительного анализа банковских акций из кейса по автоматизации аналитики A-share

Я особенно ценю именно такие "записи о шишках", потому что только люди, которые действительно прогоняли это в онлайне, начинают задаваться вопросами:

  • в какой workspace писать файлы, чтобы все не падало;
  • когда истекают учетные данные для загрузки;
  • почему в Word ломаются шрифты и кодировка;
  • почему между сессиями теряется прогресс исследования.

Такие детали показывают, что в этом кейсе WorkBuddy — не абстрактный "помощник для анализа", а:

инструмент, который уже встроился в реальную ткань работы команды по аналитике китайского фондового рынка.

Кейс 4: для финансов важна не только эффективность, но и комплаенс с моделью развертывания

Если предыдущие кейсы были больше про бизнес-процессы, то у финансовых команд почти всегда возникает еще один вопрос:

а можно ли это внедрить в рамках требований комплаенса?

Именно поэтому я считаю обязательным включать в обзор и третий открытый материал:

WorkBuddy Enterprise：腾讯云推出的企业级AI智能体平台

Это уже скорее платформенный обзор, но он дает очень важный сигнал: Tencent прекрасно понимает, что для финансовых команд главное не "выглядит ли это эффектно", а:

  • можно ли изолировать данные;
  • есть ли приватное развертывание;
  • ведется ли аудит действий;
  • контролируется ли сама модель поставки и деплоя.

Среди ключевых тезисов открытого материала:

  • холодный старт 100 мс
  • 70 000+ Skills
  • поддержка 100+ протоколов MCP
  • поддерживаются:
    • SaaS 公有云
    • VPC 专享
    • 私有化部署

И отдельно на уровне deployment-подхода финансовый сценарий там назван прямо:

  • VPC 专享: изоляция данных, подходит для крупных компаний с требованиями к комплаенсу и контролю;
  • 私有化部署: полный стек на локальной инфраструктуре, подходит для финансовых организаций, госкомпаний и доверенных ИТ-сред.

В том же наборе открытых материалов дополнительно упоминаются:

  • сценарии финансового риск-контроля;
  • Agent 天御风控;
  • использование той же агентной базы WorkBuddy.

Это означает, что Tencent продает не просто desktop-инструмент, а:

платформу, которую финансовые организации могут использовать как основу для организационной AI-трансформации.

Как выглядит финансовая production-среда, если собрать эти публичные кейсы вместе

Если посмотреть на все эти материалы как на единый набор сигналов, у WorkBuddy в финансовой отрасли уже просматривается общий паттерн:

  • есть структурированное хранилище материалов, а не хаотичная папка с файлами;
  • есть шаблоны, а не запуск с пустого листа каждый раз;
  • есть коннекторы и API, а не чистый copy-paste руками;
  • есть multi-agent оркестрация, а не линейный чат;
  • есть ежедневные отчеты, алерты и база знаний, а не одноразовый ответ;
  • есть локальное, VPC и приватное развертывание, а не только публичный интернет;
  • есть требования к аудиту, а не логика "сделали и забыли".

Именно поэтому для меня это больше похоже на:

базовую рабочую платформу для цифрового инвестбанка, цифрового риск-контроля и цифровой инвестиционной аналитики

а не на:

чат-модель, которая просто научилась говорить чуть увереннее

Каким финансовым командам это стоит тестировать уже сейчас

Кому стоит попробовать в первую очередь

  • командам инвестиционного due diligence и бэк-офисной подготовки материалов;
  • командам, которым нужно собирать ежедневные риск-отчеты, негативный скрининг и алерты по аномалиям;
  • командам аналитики по акциям A-share и Hong Kong equities;
  • финансовым организациям, которым важно складывать результаты исследования в базу знаний;
  • организациям с четкими требованиями к приватному развертыванию и аудиту действий.

Кому можно пока не спешить

  • командам без стандартизированных высокочастотных процессов, где каждая задача разовая;
  • командам, которые пока не готовы разбирать шаблоны, каталоги и коннекторы;
  • тем, кто хочет только легкий Q&A, но не планирует подключать AI к ключевым процессам.

Если хотите проверить это сами, я бы тестировал так

  1. Сначала выберите один максимально стандартный и высокочастотный финансовый процесс. Не пытайтесь сразу перестроить все направление.
  2. Лучшие стартовые точки обычно такие:
    • первый драфт due diligence;
    • ежедневный риск-отчет;
    • шаблонный вывод инвестиционной аналитики.
  3. Смотрите не только на то, "можно ли сгенерировать", а прежде всего на:
    • прослеживаемость источников данных;
    • стабильность заполнения шаблонов;
    • возможность автоматически исполнять цепочку алертов;
    • соответствие аудита и deployment-модели вашим требованиям.
  4. Если у вас уже есть multi-model или multi-agent workflow, имеет смысл параллельно сравнить:
    • какие задачи лучше ложатся на такой desktop/workbench-подход, как WorkBuddy;
    • а какие задачи логичнее оставлять на собственную API-оркестрацию.

Если вам сейчас важнее понять, как единообразно подключить Tencent, GLM, Kimi, DeepSeek, StepFun и другие модели в собственный Agent workflow, можно начать с:

Мой итоговый вывод

Если свести мой взгляд на кейсы WorkBuddy в финансовой отрасли к одной фразе, то он такой:

самое важное здесь не то, что "Tencent тоже сделала AI-инструмент для офиса", а то, что WorkBuddy уже начинает заходить в инвестиционный due diligence, multi-agent риск-контроль, автоматизацию аналитики по акциям A-share и приватное комплаенс-развертывание — то есть в действительно тяжелые и бизнес-критичные участки.

Это намного важнее, чем любые споры о том, "умеет ли AI писать отчеты". Потому что в финансах самое сложное — не формулировка одной мысли, а вот это:

довести до конца целую высокочастотную, комплаенс-чувствительную, аудируемую и межсистемную рабочую цепочку.

Если WorkBuddy действительно начинает работать в этих местах, то его значение для финансового сектора — не в "небольшом росте эффективности", а в том, что он:

постепенно забирает на себя самые затратные повторяющиеся процессы и собирает их в устойчивый AI workbench для всей организации.

Источники