Changxin Fund Deploys Tencent WorkBuddy: A Team of Under 300 Achieves 80% Monthly Active Usage, Building an Organization-Level AI Model for Public Funds

易观分析2026年三季度报告显示，国内桌面端AI原生办公智能体市场爆发，AI办公正式从概念迈向产业大规模落地。C端热度之外，强合规要求下的金融机构B端落地更具行业参考价值。中型公募长信基金自2026年6月部署腾讯WorkBuddy，在不足300人的团队中实现全业务条线覆盖，内部月活达80%。它跳出简单问答工具的用法，探索出“三分靠工具，七分靠组织”的公募AI落地样本。 安全合规为先 金融机构的AI选型底层逻辑 金融行业对数据安全、操作审计、风险管控有着极高门槛，安全合规是AI工具选型的一票否决项。长信基金总经理覃波表示，机构级AI工具，核心要满足“数据不出域，行为可追溯”的硬性标准。 这也是长信基金选择WorkBuddy的主要原因：产品支持VPC与私有化部署，权限可以细化管控到人、部门、连接器与数据源，全链路留存审计日志；区别于普通对话机器人，WorkBuddy的“专家+技能+连接器”体系，可以对接企业内部系统，把复杂业务流程固化成可复用、可交接的工作流，真正实现AI执行任务，而非单纯问答；同时支持多模型灵活调度，可以根据任务敏感度切换云端、本地模型；较低的上手门槛，也降低了内部推广阻力。 在实际落地中，长信基金延续原有数据分类分级管理制度，敏感业务场景强制调用本地模型，将封装后的内部系统接口做权限评估管控；数据安全纳入部门与个人考核，实行一票否决，从制度、技术双重层面筑牢AI应用的安全底座。 长信基金首席信息官沈伟提出，组织级AI落地要跨过四道现实门槛：一是精细化的数据与权限边界管理；二是将个人使用技巧沉淀为全公司可复用的组织资产；三是控制AI输出可靠性，规避大模型幻觉风险；四是推动全员工作习惯转变。“AI工具本身只占30%，剩下70%在于数据治理、制度建设、知识管理与组织动员”。 业务一线真实提效 从信息搬运到专业决策 安全底座搭建完成后，AI深度嵌入投研、市场、中后台等核心业务场景，业务人员的工作模式发生切实改变。 专户业务部总监范晓媛介绍，专户运作报告涉及大量取数、模板整理、排版校对，过去一份报告手工完成需要五六个小时。借助WorkBuddy固化业务工作流，完成取数、交叉核对、文档成稿，现在报告周期压缩至一两个小时，业务人员只负责逻辑审核与最终判断，高频重复的文档处理压力得到极大缓解。 量化研究场景，效率提升更为突出。量化研究员杜婷婷将研报精读、因子挖掘、因子复现等日常工作封装为标准化Skill工作流。过往复现一篇卖方研报中的因子，研究员阅读文献、调取数据、回测校验往往耗费数天时间；现在将研报输入系统，AI自动完成文献精读、因子提取、并行编码、回测验证、二次校验全流程，一轮数十个因子的测试，AI仅需数小时。杜婷婷坦言，AI降低了因子复现的门槛，会加速公开因子效果衰减，但对于具备深度研究积累的团队，AI是放大研究能力的重要机遇。 权益研究员李京的工作重心，也从“信息搬运工”转向“信息裁判”。财报季，过往需要两三天时间阅读公告、整理底稿；如今上传财报、公告，AI完成信息结构化拆解，标记异常指标，输出带来源依据的研究底稿仅需一小时。团队将个人实战经验沉淀为共享Skill，把个人踩过的坑转化为全团队的经验，比如在公告解析Skill增加“校验信息来源口径”规则，规避AI引用未经核实预测数据的问题，实现团队知识的沉淀迭代。同时还可以便捷实现历史预测数据与实际披露值对账，提升跟踪质量与响应速度。 每天，系统还会自动解析全市场研报、定期报告，提炼核心观点，生成“AI晨报”推送给基金经理，把原本半天的信息搜集工作压缩为碎片化阅读，研究员有更多时间投入深度思考与产业交流。 自上而下+自下而上 构建机构AI运行机制 金融机构AI落地，不能依靠行政强制推行。长信基金采用“自上而下战略推动+自下而上业务创新”相结合模式，建立起一套完整运行保障体系。 公司高层将AI数字化转型作为一把手工程，高频开展分层级AI理念培训，在各业务线挖掘种子用户，由种子用户带动身边同事，以点带面扩大应用范围。投研三大条线设立业技共创小组，业务提出场景需求，IT团队完成系统、接口、Skill的落地建设，打通业务与技术鸿沟。 配套建立周度、双周、月度督办通报机制，跟踪AI场景落地进度，定期通报Token消耗、系统使用率、沉淀Skill数量，避免AI项目“建而不用”。同时区分“规定动作”与“自选动作”：督办清单内是公司要求落地的核心场景；同时开放算力、工具、数据资源，鼓励一线员工自发探索创新，不少实用Skill都来自员工的原生创造，比如权益研究员自发搭建上市公司公告监控Skill，后续在全部门推广使用。 为适配AI时代，长信基金专门成立AI应用研究部，一方面优化AI使用方法，甄别低效Token消耗，指导业务人员用好工具；另一方面探索AI在事前风控、回撤管理等前沿场景的落地。IT部门也迎来能力重塑，内部提出“IT人员分为会用AI和不会用AI两类”，倒逼技术团队迭代能力，适配AI时代的工作模式。 人机协同是现阶段核心 或将重构公募竞争逻辑 对于公募行业，AI带来的不是简单工具替换，而是底层竞争逻辑重构。沈伟判断，未来公募的竞争将从比拼投研人员规模，转向比拼组织级AI沉淀能力；竞争维度也从单点效率，升级为全业务链条的响应速度。公开数据、通用工具带来的能力会快速趋同，真正的护城河，来自机构私有高质量数据与沉淀的业务经验，“脏数据进，脏数据出”，私域数据资产决定AI产出质量。 同时，AI既会放大头部机构优势，也给中小机构带来弯道超车机会。但无论效率提升多大，人机协同原则始终不能动摇：AI承担初稿输出、线索挖掘、流程执行，所有关键结论、对外输出，依旧由人完成判断，原有合规审批流程不因AI介入而豁免，杜绝AI直接替代决策。 谈及给同业机构的经验分享，沈伟总结出四个要点：安全合规永远是底线；从微小业务痛点切入，用小范围实效带动推广；七分组织三分工具，不只关注采购工具，更重视知识沉淀与组织动员；给一线员工保留创新空间，释放业务端创造力。 覃波认为，第一，公司要从战略层面定方向、定目标、定边界；第二，公司与员工双向奔赴，公司搭台，一线员工积极参与，既要有自上而下的引导，也要重视自下而上的种子用户培养和放大效应；第三，持续学习、共同磨合、培养信任，坚守安全合规的底线。 目前行业尚未形成成熟的AI投入产出量化评估体系，长信基金现阶段鼓励探索式使用，后台持续观测成本与业务产出，不盲目限制使用频次。 长信基金的实践说明，真正的AI生产力，不在于炫酷对话效果，而是AI深度对接企业私有数据、业务流程、专家经验，沉淀为组织可以复用的能力资产，让机器执行，让人做更高阶的思考与决策。