如果ChatGPT可以替你買股票

（圖片說明）Scalable Capital創辦團隊於慕尼黑辦公室合影。這家已取得歐洲央行銀行牌照的數字券商，近日向ChatGPT、Claude與Grok開放證券帳戶接口。

證券帳戶多了一個新入口

德國數字銀行Scalable Capital近日宣布，客戶可以把自己的投資帳戶接入ChatGPT、Claude、Grok等支援Model Context Protocol（MCP）的AI助手。據Scalable公開資料，完成授權後，AI可以讀取投資組合、分析持倉、查詢市場資料、建立價格提醒、準備儲蓄計劃，並協助建立或調整證券訂單。

這項服務被Scalable稱為Agentic Investing。它目前仍保留一個很重要的人類控制點：每筆證券交易在執行前，都需要客戶本人確認；存款和提款也只能在Scalable自己的App或網站完成。

我更關心的正是這個邊界。

Scalable並沒有把證券帳戶完全交給AI，但它已經讓第三方AI助手進入原本由銀行和券商獨占的帳戶界面。從這一刻開始，金融機構需要回答的問題不再只是AI能不能分析股票，而是當AI逐步介入資料讀取、投資判斷和交易準備時，金融服務的責任鏈應該如何重新劃分。

過去十多年，金融科技的競爭主要發生在手機App上。Robinhood、Revolut、Scalable以及一批數字券商，把銀行櫃檯和交易終端搬進手機，降低了開戶和交易門檻。如今，這個入口開始出現新的變化：使用者未必先打開券商App，他可能先打開一個AI助手，再由AI去調用銀行或券商提供的服務。

這個改變看起來只是介面上的一步，實際上碰到了金融業最核心的資產之一：客戶入口。

Scalable到底開放了什麼？

要判斷這件事的制度分量，首先要把產品本身說清楚。

據Scalable公開資料，公司成立於2014年，目前服務超過百萬名客戶，平台資產規模在歐洲數字券商中處於前列，並已取得歐洲央行授予的銀行牌照，接受德國BaFin和德國央行監管。其業務涵蓋股票、ETF、衍生品、數字資產、資產管理、儲蓄及信貸等金融服務。

此次開放的核心是一套MCP和CLI接口。MCP最初由Anthropic提出，可以理解為一套讓AI模型在獲得使用者授權後，與外部軟件和資料源建立標準化連接的協議。

在傳統情況下，一名投資者問ChatGPT「我的投資組合風險高不高」，模型並不知道使用者實際持有哪些資產。接入Scalable帳戶後，AI可以在授權範圍內看到相關持倉資料，分析行業與地域集中度、總結投資組合相關新聞、整理交易歷史，也可以根據自然語言幫助使用者準備新的訂單。

Scalable給出的使用場景相當具體。使用者可以要求AI每天早晨根據持倉生成新聞摘要，也可以讓它比較自己的投資組合和某個模型組合，還可以要求它計算每月應投入多少資金，才能在若干年後達到某個資產目標。涉及正式交易時，系統仍會把訂單資料和法定文件交回給使用者確認。

這個設計說明，Scalable目前開放的是分析與交易準備能力，而不是完全自主的資產管理權限。

（圖片說明）Scalable Capital的Agentic Investing介面顯示，使用者可用自然語言要求生成持倉樹狀圖，第三方AI助手已進入原本由券商獨占的帳戶視圖。

交易確認正在成為責任邊界

Scalable在公開說明中強調，外部AI應用由第三方獨立運作，AI產生的輸出、建議和交易指令不代表Scalable本身提供的投資建議。這種安排的核心，是把銀行自己的金融服務責任與第三方模型的輸出區分開來。

在歐洲現行監管制度下，這個區分非常重要。

MiFID II對個人化投資建議有明確要求。當金融機構提供personal recommendation時，通常需要了解客戶的投資經驗、財務狀況、承受損失能力、投資目標和風險偏好，再判斷某項產品是否適合這個客戶。

如果客戶只是自行作出決策，再要求券商執行交易，監管義務會落在另一套框架中。某些產品和服務可能涉及appropriateness評估，部分execution-only交易則適用不同要求。

真正複雜的情況出現在第三方AI加入之後。

假設一名客戶要求Claude分析退休帳戶，Claude讀取持倉後建議減少科技ETF，並準備好賣出和買入兩張訂單。客戶最後點擊確認。

這個過程裡，投資判斷是由模型產生的，但交易是在受監管券商體系內完成的。Scalable可以主張自己只是提供帳戶和交易執行，模型公司則可能主張它提供的是通用AI工具，而使用者又是主動授權並親自確認的一方。

在現有規則下，這些角色並不能簡單套進一個單一分類。

我認為，這也是未來Agentic Finance最值得觀察的制度問題之一：當investment advice、execution-only、appropriateness和discretionary portfolio management之間原本相對清楚的邊界，被一個可以讀取資料、生成建議又準備訂單的AI助手穿過時，監管分類會如何適用。

自然語言帶來新的交易風險

傳統券商介面要求投資者按照金融市場的格式操作。

使用者需要選擇資產、買賣方向、數量、訂單類型，再確認價格和費用。這套流程雖然不夠自然，卻有一個好處：很多關鍵決策需要被明確輸入。

AI Agent把這些操作重新翻譯成人的自然語言。

「幫我把組合變得保守一些。」

對一個普通人來說，這句話很容易理解。對一個需要生成實際交易方案的系統來說，裡面包含大量尚未被明確定義的判斷：風險是指波動率、最大回撤、行業集中度還是單一股票暴露；應該降低多少；出售哪些資產；買入什麼替代品；調整後的稅務後果又該如何處理。

如果模型把一句模糊指令理解得過於激進，風險可能不再只是按錯交易按鈕，而是出現在語義層面。

這一點在AI金融裡尤其值得重視。

金融市場本身充滿模糊目標。有人希望「穩一點」，有人希望「不要錯過科技股」，也有人希望「五年後能退休」。這些都不是簡單的機器指令，而是需要把風險承受能力、時間期限和家庭財務狀況一起考慮的投資目標。

Scalable目前要求客戶對每一筆交易進行最終確認，實際上保留了一個重要的責任節點。只要這個確認仍然存在，使用者仍有機會在交易真正執行前重新檢查AI對其意圖的理解。

如果未來Agent獲得更大的自主權，問題會變得不同。

（圖片說明）投資者在筆記型電腦上使用ChatGPT。文章指出，未來客戶未必先打開券商App，而可能先透過通用AI助手調用銀行與券商服務。

投資資料開始流出券商圍牆

交易責任之外，資料是另一個更早出現的制度問題。

投資帳戶可以透露一個人的收入能力、財富規模、風險偏好、退休安排、公司持股和家庭財務狀況。這些資訊過去主要留在銀行和券商系統內。

當使用者主動授權第三方AI讀取帳戶後，數據流向開始變得更複雜。

Scalable控制證券帳戶和交易系統，模型公司控制AI服務，使用者控制是否授權。至於在每一個具體資料處理環節中，誰是data controller、誰是processor，或者是否存在joint controller關係，取決於資料處理目的、合同安排和實際技術流程，不能一概而論。

GDPR提供的是一套已有制度框架。

它要求企業說明個人資料如何被處理、用於什麼目的、保存多久，也對profiling和特定automated decision-making情形設置了額外要求。當一個AI助手同時掌握聊天記錄、生活資訊和投資帳戶資料時，金融資料可能被放進一個遠比傳統券商更完整的個人畫像裡。

這種能力既有價值，也提高了治理要求。

一名投資者可能希望AI知道自己的年齡、收入、退休時間和家庭負擔，因為這樣模型才能提供更有用的分析。但資料越完整，授權、保存、刪除和再利用的責任也越需要清楚。

對金融服務而言，信任從來不只建立在「錢有沒有被偷」這一個問題上，也包括最私人的財務資料被誰看見，以及它最後被拿去做了什麼。

AI Act只是監管疊加層

歐盟AI Act為AI治理增加了一套新的法律框架，但它並沒有重新定義全部金融服務責任。

AI Act把部分金融用途列為high-risk，例如某些信用評分，以及健康和人壽保險中的特定風險評估。證券投資建議並沒有被簡單地整體納入同一類別。

因此，Agentic Investing目前首先仍然受到既有金融法律的約束。

MiFID II處理投資建議、交易執行和適當性問題；GDPR處理個人資料；金融機構原有的網絡安全、業務持續、第三方風險管理和消費者保護要求仍然存在。AI Act再在這些制度之上增加模型治理、透明度及其他義務。

這種疊加式監管會帶來新的合規成本。

一筆看似簡單的AI輔助交易，可能同時涉及模型輸出、證券服務分類、客戶資料、交易記錄、外部科技供應商以及使用者授權。監管並沒有消失，只是需要跨越更多技術和法律接口。

對大型銀行而言，這也是為什麼開放Agent接口可能比推出一個內部AI聊天機器人困難得多。

銀行自己開發的AI工具，仍然可以完全留在自身治理框架裡。第三方Agent一旦接入，責任就需要跨公司分配。

（圖片說明）法蘭克福德意志交易所交易大廳。即便訂單由AI準備，證券交易仍須在受監管市場與券商執行體系內完成，並由客戶本人確認。

美國的問題會更偏向券商責任

Scalable的案例發生在德國，但美國很可能面對同一類問題。

美國大量個人財富已經存在於數字化券商帳戶中，包括401(k)、IRA、普通brokerage account以及各類退休資產。Schwab、Fidelity、Robinhood、Interactive Brokers和大型銀行都在使用不同形式的AI工具，只是開放程度並不相同。

如果未來這些機構允許第三方AI直接讀取投資組合並準備交易，美國監管分析的起點很可能仍然是現有證券規則，而不是另外創造一套完全獨立的AI制度。

FINRA在2024年就生成式AI使用提醒會員機構，既有監督、記錄保存、對外溝通、準確性及合規義務仍然適用。這是一項一般性的監管原則，並非針對Scalable或Agentic Investing的專門規定，但它提供了一個相當清楚的方向：金融機構不能因為使用了AI，就把原有責任交給模型。

美國證券監管長期採取technology-neutral的思路。

如果AI由券商自己部署，責任相對容易追蹤。

如果模型是由客戶自己選擇的第三方服務，問題則更複雜。券商可能只負責資料接口和交易執行，AI公司提供模型，客戶則主動授權。誰在什麼時候對哪一段流程負責，很可能要依靠具體事實和合同安排來判斷。

這也是Scalable案例對美國市場具有參考價值的地方。

客戶入口權開始變化

金融科技過去十多年的競爭，表面上集中在佣金、產品種類和App體驗，更深一層其實一直圍繞客戶入口展開。

誰控制使用者每天打開的界面，誰就有機會向他提供更多金融產品。

Scalable此次選擇開放Agent接口，相當於接受了一種新的可能：未來客戶與金融機構之間的第一層互動，不一定發生在銀行自己的App裡。

這種入口轉移在其他產業曾經出現過。

很多酒店仍然擁有客房和服務能力，但相當一部分客戶關係由Booking和Expedia掌握；新聞機構仍然生產內容，但搜索和社交平台曾經長期控制流量入口。

底層服務提供者沒有消失，但誰控制入口，會影響客戶關係、分發權和定價能力。

金融業是否會走到同樣的位置，目前還沒有足夠證據下結論。

但Scalable的動作至少表明，一部分金融機構已經願意接受第三方AI站到自己和客戶之間。

這是一個具有長期意義的戰略選擇。

MCP把銀行變成可被調用的服務

Scalable沒有只為某一個AI模型開發專用連接，而是採用了MCP這類標準化接口。

這一點可能比單一產品功能更重要。

如果金融機構把帳戶查詢、投資組合分析、訂單準備等能力以標準接口方式提供，AI助手就可以在授權範圍內調用這些功能，而不需要每一家金融機構都為每一家模型公司重新開發完整整合。

MCP最終能否成為金融業的主流標準，目前還太早。

但標準化接口本身會帶來一種新的競爭。

金融機構未來可能不只需要把自己的App做好，還需要確保自己的產品和服務能夠被AI助手正確理解和調用。

這會把銀行和券商的一部分能力重新定義為基礎設施。

使用者提出需求，AI負責組合理解，金融機構則負責提供受監管的帳戶、產品和交易能力。

對GFM的Web4與RWA研究而言，這也是一個值得長期跟蹤的方向：數字金融基礎設施的競爭，正在由資產是否上鏈，延伸到Agent是否可以安全調用資產和帳戶。

（圖片說明）歐洲央行法蘭克福總部。Scalable的Agentic Investing並未脫離既有金融監管，MiFID II、GDPR與銀行牌照義務仍構成責任劃分的制度底層。

下一步是授權，而不只是交易

目前Scalable仍要求投資者確認每一筆交易。

這個安排能夠把很多責任保留在傳統金融框架內。

Agent技術如果繼續發展，未來真正棘手的問題會落在持續授權上。

例如，一名使用者可能要求AI在未來六個月內，只要科技股比例超過40%，就自動調整回35%；或者授權AI根據退休計劃管理帳戶，只要單筆交易不超過某個金額，就不需要再次確認。

這種安排在傳統金融裡並非完全陌生。

portfolio manager、discretionary account和算法交易本來就涉及持續授權。不同之處在於，通用AI Agent可能把原本主要提供給專業投資管理客戶的能力，帶到規模更大的普通投資者市場。

到了這一步，金融制度需要處理的核心將是permission architecture。

授權需要明確到什麼程度？哪些資產可以交易？單筆和每日限額是多少？什麼情況下必須重新徵得確認？模型更換後原授權是否繼續有效？如果帳戶主人去世、失去行為能力或帳戶被盜，Agent權限如何立即終止？

這些問題比「AI能不能選股」更接近金融基礎設施。

我認為，真正決定Agentic Finance能否進入大規模個人財富管理的，很可能就是這一層。

AI降低門檻，也放大誤判

AI進入投資帳戶，對普通家庭具有實際價值。

一個過去看不懂基金費用、久期或資產配置的人，可以直接用自然語言詢問；一名美國投資者可以問自己的401(k)是否過度集中在科技股，也可以讓AI整理IRA中的資產配置，或者分析哪些股票可能適合做tax-loss harvesting。

這種能力有可能降低金融知識門檻。

同時，它也帶來新的風險。

一名年輕投資者看到AI寫下「風險適中」，未必知道模型採用了什麼假設；一名退休人士看到一份語言流暢的資產配置方案，也可能把它理解成具有專業責任的投資建議。

語言模型非常擅長把複雜事情講得清楚，但金融市場中大量問題本來就沒有確定答案。

模型可以分析歷史資料，可以計算波動率，可以整理公司財報，卻不能保證未來市場結果。

因此，AI降低操作門檻之後，金融素養並不會變得不重要。

相反，投資者更需要理解模型的能力邊界。

Scalable選擇把AI放到圍牆之外

Scalable此前已經在自己的平台中加入AI功能。此次開放MCP接口，代表公司選擇讓外部AI助手在授權範圍內直接接入金融服務，而不是把所有AI能力限制在自己的App裡。

這是一個具有代表性的戰略選擇。

大型金融機構未來未必會採取完全相同的方式。部分銀行可能開放更多接口，部分機構則可能只允許自家AI系統處理高風險金融操作。

現實更可能是一種混合模式。

低風險的查詢、分析和資料整理可以向外部Agent開放；交易、提款、信貸和其他高風險行為則保留更多內部控制。

不同金融機構開放到哪一步，可能成為未來幾年的重要競爭差異。

Scalable的價值在於，它把這個問題提前放到了市場面前。

金融入口的一次小幅移動

網上交易把證券市場搬到電腦，智能手機又把券商放進口袋。Agentic Investing帶來的變化更微妙，它讓金融系統開始接受自然語言作為新的操作入口。

Scalable目前仍然掌握帳戶、託管、交易執行和監管責任，使用者也必須確認每一筆交易。第三方AI得到的只是一組有限權限。

但入口一旦開始開放，金融機構與AI平台之間的角色就會逐步需要重新定義。

對銀行和券商來說，未來最重要的问题之一，可能不再只是怎样把自己的App做得更好，而是哪些金融能力可以开放给Agent，哪些必须留在受控环境内，以及在开放之后如何保持客户关系和法律责任的清晰。

对投资者而言，问题则更加直接。

当一个AI可以读取你的退休账户、分析你的投资组合，并替你准备下一张订单时，便利性已经很容易理解。

接下来真正需要制度回答的，是权限、责任、数据和信任。

如果有一天那一下“确认”不再需要人亲自点击，金融市场就必须提前知道，责任究竟落在哪里。

免責聲明

本文依據公開資料進行財經與制度研究，僅供資訊參考，不構成任何投資、法律或交易建議；相關功能、監管責任及風險邊界應以官方規則與服務條款為準。