市场一度流传易方达基金内部已经拥有 " 上千个 Skill"。财联社记者从业内了解到，这一数量说法并不准确。上传至内部工作台、供员工公开安装调用的 Skill 并没有网传的规模，大量 Skill 由员工个人或小组根据自身工作需求创建，仅限自己或小范围使用，这部分本身也很难准确统计。
比数量更值得关注的是，AI 工具正在基金公司内部快速普及。易方达相关人士介绍，目前公司 EWork 平台上，可公开安装调用的 Skill" 覆盖投研、交易、运营、销售、市场、合规、IT 所有核心业务条线，此外，还有很多限定个人或小组使用的 skill"。
Skill 的生产方式也在发生变化。过去企业内部的数字化工具通常由 IT 部门统一开发，如今业务人员开始直接参与其中。易方达表示，"AI Skill 采用去中心化的开发模式，IT 团队负责提供 Skill 开发的底层底座、模板与技术支撑，业务员工基于自身岗位痛点开发适配业务场景的 Skill，两者共同构成 Skill 的开发主体，普通员工可以自主创建、分享 Skill。"
财联社记者了解到，目前易方达员工对 AI 工具的使用已经较为普遍，不少员工会根据自己的工作需要自行搭建 Skill，有较强复用价值的则上传至工作台供其他员工调用。
这样的变化并非易方达一家。财联社记者近期采访多家基金公司发现，富国、中欧、嘉实、国泰、汇添富、永赢等基金公司均已在内部部署 AI 工具，AI 应用也开始从最早的问答、纪要整理、文案生成，进一步进入投研、风控、运营、营销、研发等核心业务流程。
Skill、Agent 开始进入基金公司日常工作
相比早期的大模型应用，当前基金公司内部 AI 工具已经明显向 Agent 和 Skill 迁移。
富国基金信息技术部给出了一组较为具体的数据。目前富国智能办公平台已成为全员入口，依托此前建设的 AI 中台，复用算力调度、MCP 中心、Skill 中心等能力。" 富国智能办公平台是统一 AI 入口，使员工安全合规高效的使用企业级先进的 Agent/ 智能助手。"
截至目前，该平台已内置 20 余个 Agent、60 余个 Skill，并接入 50 余个 MCP，员工最常调用的功能包括数据分析、办公辅助、报告总结等。目前用户超过 200 人，日请求次数超过 3000 次。
AI 开始接手一些过去需要多个系统、多个人员协作的工作。
富国基金以反洗钱风险交易智能报告为例介绍，" 以前需要客户信息、交易数据等多个系统、多个审核岗位协作，现在一个反洗钱专家团 Agent 可以利用 agent group 里的多个专家角色 agent 进行交易风险判断，生成规范的反洗钱报告。"
在投研端，富国除通用智能办公平台外，还搭建了独立的投研工作台，" 投研人员都在使用。基金经理都在积极拥抱 AI。"
更进一步的是多 Agent 协作。富国已建设 " 智能研究院 "，提供 7 × 24 小时待命的多智能体平台。用户可以定制研究员 Agent，通过 " 学习技能 " 沉淀 Skill，也可以让研究专家 Agent 规划任务、拆分执行，再由多个研究员 Agent 协同完成研究课题。
" 以实现 1+N 的模式，一人成军，提高研究效率、突破研究边界、激发人的创造力。" 富国基金称。
嘉实基金的路径同样从底层能力向业务端延伸。目前嘉实已构建覆盖 "AI 基础设施— AI 能力— AI 应用 " 的全链路内部生态，并建设统一模型网关。公司已上线企业级 AI 助手，并建设 Agent、MCP、Skill、执行沙箱、记忆等能力底座。
应用端已覆盖 AI 投资、AI 研究、AI 合规审核、AI 办公四大场景。研发领域，" 全体科技员工已全面使用 AI 辅助编程，并实现‘ AI 审核 AI 生成代码’的质量闭环 "。
汇添富基金则将 2026 年确定为 " 拥抱 AI 应用年 "，围绕投研、投顾、营销、运营、研发五大领域推进智能化转型。
投研端，公司正在打造投研 AI 工作台，" 集成投研知识库、投研数据 MCP 与 Skills 工具链 "；营销端建设智能营销中台、渠道 AI 秘书和机构 AI 助理；运营端重点打造 " 信披 AI 卫士 "；研发端则提出以 "AI 软件工程师 " 为目标，推动需求、产品、研发、测试、运维全链路重构。
AI 开始往投研深处走
基金公司的 AI 竞争，最受关注的仍是投研。
中欧基金目前在投研和营销服务两端系统推进 AI 应用。其判断是，"AI 投研的下一步不是在更强的模型或者更全的数据，而是在中间缺失的方法论层。如何让 AI 学习并理解投研逻辑成为 AI 下半场竞争的关键。"
按照中欧的做法，公司正将过去二十年的主动投研积累转化为 AI 能够理解、调用和校验的 " 组织上下文 "。
其中一个已经落地的场景是行业景气度 Agent。中欧主动权益团队此前已形成内部共识的行业景气度研究方法，在此基础上，公司将这些行业景气度的研究框架和流程同步教授给 AI。
目前，该 Agent 已经覆盖超过 250 个细分行业，覆盖广度提升至原来的 2 倍。过去研究员需要花费大量时间搜集整理信息，现在 " 依托行业景气度 Agent，仅需要 2 小时就可以更新所有行业的景气度看板，并提炼关键信息和投资线索给到研究员和基金经理 "。
国泰基金的大模型应用已经覆盖投研全流程。目前，该公司部署了具备任务规划、工具调用与自我反思能力的自主研究 Agent，" 可自主拉取财报、深度财务分析、运行估值模型、交叉验证数据并输出带证据链的研究结论 "。
国泰已经形成 " 数据基座—知识基座— Agent 能力层 " 三层递进的智能投研架构。底层为结构化数据体系，中间层涵盖研报、路演纪要、调研纪要、专家纪要等非结构化知识库，上层则是 Agent 平台。
永赢基金也将 AI 应用铺向投研、风控、营销和运营四个核心领域。
投研端，公司搭建了智能投研问答系统，并建设投研数据湖；风控端已经落地托管行事后监控智能管理；营销审核系统可以利用 AI 自动扫描营销材料中的合规风险点，" 审核效率较纯人工模式提升数倍 "；运营端则推进函证管家、定期报告审核和估值智能差异分析等场景。
永赢内部也搭建了统一智能体平台，支持 agent 的灵活构建、skill 的创建管理和组织内分享，各业务部门可以根据自身需求快速搭建专属智能体，同时将成熟的技能模块沉淀为可复用资产在平台内流转。
近期，永赢还在外网机器上为员工部署企业专享版 WorkBuddy，与内部智能体平台同步运行。永赢基金表示，" 我们更关注的并不是‘用了哪个 AI 工具’，而是 AI 能不能真正解决业务中的实际问题、能不能形成可复制的工作方式，以及能不能最终沉淀为公司的长期能力。"
一家基金公司也向记者介绍，目前的核心思路是把大模型能力嵌进业务流。财富资产配置端正在探索创设 "AI 资产配置研究员 "，营销端探索 AI 嵌入客户全生命周期运营，并推出基金经理 " 数字人分身 "；内部 " 智办 " 场景则覆盖会议纪要、制度问答、初稿校对、数据口径查询等高频事务。
会不会用 AI，正在成为新的基础能力
当越来越多 Skill 由业务人员自己搭建，基金公司内部 AI 应用的另一个变化也开始出现：AI 不再只是 IT 部门的项目，而逐渐成为普通员工的一项工作能力。
从易方达目前的机制来看，公司层面已有明确的 AI 工具使用要求，" 在 AI 技能培训之外，定期开展 AI 工具使用规范相关的合规培训，员工需在合规前提下使用 AI 工具，并审慎复核 AI 生成结果准确性。"
Skill 越来越多之后，内部治理也随之跟上。
易方达已建立 Skill 评价与淘汰机制，通过 skill-evaluation 通用评测工具对可用性、稳定性和业务价值进行自动化评测，同时基于线上调用数据识别效果较差、无业务价值的 Skill，并 " 定期合并功能重复的 Skill，对长期无人使用、无业务价值的 Skill 进行下架清退 "。
金融行业对准确性和合规性的要求，也使 AI 并不能完全替代原有系统和人工判断。
国泰基金给出的原则是，" 在需要语言与推理的地方用大模型，在需要精确与合规的地方用确定性程序 "。公司对财务计算、归因等环节仍保留规则引擎与确定性程序兜底，以保证结论可复核、过程可追溯。
从近期多家基金公司的实践来看，AI 在公募行业的落地已经越过 " 有没有 " 的阶段。工具数量本身并不是最重要的指标，而是一家基金公司能否把研究方法、内部数据和员工经验沉淀为可以不断复用的 Skill 和 Agent，并真正嵌进原有业务流程。
从基金经理自己使用 AI，到研究员创建 Skill，再到多个 Agent 协同完成一项任务，基金公司的 AI 探索正在从个人效率工具，逐步走向组织级生产工具。
