一、案例定位

以 JPMorgan Chase 開發 IndexGPT 為例，理解金融服務如何使用文字型生成式 AI 形成個人化建議。

二、學習目標

• 將 LLM 應用映射到金融顧問流程。
• 辨識個人化輸出所需的資料與治理。

三、案例情境

原書指出 JPMorgan Chase 正開發類 ChatGPT 的 IndexGPT，目標是依每位客戶需求挑選並推薦合適的金融證券。

四、開始資料

五、Excel／AI 分析方法

Excel 可保存 suitability matrix，例如風險承受度、投資期限、流動性需求與產品條件；AI 負責產生可讀的解釋，但產品是否適合必須由明確規則與合規流程判定。

六、計算結果

原書未提供投資組合報酬、風險或客戶數，因此本頁不建立虛構績效。

七、結果分析與管理解讀

在金融情境，生成式 AI 的價值在於把複雜資料轉成個人化溝通，但不能把生成文字本身當成 suitability calculation。

八、AI 提問詞

請根據已由規則引擎確認合適的產品清單，為不同風險承受度客戶整理比較說明；不得新增未在清單中的金融產品。

九、思考／情境變動

**題目：**若模型推薦與 suitability rule 衝突，應採哪一個？

**參考解答：**採用經驗證的 suitability／合規規則，AI 建議不得覆蓋控制條件。