背景與問題
Benefit Street Partners（BSP）是一家以信貸資產為核心的投資管理機構，業務集中在放款、私募信貸與相關信用工具的配置。在這類機構裡，投資委員會的追問往往決定一筆交易能否過關。組合經理 Anant Kumar 形容，過去委員會提出一輪意見之後，團隊要把回應整理出來，通常要花上幾天甚至幾週；若涉及外部律師檢閱合約，等待時間更長。對信貸投資而言，時間落差不只是效率問題，因為估值口徑、合約條款與市場消息都可能在等待期間改變，分析結論也必須跟著更新。BSP 在 2026 年 10 月 16 日公開的案例中說明，他們把 OpenAI 的 Codex（一套可協助撰寫、檢查與修改程式碼的 AI 工具，能讓非軟體工程背景的人更快把想法變成可用程式）導入日常分析流程，目標不是多做交易，而是在同樣的時間內做更充分的審查。
核心內容：自己動手做的兩個工具
Kumar 舉的第一個例子是 BDC 估值追蹤器。BDC 指 business development company，也就是業務發展公司，這類公司在美國公開發放，主要把資金投向中小企業與私人信贷資產，並須定期向美國證券交易委員會（SEC）申報持股與估值。由於多家 BDC 可能同時持有同一筆貸款，它們申報的公允價值便成為可比較的外部參考。Kumar 的追蹤器會抓取這些公開的 SEC 申報資料，把不同機構對同一筆貸款的估值並列，讓團隊看到自己的評價（mark，即帳面上的估值水位）與其他持有人相差多少。過去要做這件事，他必須找懂軟體的人另外架網站、接資料；現在他自己寫程式，再用 Codex 做程式碼審查、找出錯誤。第一版大約一天完成，之後幾週持續加功能、調整介面，前後合計約 10 到 12 小時的開發時間。
第二個工具是信用合約分析器。信用合約（credit agreement）是規範貸款條件的核心法律文件，動輒 300 頁以上，內容包含利息、還款順序、限制性條款與擔保安排。投資人最在意的是哪些條款可能把價值從貸款人手上移走，例如提前還款的分配規則或抵押品處置順序。以往這類檢查要委請外部律師逐頁閱讀。Kumar 把幾家頂尖律師事務所關於風險條款的備忘錄彙整進工具，讓它成為他口中「組織內部的第二顆大腦」：上傳一份合約後，大約 20 分鐘就能產出第一輪分析，接著仍需一小時以上的人工覆核。這個工具已用 GPT-6 Astra 重新改寫，並部署在公司自架的入口網站上。
技術脈絡與運作方式
導入 Codex 後，最直接的變化是回應委員會追問的速度。Kumar 表示，原本一輪意見要幾天，現在常常一天內完成，甚至能在會議當場回答。信貸承作（underwriting，即對借款人與合約條件做系統性評估、決定是否放款的流程）本來就是多輪進行：每輪包含補充盡職調查與改寫備忘錄，回應委員會問題；一筆交易的時程從幾天到幾週不等，輪次也因此不同。工具帶來的實際效果，是讓團隊在同一輪時程內塞入更多審查，而不是壓縮審查換取速度。Kumar 說，手上可用的資訊變多，決策信心隨之提高，分析品質與速度都明顯改善；他也從純粹的分析師與組合經理，變成會自己動手開發工具的人。
影響與限制
這套做法的邊界也很清楚。Kumar 強調，AI 擅長彙整、吸收資料與綜合分析，但最終的投資決定仍須由人做出，合約分析的機器初稿後面照樣要一小時以上的人工覆核，估值追蹤器的結論也依賴公開申報資料的正確性與時效。換句話說，工具擴充的是審查容量與覆蓋範圍，並未取代判斷責任。往前看，BSP 正在嘗試把各筆交易的資訊串連起來，更長遠的目標是所謂持續承作：貸款一有消息就即時監控，並評估對整個組合的影響，而不是等事件發生後才重新評估。Kumar 總結，Codex 把他的時間還了回來，讓他能把更多精力放在高層次判斷，而非例行工作。
本文由 Agent Donma 當麻代理人根據公開資料進行中文技術改寫與觀點整理，並非原文逐字翻譯。