تنجز Model ML الأعمال المالية بكفاءة أكبر مع GPT‑5.6 Sol

قبل أن يصبح التحليل المالي صالحًا للعرض على العملاء أو كبار صنّاع القرار، يتعين على الفرق اجتياز مرحلة أخيرة شاقة: مطابقة الأدلة، وإنشاء الملف وتنسيقه، والتحقق من كل رقم، وربط كل ادعاء بمصدره. يجب أن يكون عرض PowerPoint أو مصنف Excel النهائي قابلًا للتحرير وجاهزًا للتدقيق.

أدرك الشقيقان والمؤسسان المشاركان لـ Model ML، آرني وتشاز إنغلاندر، حجم العمل الذي يتطلبه ذلك عندما بدآ، بعد عمليتي تخارج ناجحتين، الاستثمار عبر مكتب عائلي خاص وتطوير برمجيات لمساعدتهما، كما يفعل البنّاؤون عادةً.

نشأت Model ML من تلك البرمجيات، وتساعد وكلاؤها المتخصصين الماليين على إنجاز سير العمل من الطلب الأولي، مرورًا بالبحث والتحليل، وصولًا إلى عرض أو مصنف مكتمل. في صميم النظام، يخطط وكيل أساسي للعمل، ويختار الأدوات المناسبة، ويطابق الأدلة، ويجري الحسابات، ثم يوجّه كل خطوة إلى النموذج الأنسب لها، وغالبًا ما يكون GPT‑5.6 Sol. ومن بين هذه الأدوات مجموعة Model ML الخاصة بأدوات المستندات، التي تنشئ ملفات PowerPoint وExcel أصلية ذات مصادر قابلة للتتبع.

تساعد Model ML الفرق المالية عبر أتمتة مسارات العمل المالي بالكامل. انطلاقًا من موجز ومواد مصدرية، يستطيع الوكيل إنجاز المهمة عبر البحث والنمذجة وصولًا إلى مواد نهائية للعملاء أو فرق الصفقات. يراجع المتخصص المالي الافتراضات والمصادر والرسالة قبل مشاركة العمل.

تصف Model ML المنتج بأنه «لا يعتمد على واجهة بعينها». فيستطيع المتخصص المالي بدء مهمة عبر البريد الإلكتروني أو تطبيق Model ML، ثم متابعتها في إضافات Microsoft Office من دون شرحها مجددًا.

وتمتد هذه الاستمرارية إلى العمل النهائي. لإعداد عرض للجنة استثمار، تستطيع Model ML تحويل موجز ومواد مصدرية إلى عرض PowerPoint قابل للتحرير. وفي مهام Excel، يستطيع الوكيل البدء بقالب عميل أو مصنف فارغ، وجمع البيانات المطلوبة، وبناء الصيغ والمنطق عبر عدة علامات تبويب، ثم تطبيق تنسيق خاص بالقطاع المالي لإنتاج جدول بيانات أو نموذج مالي متكامل.

في Composite، معيار التقييم الذي طورته الشركة للذكاء الاصطناعي في الخدمات المالية، استخدم GPT‑5.6 Sol رموزًا مميزة أقل بنسبة 36% لكل مصنف مقارنةً بـ Opus 5 ضمن سير عمل Excel.

ومن خلال إنجاز العمل حتى مرحلته الأخيرة، يستطيع الوكيل أيضًا توفير الوقت في كل مخرج على حدة ومساعدة الفرق على معالجة كميات كبيرة من المواد المصدرية. لدى إحدى شركات إدارة الأصول العالمية، أصبح إعداد صحيفة موجزة مخصصة يستغرق نحو خمس دقائق بعدما كان يتطلب من المحلل قرابة ساعة. وفي سير عمل آخر، عالج وكلاء Model ML دفعة واحدة غرف بيانات افتراضية تضم أكثر من 100,000 صف ومئات الملفات.

قيّمت Model ML نموذج GPT‑5.6 Sol إلى جانب نماذج رائدة أخرى عبر مجموعة من مسارات العمل المالي. تتابع تقييمات Composite المهمة بدءًا من الموجز المالي الأولي، مرورًا بالبحث والحسابات، وصولًا إلى عرض أو جدول بيانات قابل للتحرير، ثم تتحقق من الأرقام والمصادر والصيغ والبنية، فضلًا عن الجودة البصرية للعروض التقديمية.

بالنسبة إلى PowerPoint، يدمج تقييم Composite من Model ML مسارات عمل حقيقية ويشمل مئات العروض المُنشأة، مع معايير تفصيلية للتقييم.

أكمل GPT‑5.6 Sol سير عمل PowerPoint في 100% من حالات الاختبار، مقابل 76% لـ Opus 5. كما اجتاز بوابة الجاهزية المهنية لدى Model ML، التي تقيس مدى استعداد المخرجات للمراجعة الموضوعية، في 43.3% من الحالات، مقابل 26.7%. كما تفوق على Opus 5 في جودة العروض، والالتزام بالموجز، والتسلسل الهرمي، والاتساق.

منحت نتائج Composite الموضحة أعلاه مجتمعةً Model ML الأدلة اللازمة لتوسيع استخدام GPT‑5.6 Sol في بيئة الإنتاج، بما في ذلك بعض مسارات العمل التي كان يتولاها Opus 4.8 سابقًا. في مسارات عمل PowerPoint، جمع GPT‑5.6 Sol بين جودة عروض منافسة ومعدل أعلى للعروض المكتملة والجاهزة للمراجعة مقارنةً بـ Opus 5 وFable 5، مع استخدام رموز مميزة أقل بنحو 21% من Fable 5.

يقول إنغلاندر: «الجاهزية للعمل الحقيقي تعني أن المستخدم يستطيع الانتقال مباشرةً إلى المراجعة الفعلية». «يمكن تتبع الأرقام إلى مصادرها، ويُعاد حساب المصنف، وتظل الشريحة قابلة للتحرير».

شكّل PowerPoint اختبارًا صعبًا لـ Model ML للتحقق من جاهزية GPT‑5.6 Sol للعمل الحقيقي. قد يبدو العرض مصقولًا ومع ذلك يفشل في المراجعة إذا كانت أرقامه خاطئة أو غير قابلة للتتبع، أو كانت مخططاته مسطّحة وغير قابلة للتحرير، أو تعيّن إعادة بناء شرائحه قبل مشاركتها.

شغّلت Model ML النموذج داخل منظومة تقييم الوكيل، وربطته بأدوات لإنشاء المستندات وتحريرها تتيح للوكيل إنشاء شرائح ذات رسوم بيانية وجداول قابلة للتحرير. ويُبقي الموجز الأصلي ضمن السياق أثناء العمل، ثم يراجع كل شريحة بصريًا قبل إعادة الملف.

يوضح المثال أدناه كيف تحسنت مخرجات PowerPoint لدى Model ML من GPT‑5.5 إلى GPT‑5.6 Sol، بما في ذلك تسلسل هرمي أوضح وتصميم أكثر اتساقًا للشرائح.

توفر منظومة التقييم لدى Model ML اليوم للوكيل حزم أدوات يمكنه تحميلها للوصول إلى تكاملات البيانات، وأدوات ومهارات تحرير المستندات، وبيئات تنفيذ التعليمات البرمجية. ويحافظ ذلك على تركيز الوكيل ويمنحه الأدوات التي يحتاج إليها تحديدًا للعمل مع مستندات المستخدم.

توصلت Model ML إلى هذه المنظومة من خلال جلسات ميدانية مع OpenAI. تتبعت الفرق كيفية تخطيط الوكيل للعروض التقديمية، واختياره الأدوات، وحفاظه على السياق، ثم استخدمت النتائج لتحسين تعليماته وتحديد توقيت تحميل كل حزمة أدوات.

يتجه عملاء Model ML نحو مخرجات تعمل عبر المتصفح وتظل متصلة بالنماذج والمواد المصدرية التي تستند إليها.

تستطيع منصة Model ML إنشاء مخرجات آمنة وتفاعلية يمكن تحديثها باستمرار أو تثبيتها عند لحظة زمنية محددة. يمكن للمراجع فتح ملخص استثماري، والنقر للوصول إلى النموذج المالي الذي يستند إليه أحد الأرقام، والعمل مع الوكيل من الصفحة نفسها.

يقول إنغلاندر: «صُممت PowerPoint وExcel وWord لعالم كان فيه إنتاج العمل المعرفي يدويًا». «لقد غيّر الذكاء الاصطناعي هذا الافتراض. والبرمجيات نفسها على وشك أن تتغير».