Terminal X s GPT‑6.1: 88,6% shoda s úsudkem zkušených investorů

Investiční firma si buduje konkurenční výhodu obchod po obchodu. Úsudek, z něhož jednotlivá rozhodnutí vycházejí, ale obvykle zůstává v hlavách několika zkušených investorů. Když odejdou, vzniká firmě to, co Terminal X⁠(otevře se v novém okně) nazývá paměťovým dluhem: dokumenty jí sice zůstanou, ale uvažování, které za nimi stojí, ztratí.

Operační systém Capital Memory od Terminal X má tento dluh postupně snižovat. Inženýři společnosti působí přímo u zákazníků. Jde o bývalé finanční a investiční odborníky z JPMorgan a Blackstone, kteří úzce spolupracují s investičními týmy jednotlivých zákazníků, navrhují agentní architekturu a převádějí investiční postupy firmy do agentů, které firma vlastní a provozuje na vlastní infrastruktuře nebo ve svém cloudu.

Uvažování těchto agentů zajišťují modely OpenAI, včetně GPT‑6.1 Sol a GPT‑6 Luna. Eval Agent od Terminal X pak hodnotí jejich výstupy podle standardů firmy. S GPT‑6.1 Sol odhalil Eval Agent přibližně o 25 % více doporučení, která se odchylovala od mandátu fondu. Stejné pracovní postupy přitom GPT‑6.1 Sol zvládl s přibližně o 30 % nižšími náklady na dotaz než druhý nejlepší model.

Terminal X pro každého zákazníka vytváří agenty navržené tak, aby investovali jako nejlepší investoři dané firmy. Inženýři Terminal X tráví týdny přímo u zákazníka. Z osvědčených investičních memorand zpětně odvozují postupy firmy a zachycují procesy, které nikdy nebyly sepsány – například jak úvěrový tým prověřuje dlužníka nebo z jakých zdrojů čerpá koinvestiční tým před přípravou memoranda.

Tyto procesy se pak převádějí do stovek agentů přizpůsobených jednotlivým třídám aktiv a strategiím, s dílčími agenty pro každou fázi investice. GPT‑6.1 Sol zajišťuje fáze, které vyžadují úsudek a obrovské kontextové okno: sestavení investiční teze, identifikaci klíčových faktorů a posouzení souladu s mandátem firmy. GPT‑6 Luna provádí kroky s vysokým objemem zpracování, u nichž je úsporné využívání tokenů důležitější než hloubka analýzy.

Agenti pracují v soukromé datové místnosti každé firmy, tedy ve vyhrazeném prostředí pro sdílení a správu citlivých investičních dat. Agenti zpracovávají dokumenty v angličtině, korejštině, japonštině a čínštině a získané poznatky ukládají do firemní paměti: verzovaného záznamu o tom, jak konkrétní tým činí určitý typ rozhodnutí. Ten zahrnuje jeho předchozí analýzy, rozhodnutí výborů, pokyny k pracovním postupům a investiční pohledy firmy.

Inženýři každou paměť převádějí na opakovatelný pracovní postup na platformě Terminal X. U každého dotazu v produkčním provozu lze auditovat celý průběh zpracování: provedené kroky, získané zdroje, použitý model i uvažování.

Podle Terminal X přináší tento přístup zákazníkům výrazné úspory. Jedna private equity firma například uvedla, že díky automatizaci postupů hloubkové prověrky a přípravy investičních memorand ušetřila v přepočtu na rok 2,4 milionu dolarů.

Terminal X vytvořil Eval Agenta, aby ověřoval odpovědi agentů podle vlastních standardů firmy. Jde o koordinovaný pracovní postup využívající GPT‑6.1 Sol a další modely OpenAI, který má každý výstup agenta posuzovat tak, jako viceprezident posuzuje práci analytika.

Eval Agent kontroluje každý výstup podle souboru 54 hodnoticích kritérií. Ptá se: Pocházejí čísla, srovnávací údaje, konsenzuální odhady a citace ze správných zdrojů? Je argumentace přesvědčivá? Je doporučení v souladu s investičním pohledem firmy?

Každá kontrola má výsledek splněno, nebo nesplněno. Každé nesplněné kritérium se spolu s jednořádkovým odůvodněním a lepším zdrojem nebo opraveným textem uloží jako záznam do paměti. Například opomenutý zdroj, nevhodná srovnatelná společnost nebo investiční teze, která se odchyluje od pohledu firmy, se převede na nový pokyn pro pracovní postup nebo nový testovací případ pro daný tým.

„Každá odpověď projde hodnocením a každá oprava analytika naučí systém o něco víc o tom, jak daná firma funguje,“ říká Ken Lee, spoluzakladatel a technický ředitel Terminal X. „Čím déle ho tedy firma používá, tím víc přemýšlí jako její vlastní tým.“

Terminal X vybírá modely na základě výsledků vlastního hodnocení. Z 500 hodnocených posouzení se Eval Agent s GPT‑6.1 Sol shodl se zkušeným lidským hodnotitelem v 88,6 % případů. U druhého nejlepšího modelu to bylo 86,4 %, což představuje zlepšení o 220 bazických bodů.

Jedním z typů chyb, při jejichž odhalování GPT‑6.1 Sol vynikal, byly odchylky od investičního stylu. Mandátem fondu zaměřeného na odkupy firem je například hledat veřejně obchodované společnosti vhodné k převzetí a stažení z burzy, jejichž cena je nižší než čistá hodnota aktiv (NAV), posoudit jejich podnikání a navrhnout strukturu financování. Když modely scénářů naznačí obrat na trhu, začnou se v návrzích obchodů objevovat doporučení investovat do dluhu v potížích nebo poskytnout záchranné financování. Eval Agent s GPT‑6.1 Sol odhalil přibližně o 25 % více těchto odchylek než druhý nejlepší model.

Díky úspornému využívání tokenů při práci s dlouhým kontextem umožnil GPT‑6.1 Sol společnosti Terminal X vytvořit důkladnější kontrolní postup při stejném rozpočtu. Investiční teze se nejprve prověřuje vůči mandátu fondu a poté vůči jeho nedávným obchodům. V případě nejistého závěru se hodnocení opakuje a agent před předložením zprávy vyřeší případné rozpory mezi výsledky.

Tato důkladnější kontrola upozornila na obchody, které srovnatelný model při jednorázovém posouzení schválil. GPT‑6.1 Sol navíc zvládl stejné pracovní postupy s přibližně o 30 % nižšími náklady na dotaz než druhý nejlepší model, a to při podobné rychlosti.

S využitím GPT‑6.1 Sol a GPT‑6 Luna vytvořil Terminal X 1 700 firemních pamětí, provedl přes milion pracovních postupů na míru a dosáhl počtu týdně aktivních uživatelů odpovídajícího 81 % měsíčně aktivních uživatelů.

Dalším krokem Terminal X je rozšířit firemní paměti z úrovně týmů na jednotlivce, aby zachycovaly standardy každého investičního odborníka tak, jak je uplatňuje v praxi, nejen jak je popisuje.

Pro Hyuna, spoluzakladatele a generálního ředitele Terminal X, je právě to podstatné: „V příštím desetiletí uspějí firmy, které budou vlastnit svůj úsudek v podobě dat. Naším úkolem je umožnit tento úsudek měřit, aby se dal uchovávat, zlepšovat a znovu využívat.“