Η Model ML κάνει οικονομικές εργασίες αποδοτικά με το GPT‑5.6 Sol

Προτού μια χρηματοοικονομική ανάλυση παρουσιαστεί σε πελάτες ή ανώτερα στελέχη, οι ομάδες πρέπει να ολοκληρώσουν ένα απαιτητικό τελευταίο στάδιο: να διασταυρώσουν τα στοιχεία, να δημιουργήσουν και να μορφοποιήσουν το αρχείο, να ελέγξουν κάθε αριθμό και να συνδέσουν κάθε ισχυρισμό με την πηγή του. Η τελική παρουσίαση PowerPoint ή το βιβλίο εργασίας Excel πρέπει να είναι επεξεργάσιμα και έτοιμα για λεπτομερή έλεγχο.

Οι συνιδρυτές και αδελφοί Arnie και Chaz Englander αντιλήφθηκαν πόση δουλειά απαιτούσε αυτό όταν, μετά την επιτυχή πώληση δύο εταιρειών, άρχισαν να επενδύουν μέσω ενός ιδιωτικού γραφείου διαχείρισης οικογενειακής περιουσίας και, ως δημιουργοί, να αναπτύσσουν λογισμικό για τις δικές τους ανάγκες.

Οι πράκτορες της Model ML, που εξελίχθηκαν από αυτό το λογισμικό, βοηθούν τους επαγγελματίες του χρηματοοικονομικού κλάδου να διεκπεραιώνουν μια ροή εργασίας από το αρχικό αίτημα έως την έρευνα, την ανάλυση και την τελική παρουσίαση ή το βιβλίο εργασίας. Στον πυρήνα, ένας βασικός πράκτορας σχεδιάζει την εργασία, επιλέγει τα κατάλληλα εργαλεία, διασταυρώνει τα στοιχεία και εκτελεί υπολογισμούς, αναθέτοντας κάθε βήμα στο καταλληλότερο μοντέλο — συχνά το GPT‑5.6 Sol. Μεταξύ αυτών των εργαλείων είναι και τα εργαλεία εγγράφων της Model ML, τα οποία δημιουργούν εγγενή αρχεία PowerPoint και Excel με ανιχνεύσιμες πηγές.

Η Model ML βοηθά τις χρηματοοικονομικές ομάδες αυτοματοποιώντας πλήρως τις χρηματοοικονομικές ροές εργασίας. Με βάση μια σύντομη περιγραφή και το υλικό πηγών, ο πράκτορας μπορεί να διεκπεραιώσει μια εργασία από την έρευνα και τη μοντελοποίηση έως το τελικό υλικό για πελάτες ή ομάδες συναλλαγών. Ο επαγγελματίας του χρηματοοικονομικού κλάδου ελέγχει τις παραδοχές, τις πηγές και το μήνυμα προτού κοινοποιήσει την εργασία.

Η Model ML χαρακτηρίζει το προϊόν «ανεξάρτητο από το περιβάλλον εργασίας». Ένας επαγγελματίας μπορεί να ξεκινήσει μια εργασία μέσω email ή στην εφαρμογή Model ML και να τη συνεχίσει στις προσθήκες της για το Microsoft Office, χωρίς να χρειαστεί να την εξηγήσει ξανά.

Αυτή η συνέχεια διατηρείται και στο τελικό παραδοτέο. Για μια παρουσίαση προς επενδυτική επιτροπή, η Model ML μπορεί να μετατρέψει μια σύντομη περιγραφή και το υλικό πηγών σε επεξεργάσιμο PowerPoint. Για μια εργασία Excel, ο πράκτορας μπορεί να ξεκινήσει με ένα πρότυπο πελάτη ή ένα κενό βιβλίο εργασίας, να συλλέξει τα απαιτούμενα δεδομένα, να δημιουργήσει τύπους και λογική σε πολλές καρτέλες και έπειτα να εφαρμόσει εξειδικευμένη χρηματοοικονομική μορφοποίηση, παράγοντας ένα πλήρες υπολογιστικό φύλλο ή χρηματοοικονομικό μοντέλο.

Στο Composite της Model ML, η δοκιμή αναφοράς της εταιρείας για την αξιολόγηση της ΤΝ στις χρηματοοικονομικές υπηρεσίες, το GPT‑5.6 Sol χρησιμοποίησε 36% λιγότερα token ανά βιβλίο εργασίας από το Opus 5 σε μια ροή εργασίας Excel.

Ολοκληρώνοντας αυτό το τελευταίο στάδιο, ο πράκτορας εξοικονομεί χρόνο σε κάθε παραδοτέο και βοηθά τις ομάδες να επεξεργάζονται μεγάλο όγκο υλικού πηγών. Σε έναν παγκόσμιο διαχειριστή περιουσιακών στοιχείων, ένα εξατομικευμένο συνοπτικό δελτίο που χρειαζόταν περίπου μία ώρα από έναν αναλυτή, πλέον ολοκληρώνεται σε περίπου πέντε λεπτά. Σε άλλη ροή εργασίας, οι πράκτορες της Model ML επεξεργάστηκαν μονομιάς εικονικές αίθουσες δεδομένων με περισσότερες από 100.000 γραμμές και εκατοντάδες αρχεία.

Η Model ML αξιολόγησε το GPT‑5.6 Sol μαζί με άλλα κορυφαία μοντέλα σε ένα ευρύ φάσμα χρηματοοικονομικών ροών εργασίας. Οι αξιολογήσεις Composite παρακολουθούν μια εργασία από την αρχική χρηματοοικονομική περιγραφή, την έρευνα και τους υπολογισμούς έως μια επεξεργάσιμη παρουσίαση ή ένα υπολογιστικό φύλλο. Έπειτα ελέγχουν τους αριθμούς, τις πηγές, τους τύπους και τη δομή, καθώς και την οπτική ποιότητα των παρουσιάσεων.

Για το PowerPoint, η αξιολόγηση Composite της Model ML ενσωματώνει πραγματικές ροές εργασίας και καλύπτει εκατοντάδες παραγόμενες παρουσιάσεις, βάσει λεπτομερών κριτηρίων βαθμολόγησης.

Το GPT‑5.6 Sol ολοκλήρωσε τη ροή εργασίας PowerPoint στο 100% των δοκιμών, έναντι 76% για το Opus 5. Επίσης, πέρασε το όριο επαγγελματικής ετοιμότητας της Model ML —που μετρά αν το αποτέλεσμα ήταν έτοιμο για ουσιαστικό έλεγχο— στο 43,3% των περιπτώσεων, έναντι 26,7%. Υπερείχε επίσης του Opus 5 ως προς την ποιότητα της παρουσίασης, την τήρηση της περιγραφής, την ιεράρχηση και τη συνέπεια.

Συνολικά, τα παραπάνω αποτελέσματα του Composite έδωσαν στη Model ML τα στοιχεία που χρειαζόταν για να επεκτείνει τη χρήση του GPT‑5.6 Sol στην παραγωγή, μεταξύ άλλων σε ροές εργασίας που προηγουμένως αναλάμβανε το Opus 4.8. Στις ροές εργασίας PowerPoint, το GPT‑5.6 Sol συνδύασε ανταγωνιστική ποιότητα παρουσιάσεων με υψηλότερο ποσοστό ολοκληρωμένων παρουσιάσεων έτοιμων για έλεγχο από τα Opus 5 και Fable 5, χρησιμοποιώντας περίπου 21% λιγότερα token από το Fable 5.

«Έτοιμο για πραγματική εργασία σημαίνει ότι ο χρήστης μπορεί να προχωρήσει απευθείας σε ουσιαστικό έλεγχο», λέει ο Englander. «Οι αριθμοί είναι ανιχνεύσιμοι, το βιβλίο εργασίας επανυπολογίζεται και η διαφάνεια είναι επεξεργάσιμη».

Το PowerPoint αποτέλεσε για τη Model ML μια απαιτητική δοκιμή της ετοιμότητας του GPT‑5.6 Sol για πραγματική εργασία. Μια παρουσίαση μπορεί να φαίνεται προσεγμένη, αλλά να αποτύχει στον έλεγχο αν οι αριθμοί της είναι λανθασμένοι ή μη ανιχνεύσιμοι, τα γραφήματά της έχουν μετατραπεί σε μη επεξεργάσιμες εικόνες ή οι διαφάνειές της πρέπει να δημιουργηθούν ξανά προτού κοινοποιηθούν.

Η Model ML εκτέλεσε το μοντέλο μέσα στον μηχανισμό του πράκτορά της, σε συνδυασμό με εργαλεία δημιουργίας και επεξεργασίας εγγράφων που επιτρέπουν στον πράκτορα να δημιουργεί διαφάνειες με επεξεργάσιμα γραφήματα και πίνακες. Κατά την εργασία διατηρεί την αρχική περιγραφή στο πλαίσιο αναφοράς και, προτού επιστρέψει το αρχείο, ελέγχει οπτικά κάθε διαφάνεια.

Το παρακάτω παράδειγμα δείχνει πώς βελτιώθηκε το αποτέλεσμα PowerPoint της Model ML από το GPT‑5.5 στο GPT‑5.6 Sol, με σαφέστερη ιεράρχηση και πιο συνεπή σχεδίαση διαφανειών.

Σήμερα, ο μηχανισμός της Model ML παρέχει στον πράκτορα εργαλειοθήκες που μπορεί να φορτώνει για πρόσβαση σε ενοποιήσεις δεδομένων, εργαλεία και δεξιότητες επεξεργασίας εγγράφων, καθώς και περιβάλλοντα εκτέλεσης κώδικα. Έτσι, ο πράκτορας παραμένει προσηλωμένος και διαθέτει ακριβώς τα εργαλεία που χρειάζεται για να εργαστεί με τα έγγραφα του χρήστη.

Η Model ML κατέληξε σε αυτή τη διαμόρφωση μέσα από επιτόπιες συνεδρίες με την OpenAI. Οι ομάδες εξέτασαν πώς ο πράκτορας σχεδίαζε τις παρουσιάσεις, επέλεγε εργαλεία και διατηρούσε το πλαίσιο αναφοράς. Στη συνέχεια, αξιοποίησαν τα ευρήματα για να βελτιώσουν τις οδηγίες του και να αποφασίσουν πότε πρέπει να φορτώνεται κάθε εργαλειοθήκη.

Οι πελάτες της Model ML στρέφονται σε αποτελέσματα μέσω προγράμματος περιήγησης, τα οποία παραμένουν συνδεδεμένα με τα μοντέλα και το υλικό πηγών που τα υποστηρίζουν.

Η πλατφόρμα της Model ML μπορεί να δημιουργεί ασφαλή, διαδραστικά αποτελέσματα που ενημερώνονται διαρκώς ή κλειδώνουν σε μια συγκεκριμένη χρονική στιγμή. Ένας ελεγκτής μπορεί να ανοίξει μια επενδυτική σύνοψη, να μεταβεί στο χρηματοοικονομικό μοντέλο στο οποίο βασίζεται ένα αριθμητικό στοιχείο και να συνεργαστεί με τον πράκτορα από την ίδια σελίδα.

«Τα PowerPoint, Excel και Word σχεδιάστηκαν για έναν κόσμο όπου η δημιουργία γνωσιακής εργασίας γινόταν χειροκίνητα», λέει ο Englander. «Η ΤΝ ανέτρεψε αυτή την παραδοχή. Το ίδιο το λογισμικό πρόκειται τώρα να αλλάξει».