Terminal X: 88.6% tugma sa hatol ng investor gamit ang GPT‑6.1

Sa bawat transaksyon, nabubuo ang kalamangan ng isang kompanya ng pamumuhunan. Ngunit ang batayan ng bawat desisyon ay karaniwang nasa isip lang ng iilang beteranong mamumuhunan. Kapag umalis sila, nagkakaroon ang kompanya ng tinatawag ng Terminal X⁠(magbubukas sa bagong window) na utang sa kaalaman: maaaring manatili ang mga dokumento, pero nawawala ang pangangatwiran sa likod ng mga ito.

Idinisenyo ang Capital Memory operating system ng Terminal X para mabawasan ang utang na iyon. Ang mga engineer ng kompanya na direktang nakikipagtulungan sa mga customer ay dating mga propesyonal sa pananalapi at pamumuhunan sa JPMorgan at Blackstone. Kasama ng mga investment team ng bawat customer, idinidisenyo nila ang arkitektura ng mga agent at isinasama ang paraan ng pamumuhunan ng kompanya sa mga agent na pag-aari nito, na naka-deploy sa sarili nitong pasilidad o cloud.

Mga modelo ng OpenAI, kabilang ang GPT‑6.1 Sol at GPT‑6 Luna, ang nangangasiwa sa pangangatwiran sa loob ng mga agent na iyon. At sinusuri ng Eval Agent ng Terminal X ang output ng mga agent ayon sa mga pamantayan ng kompanya. Sa tulong ng GPT‑6.1 Sol, natukoy ng Eval Agent ang humigit-kumulang 25% pang rekomendasyong lumilihis sa mandato ng pondo. Napatakbo rin nito ang parehong mga workflow sa humigit-kumulang 30% mas mababang gastos bawat query kaysa sa pangalawa sa pinakamahusay na modelo.

Para sa bawat customer, bumubuo ang Terminal X ng mga agent na idinisenyong mamuhunan gaya ng pinakamahusay na mga mamumuhunan ng kompanya. Ilang linggong namamalagi ang mga engineer ng Terminal X sa lugar ng customer. Hinihimay nila ang mga pinagkakatiwalaang memo ng kompanya para maunawaan kung paano binuo ang mga ito, at itinatala ang mga prosesong hindi kailanman naisulat—gaya ng paraan ng credit team sa pagsala ng nangungutang o kung aling mga sanggunian ang kinokolekta ng co-investment team bago gumawa ng memo.

Pagkatapos, isinasama ang mga prosesong iyon sa daan-daang agent na iniangkop sa bawat klase ng asset at estratehiya, na may mga sub-agent para sa bawat yugto ng pamumuhunan. Pinangangasiwaan ng GPT‑6.1 Sol ang mga yugtong nangangailangan ng pagpapasya at napakalaking context window: pagbubuo ng tesis sa pamumuhunan, pagtukoy sa mahahalagang dapat isaalang-alang, at pagsusuri kung naaayon ito sa mandato ng kompanya. Pinapatakbo ng GPT‑6 Luna ang maramihang mga hakbang kung saan mas mahalaga ang matipid na paggamit ng mga token kaysa sa lalim ng pagsusuri.

Gumagana ang mga agent sa loob ng pribadong data room ng bawat kompanya, isang nakalaang kapaligiran kung saan maaaring magbahagi at mamahala ang mga negosyo ng sensitibong data sa pamumuhunan. Nagpoproseso ang mga agent ng mga dokumento sa Ingles, Koreano, Hapones, at Tsino, at iniimbak ang natututuhan nila bilang Memory ng kompanya: isang rekord na may mga bersyon ng paraan ng isang pangkat sa paggawa ng isang uri ng desisyon, kabilang ang mga nakaraang pagsusuri, desisyon ng komite, tagubilin sa workflow, at pananaw ng kompanya.

Ginagawa ng mga engineer ang bawat Memory na isang nauulit na workflow sa platform ng Terminal X. Dito, maaaring i-audit ang bawat query sa aktuwal na operasyon gamit ang kumpletong tala nito: mga hakbang na ginawa, mga sangguniang kinuha, modelong ginamit, at pangangatwiran.

Ayon sa Terminal X, malaki ang natitipid ng mga customer dahil sa pamamaraang ito. Kabilang dito ang isang private equity firm na nag-ulat ng katumbas na $2.4 milyon na taunang pagtitipid mula sa mga awtomatikong workflow para sa due diligence at investment memo.

Bumuo ang Terminal X ng Eval Agent para suriin ang mga sagot ng mga agent ayon sa sariling pamantayan ng kompanya. Isa itong koordinadong workflow sa GPT‑6.1 Sol at iba pang modelo ng OpenAI, na idinisenyo para basahin ang bawat output ng agent gaya ng pagsusuri ng isang VP sa trabaho ng isang analyst.

Sinusuri ng Eval Agent ang bawat output ayon sa 54 na pamantayan. Itinatanong nito: Mula ba sa tamang mga sanggunian ang mga numero, paghahambing, pinagkaisahang pagtataya, at sipi? Matibay ba ang paliwanag? Naaayon ba ang rekomendasyon sa pananaw ng kompanya?

Pumasa o bumagsak ang resulta ng bawat pagsusuri. Bawat pagbagsak ay may kasamang isang linyang paliwanag at mas mahusay na sanggunian o itinamang teksto, at nagiging isang Memory. Halimbawa, ang isang nakaligtaang sanggunian, maling pinaghambingan, o tesis sa pamumuhunan na lumilihis sa pananaw ng kompanya ay ginagawang bagong tagubilin sa workflow o bagong test case para sa pangkat na iyon.

“Sinusuri ang bawat sagot, at bawat pagwawasto ng analyst ay nagtuturo sa sistema ng kaunti pang kaalaman tungkol sa paraan ng pagtatrabaho ng kompanya,” sabi ni Ken Lee, kapwa tagapagtatag at CTO ng Terminal X. “Kaya habang mas matagal itong ginagamit ng isang kompanya, mas nagiging katulad ng sarili nilang team ang paraan nito ng pag-iisip.”

Pumipili ang Terminal X ng mga modelo batay sa mga resulta ng sarili nitong pagsusuri. Sa 500 paghatol na binigyan ng marka, tumugma ang Eval Agent nito sa GPT‑6.1 Sol sa hatol ng beteranong tagasuri sa 88.6% ng mga pagkakataon, kumpara sa 86.4% para sa pangalawa sa pinakamahusay na modelo—pagtaas na 220 basis point.

Isang uri ng pagkakamali na mas mahusay na natukoy ng GPT‑6.1 Sol ang paglihis sa estratehiya ng pamumuhunan. Halimbawa, ang mandato ng isang buyout fund ay humanap ng mga pampublikong kompanyang maaaring gawing pribado na may presyong mas mababa sa NAV, suriin ang panganib at potensyal ng negosyo, at balangkasin ang pagpopondo. Kapag nagpahiwatig ang mga modelo ng senaryo ng pagbabago sa direksyon ng merkado, nagsisimulang magrekomenda ang mga panukalang transaksyon ng pamumuhunan sa problemadong utang o pagpopondo para iligtas ang isang negosyo. Natukoy ng Eval Agent sa GPT‑6.1 Sol ang humigit-kumulang 25% pang ganitong paglihis kaysa sa pangalawa sa pinakamahusay na modelo.

Dahil sa matipid na paggamit ng GPT‑6.1 Sol ng mga token sa mga gawaing may mahabang konteksto, nakabuo ang Terminal X ng workflow para sa mas malalim na pagsusuri sa parehong badyet. Sinusuri muna ang tesis sa pamumuhunan ayon sa mandato ng pondo, at pagkatapos ay inihahambing ito sa mga kamakailang transaksyon ng pondo. Inuulit ang pagsusuri kapag hindi tiyak ang hatol, at nililinaw ng agent ang anumang pagkakaiba sa mga resulta bago mag-ulat.

Sa mas malalim na pagsusuring iyon, natukoy ang mga transaksyong may problema na naipasa ng isang katumbas na modelo sa iisang pagsusuri. Napatakbo rin ng GPT‑6.1 Sol ang parehong mga workflow sa humigit-kumulang 30% mas mababang gastos bawat query kaysa sa pangalawa sa pinakamahusay na modelo, sa halos parehong bilis.

Gamit ang GPT‑6.1 Sol at GPT‑6 Luna, nakabuo ang Terminal X ng 1,700 Memory ng mga kompanya, nakapagpatakbo ng mahigit 1 milyong custom na workflow, at nakaabot sa bilang ng mga lingguhang aktibong user na katumbas ng 81% ng mga buwanang aktibong user nito.

Susunod na palalawakin ng Terminal X ang mga Memory ng kompanya mula sa mga pangkat tungo sa mga indibidwal, upang maitala ang pamantayan ng bawat propesyonal sa pamumuhunan batay sa aktuwal nilang ginagawa, hindi lang sa inilalarawan nila.

Para kay Hyun, kapwa tagapagtatag at CEO ng Terminal X, iyon mismo ang layunin: “Ang mga kompanyang mangunguna sa susunod na dekada ay yaong may hawak ng sarili nilang pagpapasya bilang data. Trabaho naming gawing nasusukat ang pagpapasyang iyon para mapanatili, mapahusay, at magamit itong muli.”