Model ML מייעלת עבודה פיננסית עם GPT‑5.6 Sol

לפני שאפשר להציג ניתוח פיננסי ללקוחות או למקבלי החלטות בכירים, הצוותים צריכים להשלים שלב אחרון ותובעני: להצליב נתונים ולאמת אותם, לבנות ולעצב את הקובץ, לבדוק כל מספר ולקשר כל טענה למקור שלה. מצגת ה-PowerPoint או חוברת העבודה ב-Excel צריכות להיות ניתנות לעריכה ומוכנות לבדיקה מדוקדקת.

האחים ארני וצ׳אז אינגלנדר, מייסדי Model ML, נוכחו לדעת כמה עבודה נדרשת לכך כשלאחר שני אקזיטים מוצלחים החלו להשקיע באמצעות משרד פרטי לניהול הון משפחתי — וכדרכם של יזמים, לפתח תוכנה שתעזור להם.

מתוך התוכנה הזאת צמחה Model ML. הסוכנים שלה עוזרים לאנשי מקצוע בתחום הפיננסים להשלים תהליך עבודה מהבקשה הראשונית, דרך מחקר וניתוח, ועד למצגת או לחוברת עבודה מוגמרת. בלב המערכת נמצא סוכן מרכזי שמתכנן את העבודה, בוחר את הכלים המתאימים, מצליב נתונים ומבצע חישובים. הוא מנתב כל שלב למודל המתאים ביותר, שלעיתים קרובות הוא GPT‑5.6 Sol. בין הכלים האלה נמצאים כלי המסמכים של Model ML, שיוצרים קובצי PowerPoint ו-Excel בפורמט המקורי, עם אפשרות להתחקות אחר המקורות.

Model ML מסייעת לצוותי פיננסים באמצעות אוטומציה של תהליכי עבודה פיננסיים מקצה לקצה. על בסיס הנחיות וחומרי מקור, הסוכן יכול לבצע משימה משלב המחקר ובניית המודלים ועד להכנת חומרים מוגמרים ללקוחות או לצוותים המטפלים בעסקאות. איש המקצוע בתחום הפיננסים בודק את ההנחות, המקורות והמסר לפני שיתוף התוצרים.

Model ML מתארת את המוצר כ״בלתי תלוי בממשק״. איש מקצוע בתחום הפיננסים יכול להתחיל משימה בדוא״ל או באפליקציית Model ML, ולהמשיך אותה בתוספים שלה ל-Microsoft Office בלי להסביר אותה מחדש.

הרציפות הזאת נשמרת גם בתוצר המוגמר. כשנדרשת מצגת לוועדת השקעות, Model ML יכולה להפוך הנחיות וחומרי מקור למצגת PowerPoint שניתנת לעריכה. במשימת Excel, הסוכן יכול להתחיל מתבנית של הלקוח או מחוברת עבודה ריקה, לאסוף את הנתונים הדרושים, לבנות נוסחאות ולוגיקה בכמה גיליונות, ואז להחיל עיצוב המותאם לתחום הפיננסי כדי להפיק גיליון אלקטרוני או מודל פיננסי שלם.

ב-Composite של Model ML, מדד ההערכה של החברה לבינה מלאכותית בשירותים פיננסיים, GPT‑5.6 Sol השתמש ב-36% פחות טוקנים לכל חוברת עבודה לעומת Opus 5 בתהליך עבודה ב-Excel.

השלמת השלב האחרון הזה מאפשרת לסוכן גם לחסוך זמן בהכנת תוצרים בודדים ולעזור לצוותים לעבד כמויות גדולות של חומרי מקור. בחברה גלובלית לניהול נכסים, הכנת דף נתונים פיננסיים מותאם אישית, שבעבר ארכה לאנליסט כשעה, אורכת כיום כחמש דקות. בתהליך עבודה אחר, הסוכנים של Model ML עיבדו במעבר אחד חדרי מידע וירטואליים שהכילו יותר מ-100,000 שורות ומאות קבצים.

Model ML בחנה את GPT‑5.6 Sol לצד מודלים מובילים אחרים במגוון תהליכי עבודה פיננסיים. ההערכות במסגרת Composite עוקבות אחר משימה מההנחיות הפיננסיות הראשוניות, דרך מחקר וחישובים, ועד למצגת או לגיליון אלקטרוני שניתנים לעריכה. לאחר מכן נבדקים המספרים, המקורות, הנוסחאות והמבנה, ובמצגות — גם האיכות החזותית.

ב-PowerPoint, הערכת Composite של Model ML משלבת תהליכי עבודה אמיתיים וכוללת מאות מצגות שנוצרו, לפי קריטריונים מפורטים לניקוד.

GPT‑5.6 Sol השלים את תהליך העבודה ב-PowerPoint ב-100% ממקרי הבדיקה, לעומת 76% עבור Opus 5. הוא גם עבר את סף המוכנות המקצועית של Model ML — מדד הבוחן אם התוצר מוכן לבדיקה מהותית — ב-43.3% מהמקרים, לעומת 26.7%. הוא גם עלה על Opus 5 באיכות המצגת, בעמידה בהנחיות, בהיררכיה ובעקביות.

מכלול תוצאות Composite המוצגות לעיל סיפק ל-Model ML בסיס להרחבת השימוש ב-GPT‑5.6 Sol בסביבת הייצור, כולל בכמה תהליכי עבודה שטופלו בעבר באמצעות Opus 4.8. בתהליכי עבודה ב-PowerPoint, GPT‑5.6 Sol שילב איכות מצגות תחרותית עם שיעור גבוה יותר של מצגות מוגמרות ומוכנות לבדיקה לעומת Opus 5 ו-Fable 5, תוך שימוש בכ-21% פחות טוקנים לעומת Fable 5.

״מוכן לעבודה אמיתית פירושו שהמשתמש יכול לעבור ישירות לבדיקה מהותית״, אומר אינגלנדר. ״אפשר להתחקות אחר המקור של המספרים, חוברת העבודה מבצעת חישובים מחדש, והשקופית ניתנת לעריכה.״

PowerPoint סיפק ל-Model ML מבחן תובעני לשאלה אם GPT‑5.6 Sol מוכן לעבודה אמיתית. מצגת יכולה להיראות מלוטשת ובכל זאת להיכשל בבדיקה אם המספרים בה שגויים או שאי אפשר להתחקות אחר מקורם, אם התרשימים הפכו לתמונות שטוחות, או אם צריך לבנות מחדש את השקופיות לפני שאפשר לשתף אותן.

Model ML הפעילה את המודל בתוך ה-harness של הסוכן שלה, בשילוב כלי יצירה ועריכה של מסמכים שמאפשרים לסוכן ליצור שקופיות עם גרפים וטבלאות הניתנים לעריכה. הסוכן שומר את ההנחיות המקוריות בהקשר לאורך העבודה, ואז בודק חזותית כל שקופית לפני החזרת הקובץ.

הדוגמה הבאה מציגה כיצד השתפרו תוצרי ה-PowerPoint של Model ML במעבר מ-GPT‑5.5 ל-GPT‑5.6 Sol, לרבות היררכיה ברורה יותר ועיצוב שקופיות עקבי יותר.

כיום, ה-harness של Model ML מספק לסוכן ערכות כלים שהוא יכול לטעון כדי לגשת לחיבורי נתונים, לכלים ולמיומנויות לעריכת מסמכים ולסביבות להרצת קוד. כך הסוכן נשאר ממוקד ומקבל בדיוק את הכלים הדרושים לו לעבודה עם מסמכי המשתמש.

Model ML הגיעה לתצורה הזאת באמצעות מפגשי עבודה פנים אל פנים עם OpenAI. הצוותים עקבו אחר האופן שבו הסוכן תכנן מצגות, בחר כלים ושמר על ההקשר, ואז השתמשו בממצאים כדי לחדד את ההוראות לסוכן ולהחליט מתי לטעון כל ערכת כלים.

לקוחות Model ML עוברים לתוצרים מבוססי דפדפן שנשארים מחוברים למודלים ולחומרי המקור שעליהם הם מבוססים.

הפלטפורמה של Model ML יכולה ליצור תוצרים מאובטחים ואינטראקטיביים, שמתעדכנים ברציפות או נשארים קבועים כפי שהיו בנקודת זמן מסוימת. מי שבודק את התוצר יוכל לפתוח סיכום השקעה, לעבור בלחיצה למודל הפיננסי שמאחורי נתון מסוים ולעבוד עם הסוכן מאותו עמוד.

״PowerPoint, Excel ו-Word תוכננו לעולם שבו עבודת ידע נעשתה ידנית״, אומר אינגלנדר. ״הבינה המלאכותית שינתה את הנחת היסוד הזאת. התוכנה עצמה עומדת להשתנות.״