GPT‑5.6 Sol के साथ Model ML फ़ाइनेंस का काम आसानी से पूरा करता है

फ़ाइनेंशियल एनालिसिस को क्लाइंट्स या टीम के सीनियर्स के सामने रखने से पहले, टीमों को इसके आखिरी और मुश्किल हिस्से पर काफ़ी काम करना पड़ता है: एविडेंस को मिलाना, फ़ाइल बनाना और फ़ॉर्मैट करना, हर नंबर को चेक करना और हर क्लेम को उसके सोर्स से लिंक करना. उसके बाद तैयार PowerPoint डेक या Excel वर्कबुक एडिट करने लायक और जाँच के लिए तैयार होनी चाहिए.

Model ML के कोफ़ाउंडर्स और भाई आर्नी और चेज़ इंग्लैंडर ने इस काम में लगने वाली मेहनत को करीब से देखा. दो सफल एग्ज़िट्स के बाद, उन्होंने एक प्राइवेट फ़ैमिली ऑफ़िस के ज़रिए निवेश करना शुरू किया और जैसा कि बिल्डर्स करते हैं, अपनी मदद के लिए सॉफ़्टवेयर बनाना शुरू किया.

उसी सॉफ़्टवेयर से आगे बढ़कर Model ML के एजेंट्स तैयार हुए. ये एजेंट्स फ़ाइनेंस प्रोफ़ेशनल्स को शुरुआती रिक्वेस्ट से लेकर रिसर्च, एनालिसिस और तैयार डेक या वर्कबुक तक पूरा वर्कफ़्लो संभालने में मदद करते हैं. इसके सेंटर में एक कोर एजेंट होता है, जो पूरे काम की प्लानिंग करता है, सही टूल्स चुनता है, एविडेंस को मिलाकर देखता है और कैलकुलेशंस करता है. यह हर स्टेप को उस मॉडल के पास भेजता है, जो उस काम के लिए सबसे सही हो. अक्सर यह मॉडल GPT‑5.6 Sol होता है. इन टूल्स में Model ML के अपने डॉक्यूमेंट टूलिंग भी शामिल हैं. इनकी मदद से ट्रेस करने योग्य सोर्सेज़ के साथ नेटिव PowerPoint और Excel फ़ाइलें तैयार की जाती हैं.

Model ML, फ़ाइनेंस टीमों के फ़ाइनेंस वर्कफ़्लोज़ को शुरू से आखिर तक ऑटोमेट करके उनकी मदद करता है. एक ब्रीफ़ और सोर्स मटीरियल से एजेंट किसी असाइनमेंट को रिसर्च और मॉडलिंग से लेकर क्लाइंट्स या डील टीम्स के लिए तैयार मटीरियल तक पूरा कर सकता है. काम शेयर करने से पहले फ़ाइनेंस प्रोफ़ेशनल अनुमान, सोर्स और मैसेज को चेक करता है.

Model ML अपने प्रोडक्ट को "सरफ़ेस-एग्नॉस्टिक" कहता है. फ़ाइनेंस प्रोफ़ेशनल किसी असाइनमेंट की शुरुआत ईमेल या Model ML ऐप में कर सकते हैं और फिर उसे Microsoft Office के अपने प्लग-इन्स में आगे बढ़ा सकते हैं, बिना इसे दोबारा समझाए.

यह सिलसिला तैयार किए गए फ़ाइनल काम तक भी जारी रहता है. किसी इन्वेस्टमेंट कमेटी डेक के लिए, Model ML एक ब्रीफ़ और सोर्स मटीरियल को एडिट करने लायक PowerPoint में बदल सकता है. Excel के किसी काम में, एजेंट क्लाइंट के टेम्पलेट या खाली वर्कबुक से शुरुआत कर सकता है, ज़रूरी डेटा इकट्ठा कर सकता है, कई टैब में फ़ॉर्मूला और लॉजिक तैयार कर सकता है और फिर फ़ाइनेंस के हिसाब से फ़ॉर्मैटिंग लागू करके एक पूरी स्प्रेडशीट या फ़ाइनेंशियल मॉडल तैयार कर सकता है.

Model ML के 'कंपोज़िट' में, जो फ़ाइनेंशियल सर्विसेज़ में AI के लिए कंपनी का इवैल्यूएशन बेंचमार्क है, GPT‑5.6 Sol ने एक Excel वर्कफ़्लो में Opus 5 मुकाबले हर वर्कबुक के लिए 36% कम टोकन इस्तेमाल किए.

काम के इस आखिरी हिस्से को भी पूरा करने से एजेंट अलग-अलग डिलिवरेबल्स तैयार करने में समय बचा सकता है और टीमों को बड़ी मात्रा में सोर्स मटीरियल प्रोसेस करने में मदद कर सकता है. एक ग्लोबल एसेट मैनेजर में, एक कस्टम टियरशीट तैयार करने में एनालिस्ट को करीब एक घंटा लगता था. अब यही काम करीब पाँच मिनट में हो जाता है. एक दूसरे वर्कफ़्लो में, Model ML के एजेंट्स ने वर्चुअल डेटा रूम्स को एक ही बार में प्रोसेस किया, जिनमें 100,000 से ज़्यादा रो और सैकड़ों फ़ाइलें थीं.

Model ML ने अलग-अलग फ़ाइनेंस वर्कफ़्लोज़ में GPT‑5.6 Sol का इवैल्यूएशन दूसरे प्रमुख मॉडल्स के साथ किया. इसके 'कंपोज़िट' इवैल्यूएशंस में शुरुआती फ़ाइनेंस ब्रीफ़ से लेकर रिसर्च और कैलकुलेशंस, फिर एडिट करने लायक डेक या स्प्रेडशीट तक पूरा असाइनमेंट देखा जाता है. इसके बाद नंबर, सोर्स, फ़ॉर्मूला और स्ट्रक्चर चेक किए जाते हैं. प्रेज़ंटेशन के लिए विज़ुअल क्वालिटी भी चेक की जाती है.

Model ML के 'कंपोज़िट' इवैल्यूएशन में PowerPoint के लिए असल वर्कफ़्लोज़ शामिल हैं और यह सैकड़ों जेनरेट किए गए डेक्स पर आधारित है. इसमें एक डिटेल्ड स्कोरिंग रूब्रिक का इस्तेमाल किया जाता है.

GPT‑5.6 Sol ने 100% टेस्ट केसों में PowerPoint वर्कफ़्लो पूरा किया, जबकि Opus 5 ने 76% टेस्ट केसों में इसे पूरा किया. GPT‑5.6 Sol ने Model ML का प्रोफ़ेशनल-रेडीनेस गेट भी 43.3% केसों में क्लियर किया, जबकि Opus 5 ने 26.7% केसों में. यह गेट यह मापता है कि आउटपुट को आगे डिटेल में रिव्यू करने के लिए इस्तेमाल किया जा सकता है या नहीं. डेक की क्वालिटी, ब्रीफ़ के मुताबिक काम करने, हायरार्की और कंसिस्टेंसी में भी GPT‑5.6 Sol ने Opus 5 से बेहतर प्रदर्शन किया.

इन सभी 'कंपोज़िट' रिज़ल्ट्स को साथ में देखने पर Model ML को GPT‑5.6 Sol को प्रोडक्शन में और ज़्यादा इस्तेमाल करने के लिए काफ़ी एविडेंस मिले. इसमें कुछ ऐसे वर्कफ़्लोज़ भी शामिल हैं, जिन्हें पहले Opus 4.8 संभालता था. PowerPoint वर्कफ़्लोज़ में GPT‑5.6 Sol ने अच्छी डेक क्वालिटी के साथ Opus 5 और Fable 5 मुकाबले ज़्यादा पूरे और रिव्यू-रेडी डेक्स तैयार किए. साथ ही, इसने Fable 5 के मुकाबले करीब 21% कम टोकन इस्तेमाल किए.

इंग्लैंडर कहते हैं, "असल काम के लिए तैयार होने का मतलब है कि यूज़र सीधे असल रिव्यू पर जा सकते हैं, नंबर वापस सोर्स तक ट्रेस किए जा सकते हैं, वर्कबुक फिर से कैलकुलेट हो जाती है और स्लाइड को एडिट किया जा सकता है."

PowerPoint ने Model ML को यह परखने का एक मुश्किल टेस्ट दिया कि GPT‑5.6 Sol असल काम के लिए तैयार है या नहीं. कोई डेक देखने में कितना भी अच्छा लगे, रिव्यू के दौरान वह काम का नहीं रह जाता अगर उसके नंबर गलत हों या उनके सोर्स का पता न लगाया जा सके, उसके चार्ट्स एडिट नहीं किए जा सकते हों, या शेयर करने से पहले उसकी स्लाइड्स को फिर से बनाना पड़े.

Model ML ने अपने एजेंट हार्नेस के अंदर मॉडल को चलाया. इसके साथ डॉक्यूमेंट बनाने और एडिट करने वाले टूल्स भी जुड़े थे, जिनकी मदद से एजेंट एडिट करने लायक ग्राफ़ और टेबल वाली स्लाइड्स बना सकता था. काम करते समय यह ओरिजिनल ब्रीफ़ को ध्यान में रखता है और फ़ाइल वापस देने से पहले हर स्लाइड का विज़ुअल रिव्यू करता है.

नीचे दिए गए उदाहरण में दिखाया गया है कि GPT‑5.5 से GPT‑5.6 Sol तक Model ML के PowerPoint आउटपुट में कैसे सुधार हुआ. इसमें ज़्यादा साफ़ हायरार्की और स्लाइड डिज़ाइन में बेहतर कंसिस्टेंसी शामिल है.

आज Model ML का हार्नेस एजेंट को ऐसे टूलकिट्स देता है, जिन्हें वह डेटा इंटीग्रेशंस, डॉक्यूमेंट एडिटिंग टूल्स और स्किल्स, और कोड एग्ज़िक्यूशन एनवायरनमेंट्स तक पहुँचने के लिए लोड कर सकता है. इससे एजेंट काम पर फ़ोकस बनाए रखता है और उसे यूज़र के डॉक्यूमेंट्स के साथ काम करने के लिए ठीक वही टूल्स मिलते हैं, जिनकी उसे ज़रूरत है.

Model ML इस सेटअप तक OpenAI के साथ ऑन-साइट सेशंस के ज़रिए पहुँचा. दोनों टीमों ने देखा कि एजेंट प्रेज़ेंटेशंस की प्लानिंग कैसे करता है, टूल्स कैसे चुनता है और कॉन्टेक्स्ट को कैसे बनाए रखता है. फिर इन नतीजों का इस्तेमाल एजेंट के इंस्ट्रक्शंस को बेहतर बनाने और यह तय करने के लिए किया गया कि हर टूलकिट को कब लोड किया जाना चाहिए.

Model ML के कस्टमर्स ऐसे ब्राउज़र-आधारित आउटपुट्स की तरफ़ बढ़ रहे हैं, जो उनके पीछे मौजूद मॉडल्स और सोर्स मटीरियल से जुड़े रहते हैं.

Model ML का प्लेटफ़ॉर्म सुरक्षित और इंटरैक्टिव आउटपुट्स बना सकता है, जो लगातार अपडेट हो सकते हैं या किसी एक समय के हिसाब से लॉक किए जा सकते हैं. कोई रिव्यूअर इन्वेस्टमेंट समरी खोल सकता है, किसी आँकड़े के पीछे मौजूद फ़ाइनेंशियल मॉडल तक जाने के लिए उस पर क्लिक कर सकता है और उसी पेज से एजेंट के साथ काम कर सकता है.

इंग्लैंडर कहते हैं, "PowerPoint, Excel और Word ऐसी दुनिया के लिए बनाए गए थे, जहाँ नॉलेज वर्क खुद से तैयार करना पड़ता था. AI ने इस सोच को बदल दिया है. अब सॉफ़्टवेयर खुद बदलने वाला है."