Model ML tuntaskan tugas finansial efisien dengan GPT‑5.6 Sol

Sebelum analisis finansial siap dipresentasikan kepada klien atau pengambil keputusan senior, tim harus menuntaskan tahap akhir yang berat: mencocokkan bukti, membuat dan memformat berkas, memeriksa setiap angka, serta menautkan setiap klaim ke sumbernya. Presentasi PowerPoint atau buku kerja Excel yang dihasilkan harus dapat diedit dan siap diperiksa secara menyeluruh.

Arnie dan Chaz Englander, kakak beradik sekaligus pendiri Model ML, melihat besarnya upaya yang diperlukan ketika, setelah dua kali berhasil menjual perusahaan, mereka mulai berinvestasi melalui kantor keluarga privat dan, sebagaimana lazimnya para pengembang, membuat perangkat lunak untuk membantu diri mereka sendiri.

Dikembangkan dari perangkat lunak tersebut, agen Model ML membantu profesional keuangan menjalankan alur kerja dari permintaan awal hingga riset, analisis, dan presentasi atau buku kerja akhir. Di pusatnya, agen inti merencanakan pekerjaan, memilih alat yang tepat, mencocokkan bukti, dan menjalankan perhitungan, lalu mengarahkan setiap langkah ke model yang paling sesuai—sering kali GPT‑5.6 Sol. Alat tersebut mencakup perangkat dokumen milik Model ML, yang membuat berkas PowerPoint dan Excel native dengan sumber yang dapat dilacak.

Model ML membantu tim keuangan dengan mengotomatiskan alur kerja finansial secara menyeluruh. Berbekal ringkasan dan materi sumber, agen dapat menjalankan tugas dari riset dan pemodelan hingga menghasilkan materi akhir bagi klien atau tim transaksi. Profesional keuangan memeriksa asumsi, sumber, dan pesan sebelum membagikan hasil pekerjaan.

Model ML menyebut produknya “tidak bergantung pada antarmuka”. Profesional keuangan dapat memulai tugas melalui email atau aplikasi Model ML, lalu melanjutkannya di plug-in Microsoft Office tanpa perlu menjelaskannya kembali.

Kesinambungan tersebut berlanjut hingga hasil akhir. Untuk presentasi komite investasi, Model ML dapat mengubah ringkasan dan materi sumber menjadi PowerPoint yang dapat diedit. Untuk tugas Excel, agen dapat memulai dengan templat klien atau buku kerja kosong, mengumpulkan data yang diperlukan, menyusun rumus dan logika di beberapa tab, lalu menerapkan format khusus keuangan untuk menghasilkan lembar bentang atau model finansial yang lengkap.

Dalam Composite, tolok ukur evaluasi AI untuk layanan keuangan milik perusahaan, GPT‑5.6 Sol menggunakan token 36% lebih sedikit per buku kerja dibanding Opus 5 dalam alur kerja Excel.

Dengan menuntaskan pekerjaan hingga tahap akhir tersebut, agen juga dapat menghemat waktu untuk setiap hasil kerja dan membantu tim memproses materi sumber dalam jumlah besar. Di salah satu pengelola aset global, lembar ringkasan khusus yang sebelumnya memerlukan sekitar satu jam untuk disusun analis kini selesai dalam sekitar lima menit. Dalam alur kerja lain, agen Model ML memproses ruang data virtual yang berisi lebih dari 100.000 baris dan ratusan berkas dalam sekali proses.

Model ML mengevaluasi GPT‑5.6 Sol bersama berbagai model terkemuka lainnya dalam beragam alur kerja finansial. Evaluasi Composite mengikuti tugas dari ringkasan finansial awal, dilanjutkan dengan riset dan perhitungan, hingga menghasilkan presentasi atau lembar bentang yang dapat diedit. Evaluasi ini kemudian memeriksa angka, sumber, rumus, struktur, serta kualitas visual presentasi.

Untuk PowerPoint, evaluasi Composite dari Model ML mencakup alur kerja nyata dan ratusan presentasi yang dihasilkan, dengan rubrik penilaian terperinci.

GPT‑5.6 Sol menyelesaikan alur kerja PowerPoint dalam 100% kasus pengujian, dibandingkan 76% untuk Opus 5. Model ini juga lolos ambang kesiapan profesional Model ML—ukuran apakah hasilnya siap ditinjau secara substantif—dalam 43,3% kasus, dibandingkan 26,7%. Model ini juga mengungguli Opus 5 dalam kualitas presentasi, kepatuhan terhadap ringkasan, hierarki, dan konsistensi.

Secara keseluruhan, hasil Composite di atas memberi Model ML bukti untuk memperluas penggunaan GPT‑5.6 Sol dalam produksi, termasuk pada sejumlah alur kerja yang sebelumnya ditangani Opus 4.8. Untuk alur kerja PowerPoint, GPT‑5.6 Sol memadukan kualitas presentasi yang kompetitif dengan tingkat penyelesaian presentasi siap tinjau yang lebih tinggi daripada Opus 5 dan Fable 5, sekaligus menggunakan token sekitar 21% lebih sedikit daripada Fable 5.

“Siap untuk pekerjaan nyata berarti pengguna dapat langsung melakukan peninjauan yang sesungguhnya,” ujar Englander. “Angkanya dapat ditelusuri ke sumber, buku kerjanya dapat menghitung ulang, dan slidenya dapat diedit.”

PowerPoint menjadi ujian berat bagi Model ML untuk menentukan apakah GPT‑5.6 Sol siap digunakan dalam pekerjaan nyata. Presentasi dapat terlihat rapi, tetapi tetap gagal saat ditinjau jika angkanya salah atau tidak dapat dilacak, grafiknya menjadi gambar statis, atau slidenya harus dibuat ulang sebelum dapat dibagikan.

Model ML menjalankan model tersebut di dalam harness agennya, dipadukan dengan alat pembuatan dan pengeditan dokumen yang memungkinkan agen membuat slide dengan grafik dan tabel yang dapat diedit. Selama bekerja, agen mempertahankan ringkasan awal dalam konteks, lalu meninjau setiap slide secara visual sebelum mengembalikan berkas.

Contoh di bawah menunjukkan peningkatan hasil PowerPoint Model ML dari GPT‑5.5 ke GPT‑5.6 Sol, termasuk hierarki yang lebih jelas dan desain slide yang lebih konsisten.

Saat ini, harness Model ML menyediakan rangkaian alat yang dapat dimuat agen untuk mengakses integrasi data, alat dan kemampuan pengeditan dokumen, serta lingkungan eksekusi kode. Dengan demikian, agen tetap fokus dan memperoleh alat yang benar-benar dibutuhkan untuk menangani dokumen pengguna.

Model ML mencapai konfigurasi ini melalui sesi tatap muka bersama OpenAI. Kedua tim menelusuri cara agen merencanakan presentasi, memilih alat, dan mempertahankan konteks. Temuan tersebut kemudian digunakan untuk menyempurnakan instruksi agen dan menentukan kapan setiap rangkaian alat harus dimuat.

Pelanggan Model ML mulai beralih ke hasil berbasis browser yang tetap terhubung dengan model dan materi sumber di baliknya.

Platform Model ML dapat menghasilkan keluaran interaktif yang aman, dapat terus diperbarui, atau dikunci pada kondisi di suatu waktu tertentu. Peninjau dapat membuka ringkasan investasi, mengeklik model finansial yang mendasari suatu angka, dan bekerja dengan agen dari halaman yang sama.

“PowerPoint, Excel, dan Word dirancang untuk dunia ketika pekerjaan menghasilkan pengetahuan masih dilakukan secara manual,” ujar Englander. “AI telah mengubah asumsi itu. Perangkat lunaknya sendiri akan segera berubah.”