Model ML sta aiutando le aziende finanziarie a ricostruire con l'IA da zero

La nostra serie Executive Function presenta le prospettive dei leader all'avanguardia nell'adozione dell’IA.

Model ML sta sviluppando un'infrastruttura di intelligenza artificiale che sta trasformando il modo in cui operano le principali società di servizi finanziari. La piattaforma di Model ML è caratterizzata da agenti appositamente progettati e da un'applicazione che automatizza i flussi di lavoro end-to-end, nonché da ricerche e analisi su misura. 

Abbiamo parlato con il CEO e co-fondatore Chaz Englander di come le aziende finanziarie si stanno evolvendo e di come i recenti progressi dell'IA stanno automatizzando e semplificando le loro operazioni.

Dopo aver venduto la nostra ultima azienda, io e mio fratello ci siamo resi conto che non ci piaceva investire, ma ci siamo appassionati all'automazione del processo di investimento attraverso la chiamata di funzione basata su GPT.

Eravamo un family office di sei persone, ma con questi LLM basati su GPT‑3.5, sembrava di avere a disposizione le risorse di un team di 60 persone.

Abbiamo realizzato un prototipo del Model ML per noi stessi e non avevamo intenzione di commercializzarlo. Ma una volta constatati i vantaggi in termini di insight ed efficienza derivanti dall'automazione dei flussi di lavoro di ricerca, abbiamo capito che avevamo scoperto qualcosa di importante.

Ci sono attività che in passato richiedevano giorni, settimane o addirittura mesi, e alcune di queste ora possono essere svolte in pochi minuti o ore. Ad esempio, la preparazione dei riepiloghi trimestrali degli utili richiedeva ore. Ora, gli agenti gestiscono l'intero processo: estraggono i dati, formattano le diapositive e pubblicano il Powerpoint su SharePoint, il tutto senza alcun intervento umano. Penso che questo sarà il cambiamento più significativo che vedremo quest'anno... arrivare al lavoro la mattina e trovare già pronto tutto ciò che serve per svolgere le proprie mansioni.

È necessario riconsiderare il valore aggiunto apportato dagli esseri umani e il modo in cui le aziende dovranno ridefinire il ruolo dei team affinché questi possano avere un impatto significativo sia oggi che in futuro.

Stiamo assistendo a un trasferimento dei dipendenti verso ruoli di maggior valore, basati sul giudizio. I leader delle aziende con cui collaboriamo, almeno secondo noi, sono quelli che stanno ripensando l'architettura dell'intera organizzazione con un approccio AI-native. È un processo incredibilmente difficile. Ed è il motivo per cui agiamo come consulenti sin dalle prime fasi, aiutandoli a determinare dove l'IA è più applicabile oggi e anche a prepararsi per il futuro, dove pensiamo che avrà il maggiore impatto tra 12 mesi. 

Stiamo assistendo a un aumento dell'influenza delle persone all'interno delle società finanziarie, non a una diminuzione. Mentre l'automazione si occupa del lavoro più pesante, le persone possono concentrarsi sulle relazioni e sul pensiero strategico. Le aziende vincenti saranno quelle che ripenseranno l'intera struttura operativa per trarre vantaggio da questo cambiamento.

Nel settore finanziario, accuratezza, conformità e adeguatezza al flusso di lavoro non sono opzionali, ma requisiti fondamentali. È proprio in questo ambito specifico che gli strumenti generici risultano inadeguati. Model ML è stato concepito fin dall'inizio appositamente per i servizi finanziari, su due livelli fondamentali.

Prima di tutto, a livello di agenti, abbiamo creato e messo a punto dei sistemi specifici per analizzare e interagire con i tipi di dati che i professionisti finanziari usano ogni giorno, sia strutturati che non strutturati, attraverso strumenti come Sharepoint e set di dati comuni come Capital IQ, FactSet e Crunchbase, che possono arrivare a centinaia di tabelle e 20 terabyte. Un anno fa era quasi impossibile creare un agente basato su quei set di dati. Non sono semplici modelli che rispondono alle domande; sono consapevoli del contesto, comprendono gli schemi, scrivono codice e recuperano informazioni da terabyte di dati complessi. 

In secondo luogo, c'è il livello applicativo: l'interfaccia attraverso la quale gli utenti interagiscono con gli agenti, progettata specificamente per il settore finanziario. Fornisce alle aziende gli strumenti per creare agenti che automatizzano i flussi di lavoro end-to-end e consentono analisi prima impossibili da realizzare. In termini di casi d'uso, ne vediamo decine di nuovi ogni giorno e siamo arrivati a migliaia, molti dei quali possono essere utilizzati dai clienti subito dopo la registrazione.

Abbiamo assistito a cambiamenti significativi con ogni nuovo modello rilasciato, che abbiamo trasformato in vantaggi immediati per i nostri clienti. I progressi in ambiti quali la capacità di ragionamento e di codifica hanno portato alcuni settori dei nostri prodotti a livelli stratosferici. Più recentemente, con il rilascio dei modelli OpenAI o3‑pro, o3, o4-mini e GPT‑4.1, questi nuovi modelli hanno apportato miglioramenti significativi in termini di ragionamento, capacità multimodali, capacità di seguire istruzioni e integrazione degli strumenti. Grazie a finestre contestuali più ampie e capacità di ragionamento più avanzate, ora siamo in grado di sbloccare flussi di lavoro end-to-end. Gli utenti possono concatenare attività di raccolta dati, analisi e creazione di presentazioni, producendo output completamente formattati in modo del tutto autonomo. 

Penso che la trasformazione più profonda sarà l'ascesa dell'automazione end-to-end dei flussi di lavoro, in cui i sistemi fungeranno da torri di controllo che supervisionano un esercito di lavoratori digitali. Man mano che questi agenti assumono compiti più complessi e articolati in più fasi nell'intero universo digitale, anche l'interfaccia utente e il modo in cui interagiamo con l'hardware inizieranno a cambiare. Probabilmente si tratta di un passo che andrà oltre i prossimi 12 mesi, ma è lì che siamo diretti.

Il prossimo passo sarà l'emergere di agenti veramente autonomi che si potranno integrare nel nostro prodotto. I nostri agenti sono in grado di eseguire flussi di lavoro sofisticati che raccolgono, analizzano e presentano dati provenienti dal vostro CRM, dalle e-mail, dai file, dai fornitori di dati esterni, dai verbali delle riunioni e altro ancora. Questi agenti non si limiteranno ad attendere istruzioni, ma anticiperanno ciò che deve essere fatto, sia che si tratti di attività cicliche (giornaliere, settimanali, mensili, trimestrali, annuali) o innescate da eventi reali, proprio come farebbe un membro del tuo team dopo una riunione o in risposta a un'e-mail.

La vera novità consiste nel fatto che questi flussi di lavoro saranno eseguiti end-to-end, automaticamente, con un ragionamento approfondito e un'orchestrazione tra tutti i sistemi. I risultati potrebbero essere consistenti come un PowerPoint di 100 pagine, creato interamente dalla macchina: più veloce, più coerente e disponibile 24 ore su 24, 7 giorni su 7.

Questo è il futuro: team digitali autonomi che gestiscono i flussi di lavoro che supportano la tua attività, in modo migliore, più veloce e sempre attivo.

Siamo convinti che le aziende AI-native avranno una struttura diversa. Meno livelli, cicli più rapidi, feedback loop più stretti. Abbiamo adottato una struttura piatta. Arnie [il mio cofondatore] ed io abbiamo entrambi più di dieci collaboratori diretti. Potrebbe sembrare eccessivo, ma l'intelligenza artificiale rende tutto gestibile. Tutti i colloqui individuali sono assistiti dall'IA. Appunti, cose da fare, contesto: tutto è semplificato. Ci permette di muoverci più rapidamente e di rimanere vicini al prodotto. Pensiamo che sia così che funzioneranno le aziende moderne: più come torri di controllo che come gerarchie a compartimenti stagni.

Parte dell'essere agili consiste nel puntare sul miglioramento dell'ecosistema e dei modelli fondamentali. Il segreto, e forse questo fa parte della mentalità del fondatore e delle organizzazioni di ingegneria, è non lasciarsi influenzare dalle emozioni quando si tratta del proprio codice. Eravamo soliti costruire tutto da soli: astrazioni degli agenti, connettori di servizio, tutto. Adesso se OpenAI o la comunità open source rilasciano qualcosa di migliore, come l'Agent SDK di OpenAI o i connettori MCP, basta collegarlo ed eliminare il nostro codice. 

Siamo passati all'utilizzo dell'Agent SDK e degli strumenti MCP di OpenAI per gestire i loop degli agenti, le chiamate degli strumenti, le protezioni e le integrazioni, e siamo riusciti a procedere con una minore manutenzione per un'innovazione più rapida.

Non stiamo cercando di vincere mantenendo le infrastrutture; stiamo cercando di vincere fornendo valore attraverso i risultati dei clienti.

Model ML utilizza la piattaforma API di OpenAI, inclusi GPT‑4.1, OpenAI o3 e Agents SDK, per alimentare i propri agenti, automazioni e strumenti interni.