Model ML ottimizza il lavoro finanziario con GPT‑5.6 Sol

Prima che un'analisi finanziaria possa essere presentata a clienti o decisori senior, i team devono affrontare un'impegnativa fase finale: riconciliare le evidenze, creare e formattare il file, verificare ogni cifra e collegare ciascuna affermazione alla relativa fonte. La presentazione PowerPoint o la cartella di lavoro Excel finale deve essere modificabile e pronta per un esame approfondito.

I fratelli Arnie e Chaz Englander, cofondatori di Model ML, si resero conto della mole di lavoro necessaria quando, dopo due exit di successo, iniziarono a investire tramite un family office privato e, da imprenditori, a sviluppare software per le proprie esigenze.

Nati da quel software, gli agenti di Model ML aiutano i professionisti della finanza a gestire un flusso di lavoro dalla richiesta iniziale fino alla ricerca, all'analisi e alla presentazione o alla cartella di lavoro finale. Al centro, un agente principale pianifica il lavoro, seleziona gli strumenti giusti, riconcilia le evidenze ed esegue i calcoli, indirizzando ogni fase al modello più adatto, spesso GPT‑5.6 Sol. Tra questi strumenti figurano quelli proprietari di Model ML per i documenti, che creano file PowerPoint ed Excel nativi con fonti tracciabili.

Model ML aiuta i team finanziari automatizzando i flussi di lavoro end-to-end. A partire da un brief e dai materiali di partenza, l'agente può gestire un incarico dalla ricerca e modellizzazione fino ai materiali finali per clienti o team responsabili delle operazioni. Prima di condividere il lavoro, il professionista finanziario verifica le ipotesi, le fonti e il messaggio.

Model ML definisce il prodotto “indipendente dall'interfaccia.“ Un professionista finanziario può avviare un incarico tramite email o nell'app Model ML e proseguirlo nei relativi plug-in per Microsoft Office senza doverlo spiegare di nuovo.

Questa continuità si estende fino al lavoro finale. Per una presentazione destinata a un comitato investimenti, Model ML può trasformare un brief e i materiali di partenza in un PowerPoint modificabile. Per un'attività in Excel, l'agente può partire dal modello di un cliente o da una cartella di lavoro vuota, raccogliere i dati necessari, creare formule e logiche su più schede e applicare infine una formattazione specifica per la finanza, producendo un foglio di calcolo completo o un modello finanziario.

Nel Composite di Model ML, il benchmark aziendale per la valutazione dell'IA nei servizi finanziari, GPT‑5.6 Sol ha utilizzato il 36% di token in meno per cartella di lavoro rispetto a Opus 5 in un flusso Excel.

Gestendo il lavoro fino a questa fase finale, l'agente può anche ridurre i tempi dei singoli materiali e aiutare i team a elaborare grandi volumi di contenuti di partenza. Presso un gestore patrimoniale globale, una scheda informativa personalizzata che richiedeva circa un'ora di lavoro a un analista ora viene preparata in circa cinque minuti. In un altro flusso di lavoro, gli agenti di Model ML hanno elaborato in un'unica operazione virtual data room contenenti oltre 100.000 righe e centinaia di file.

Model ML ha valutato GPT‑5.6 Sol insieme ad altri modelli leader in diversi flussi di lavoro finanziari. Le valutazioni Composite seguono un incarico dal brief finanziario iniziale, passando per ricerca e calcoli, fino a una presentazione o un foglio di calcolo modificabile; verificano quindi cifre, fonti, formule e struttura, oltre alla qualità visiva delle presentazioni.

Per PowerPoint, la valutazione Composite di Model ML include flussi di lavoro reali e centinaia di presentazioni generate, valutate secondo criteri di punteggio dettagliati.

GPT‑5.6 Sol ha completato il flusso di lavoro PowerPoint nel 100% dei test, rispetto al 76% di Opus 5, e ha superato la soglia di idoneità professionale di Model ML, che misura se l'output è pronto per una revisione sostanziale, nel 43,3% dei casi, contro il 26,7%. Ha inoltre superato Opus 5 per qualità della presentazione, aderenza al brief, gerarchia e coerenza.

Nel complesso, i risultati Composite illustrati sopra hanno fornito a Model ML le evidenze necessarie per estendere l'impiego di GPT‑5.6 Sol in produzione, anche ad alcuni flussi precedentemente gestiti da Opus 4.8. Nei flussi di lavoro PowerPoint, GPT‑5.6 Sol ha abbinato una qualità competitiva a un tasso più elevato di presentazioni completate e pronte per la revisione rispetto a Opus 5 e Fable 5, utilizzando circa il 21% di token in meno di Fable 5.

“Essere pronti per il lavoro reale significa consentire all'utente di passare direttamente alla revisione vera e propria,“ afferma Englander. “Le cifre sono riconducibili alle fonti, la cartella di lavoro ricalcola i dati e la diapositiva è modificabile“.

PowerPoint ha rappresentato per Model ML un test impegnativo per stabilire se GPT‑5.6 Sol fosse pronto per il lavoro reale. Una presentazione può sembrare rifinita e tuttavia non superare la revisione se le cifre sono errate o non tracciabili, i grafici sono appiattiti oppure le diapositive devono essere ricostruite prima della condivisione.

Model ML ha eseguito il modello all'interno della propria infrastruttura per agenti, abbinandolo a strumenti per creare e modificare documenti che consentono all'agente di realizzare diapositive con grafici e tabelle modificabili. Durante il lavoro mantiene nel contesto il brief originale, quindi esamina visivamente ogni diapositiva prima di restituire il file.

L'esempio seguente mostra come sia migliorato l'output PowerPoint di Model ML passando da GPT‑5.5 a GPT‑5.6 Sol, con una gerarchia più chiara e una progettazione delle diapositive più coerente.

Oggi l'infrastruttura di Model ML mette a disposizione dell'agente toolkit caricabili per accedere a integrazioni di dati, strumenti e competenze di modifica dei documenti e ambienti di esecuzione del codice. In questo modo l'agente resta concentrato e dispone esattamente degli strumenti necessari per lavorare con i documenti dell'utente.

Model ML ha raggiunto questa configurazione attraverso sessioni in presenza con OpenAI. I team hanno analizzato il modo in cui l'agente pianificava le presentazioni, selezionava gli strumenti e manteneva il contesto, quindi hanno usato i risultati per perfezionarne le istruzioni e stabilire quando caricare ciascun toolkit.

I clienti di Model ML si stanno orientando verso output basati sul browser che rimangono collegati ai modelli e ai materiali di partenza sottostanti.

La piattaforma di Model ML può generare output sicuri e interattivi, aggiornabili in modo continuo oppure bloccabili a un preciso momento. Un revisore potrebbe aprire una sintesi dell'investimento, accedere al modello finanziario alla base di una cifra e lavorare con l'agente dalla stessa pagina.

“PowerPoint, Excel e Word sono stati progettati per un mondo in cui il lavoro intellettuale veniva prodotto manualmente,“ afferma Englander. “L'IA ha cambiato questo presupposto. Ora sta per cambiare il software stesso.“