Terminal X e GPT‑6.1: 88,6% di accordo con investitori senior

Il vantaggio competitivo di una società d’investimento si costruisce operazione dopo operazione, ma la capacità di giudizio alla base di ogni decisione risiede di solito nella mente di pochi investitori senior. Quando se ne vanno, la società accumula quello che Terminal X⁠(si apre in una nuova finestra) chiama debito di memoria: può conservare i documenti, ma perde il ragionamento.

Il sistema operativo Capital Memory di Terminal X è progettato per ridurre questo debito. Gli ingegneri dell’azienda che operano presso i clienti, ex professionisti della finanza e degli investimenti di JPMorgan e Blackstone, affiancano i team d’investimento di ciascun cliente, progettano l’architettura ad agenti della società e ne codificano il metodo d’investimento in agenti di sua proprietà, implementati in locale o nel suo cloud.

I modelli OpenAI, tra cui GPT‑6.1 Sol e GPT‑6 Luna, gestiscono il ragionamento all’interno di questi agenti. L’Eval Agent di Terminal X valuta poi gli output degli agenti rispetto agli standard della società. GPT‑6.1 Sol ha aiutato l’Eval Agent a individuare circa il 25% in più di raccomandazioni non conformi al mandato di un fondo e ha eseguito gli stessi flussi di lavoro a un costo per richiesta inferiore di circa il 30% rispetto al secondo miglior modello.

Per ogni cliente, Terminal X crea agenti progettati per investire come i migliori investitori della società. Gli ingegneri di Terminal X trascorrono settimane presso il cliente, ricostruendo il metodo alla base dei memorandum che la società considera affidabili e acquisendo processi mai messi per iscritto, come il modo in cui il desk crediti valuta un debitore o le fonti consultate dal team di co-investimento prima di redigere un memorandum.

Questi processi vengono poi codificati in centinaia di agenti, personalizzati per classe di attività e strategia, con agenti secondari per ogni fase dell’investimento. GPT‑6.1 Sol gestisce le fasi che richiedono capacità di giudizio e una finestra di contesto molto ampia: sintetizzare la tesi d’investimento, individuare gli aspetti chiave e valutare la coerenza con il mandato della società. GPT‑6 Luna esegue le fasi ad alto volume, in cui l’efficienza nell’uso dei token conta più della profondità di analisi.

Gli agenti lavorano nella data room privata di ciascuna società, un ambiente dedicato in cui le aziende possono condividere e gestire dati d’investimento sensibili. Gli agenti elaborano documenti in inglese, coreano, giapponese e cinese e archiviano ciò che apprendono in una Memoria aziendale: un registro con controllo delle versioni che documenta come un determinato desk prende un certo tipo di decisione, includendo analisi precedenti, decisioni del comitato, istruzioni per i flussi di lavoro e visioni d’investimento della società.

Gli ingegneri trasformano ogni Memoria in un flusso di lavoro ripetibile sulla piattaforma di Terminal X, dove ogni richiesta in produzione è verificabile grazie alla sua traccia completa: passaggi eseguiti, fonti recuperate, modello utilizzato e ragionamento.

Secondo Terminal X, questo approccio consente ai clienti risparmi significativi. Una società di private equity, per esempio, ha dichiarato risparmi su base annua pari a 2,4 milioni di dollari grazie all’automazione dei flussi di due diligence e di redazione dei memorandum d’investimento.

Per verificare le risposte degli agenti rispetto agli standard della società, Terminal X ha creato un Eval Agent. È un flusso di lavoro orchestrato basato su GPT‑6.1 Sol e altri modelli OpenAI, progettato per esaminare ogni output degli agenti come un vicepresidente esamina il lavoro di un analista.

L’Eval Agent verifica ogni output rispetto a una griglia di 54 criteri. Si chiede: i dati numerici, i comparabili, le stime di consenso e le citazioni provengono dalle fonti giuste? L’argomentazione regge? La raccomandazione è coerente con la visione d’investimento della società?

Ogni verifica ha un esito positivo o negativo. Ogni esito negativo include una motivazione di una riga e una fonte migliore o un testo corretto, e diventa una Memoria. Per esempio, una fonte trascurata, un comparabile errato o una tesi che si discosta dalla visione d’investimento della società vengono codificati in una nuova istruzione per il flusso di lavoro o in un nuovo caso di test per quel desk.

“Ogni risposta viene valutata e ogni correzione dell’analista insegna al sistema qualcosa in più su come lavora quella società”, afferma Ken Lee, cofondatore e CTO di Terminal X. “Quindi, più a lungo una società lo usa, più il sistema ragiona come il suo team.”

Terminal X sceglie i modelli in base ai risultati delle proprie valutazioni. Su 500 giudizi valutati, il suo Eval Agent basato su GPT‑6.1 Sol ha concordato con il revisore umano senior nell’88,6% dei casi, contro l’86,4% del secondo miglior modello: un miglioramento di 220 punti base.

Una categoria di errori in cui GPT‑6.1 Sol ha ottenuto risultati migliori è lo scostamento dallo stile d’investimento. Per esempio, il mandato di un fondo di buyout è individuare società quotate da acquisire e ritirare dal listino, scambiate a sconto rispetto al valore patrimoniale netto (NAV), valutarne la solidità e strutturare il finanziamento. Quando i modelli di scenario suggeriscono un’inversione di mercato, le raccomandazioni sulle operazioni iniziano a proporre una posizione in crediti deteriorati o un finanziamento di salvataggio. L’Eval Agent basato su GPT‑6.1 Sol ha individuato circa il 25% in più di questi scostamenti rispetto al secondo miglior modello.

L’efficienza di GPT‑6.1 Sol nell’uso dei token nelle attività con contesti lunghi ha consentito a Terminal X di creare un flusso di revisione più approfondito a parità di budget. La tesi viene verificata prima rispetto al mandato del fondo, poi rispetto alle sue operazioni recenti. Le valutazioni incerte vengono ripetute e l’agente riconcilia i risultati prima di presentarli.

Questa revisione più approfondita ha segnalato operazioni che un modello comparabile aveva approvato dopo una sola verifica. GPT‑6.1 Sol ha inoltre eseguito gli stessi flussi di lavoro a un costo per richiesta inferiore di circa il 30% rispetto al secondo miglior modello, con una velocità simile.

Con GPT‑6.1 Sol e GPT‑6 Luna, Terminal X ha creato 1.700 Memorie aziendali, eseguito oltre 1 milione di flussi di lavoro personalizzati e raggiunto un numero di utenti attivi settimanali pari all’81% degli utenti attivi mensili.

Il prossimo passo di Terminal X è estendere le Memorie aziendali dai desk ai singoli professionisti, per acquisire i criteri di ciascun professionista degli investimenti così come vengono applicati, non solo descritti.

Per Hyun, cofondatore e CEO di Terminal X, il punto è proprio questo: “Le società che avranno successo nel prossimo decennio saranno quelle che possiederanno la propria capacità di giudizio sotto forma di dati. Il nostro compito è rendere misurabile quella capacità, affinché possa essere conservata, migliorata e riutilizzata.”