Model ML、GPT‑5.6 Sol で金融業務を効率化
Model ML は、編集可能な PowerPoint・Excel ファイルを作成するワークフローに GPT‑5.6 Sol を活用し、資料当たりのトークン数を Fable 5 より 21% 削減しています。
成果
21%
PowerPoint 資料当たりのトークン数を Fable 5 より削減
成果
16.6
実務対応度で Opus 5 を上回ったポイント数
成果
36%
Excel ワークブック当たりのトークン数を Opus 5 より削減
成果
5 分
特注ティアシートの作成時間（約 1 時間から短縮）
財務分析を顧客や上級意思決定者に提示できる状態にするには、チームは厳しい最終工程を完遂しなければなりません。根拠を照合し、ファイルを作成して書式を整え、すべての数値を確認し、各主張を出典にひも付ける作業です。完成した PowerPoint 資料や Excel ワークブックには、編集可能で、精査に耐えられることが求められます。
Model ML の共同創業者で兄弟のアーニー・イングランダー氏とチャズ・イングランダー氏は、2 度の事業売却を成功させた後、非公開のファミリーオフィスを通じて投資を始めました。その過程で、この作業にどれほどの労力が必要かを実感し、開発者らしく自分たちを支援するソフトウェアを作り始めました。
そのソフトウェアから発展した Model ML のエージェントは、金融の専門家が最初の依頼から調査、分析、完成した資料やワークブックの作成まで、一連のワークフローを遂行できるよう支援します。中核となるエージェントが作業を計画し、適切なツールを選び、根拠を照合して計算を実行します。各工程は、それぞれに最適なモデルへ振り分けられ、多くの場合 GPT‑5.6 Sol が使われます。そのツールの一つが Model ML 独自の文書作成ツールで、出典を追跡できるネイティブ形式の PowerPoint ファイルと Excel ファイルを作成します。
「従来のモデルでもアナリストの仕事はこなせましたが、ユーザーがタスクを明確に分解し、特に出力をどのような形にするかを具体的に指示する必要がありました。GPT-5.6 Sol では、エージェントが最終成果物にはるかに近いところまで仕上げられることが分かっています」
Model ML は、金融ワークフローを最初から最後まで自動化し、金融チームを支援します。エージェントは概要と資料を受け取ると、調査やモデリングを経て、顧客や案件チーム向けの完成資料に仕上げるまで、業務を一貫して遂行できます。金融の専門家は、成果物を共有する前に前提、出典、メッセージを確認します。
Model ML は、この製品を「利用画面に依存しない」と表現しています。金融の専門家は、メールまたは Model ML アプリで業務を開始し、説明し直すことなく Microsoft Office プラグインで作業を続けられます。
この一貫性は完成した成果物にも及びます。投資委員会向け資料では、Model ML が概要と資料を編集可能な PowerPoint に変換できます。Excel の作業では、エージェントが顧客のテンプレートまたは空のワークブックから始め、必要なデータを収集し、複数のタブに数式とロジックを構築します。その後、金融業務に適した書式を適用し、完成したスプレッドシートや財務モデルを作成できます。
金融サービス分野の AI を評価する Model ML 独自のベンチマーク「Composite」では、Excel ワークフローにおける GPT‑5.6 Sol のワークブック当たりのトークン使用量が Opus 5 より 36% 少なくなりました。
「ユーザーが集中すべきなのは、分析を一から作り直すことではなく、前提を見直したりメッセージを磨いたりする判断です」
エージェントは作業を最終工程まで遂行することで、個々の成果物にかかる時間を短縮し、チームによる大量の資料処理も支援できます。あるグローバル資産運用会社では、アナリストが作成に約 1 時間かけていた特注のティアシートを、現在は約 5 分で作成できます。別のワークフローでは、Model ML のエージェントが 10 万行を超えるデータと数百のファイルを含むバーチャルデータルームを一度に処理しました。
Model ML は、さまざまな金融ワークフローで GPT‑5.6 Sol と他の主要モデルを比較評価しました。Composite 評価では、最初の金融業務概要から調査と計算を経て、編集可能な資料やスプレッドシートを作成するまでの業務を追跡します。そのうえで、数値、出典、数式、構成に加え、プレゼンテーションの視覚的品質も検証します。
PowerPoint については、Model ML の Composite 評価に実際のワークフローと数百件の生成資料を取り入れ、詳細な採点基準を適用しています。
GPT‑5.6 Sol は、テストケースの 100% で PowerPoint ワークフローを完了しました。Opus 5 は 76% でした。また、出力が本格的なレビューに進める状態かを測る Model ML の実務対応基準を満たした割合は 43.3% で、Opus 5 の 26.7% を上回りました。資料の品質、概要への準拠、情報の階層性、一貫性でも Opus 5 を上回りました。
上記の Composite の結果を総合し、Model ML は、従来 Opus 4.8 が担っていた一部のワークフローを含め、本番環境での GPT‑5.6 Sol の活用を拡大する根拠を得ました。PowerPoint ワークフローでは、GPT‑5.6 Sol は競争力のある資料品質を保ちながら、完了してレビュー可能な状態になった資料の割合で Opus 5 と Fable 5 を上回り、トークン使用量も Fable 5 より約 21% 少なくなりました。
「実務で使えるとは、ユーザーがすぐに本格的なレビューへ進めるということです」とイングランダー氏は述べています。「数値は出典まで追跡でき、ワークブックは再計算でき、スライドは編集できます」
PowerPoint は、GPT‑5.6 Sol が実務で使えるかを判断するための厳しい試金石となりました。資料の見栄えが良くても、数値が誤っている、または出典を追跡できない、グラフが画像化されている、共有前にスライドを作り直す必要があるといった問題があれば、レビューを通過できません。
Model ML は、エージェント用ハーネス内でモデルを動かし、編集可能なグラフや表を含むスライドをエージェントが作成できる文書作成・編集ツールと組み合わせました。作業中は元の概要をコンテキストに保持し、ファイルを返す前にすべてのスライドを視覚的に確認します。
以下の例は、Model ML の PowerPoint 出力が GPT‑5.5 から GPT‑5.6 Sol へ移行したことで、情報の階層がより明確になり、スライドデザインの一貫性も向上したことを示しています。
改善前：GPT‑5.5
改善後：GPT‑5.6 Sol
現在、Model ML のハーネスは、データ連携、文書編集ツールとスキル、コード実行環境にアクセスするため、必要に応じて読み込めるツールキットをエージェントに提供しています。これにより、エージェントは作業に集中し、ユーザーの文書を扱うために必要なツールだけを利用できます。
Model ML は、OpenAI とのオンサイトセッションを通じてこの構成に到達しました。両社のチームは、エージェントがプレゼンテーションを計画し、ツールを選び、コンテキストを維持する方法を追跡しました。その知見を基にエージェントへの指示を改善し、各ツールキットを読み込むタイミングを決定しました。
Model ML の顧客は、背後にあるモデルや資料との接続を維持できる、ブラウザベースの出力へ移行しつつあります。
Model ML のプラットフォームは、継続的に更新することも、特定時点の状態に固定することもできる、安全でインタラクティブな出力を生成できます。レビュー担当者は投資概要を開き、数値の根拠となる財務モデルへ移動し、同じページでエージェントと作業できます。
「PowerPoint、Excel、Word は、知的業務を人が手作業で作成する時代を前提に設計されました」とイングランダー氏は述べています。「AI は、その前提を変えました。ソフトウェアそのものも、まもなく変わります」
