Model ML, GPT‑5.6 Sol로 금융 업무 효율 향상

재무 분석 결과를 고객이나 고위 의사결정권자에게 제시하려면 팀은 까다로운 마지막 단계까지 완수해야 합니다. 근거를 대조하고, 파일을 작성하고 서식을 지정하며, 모든 수치를 확인하고, 각 주장을 출처와 연결해야 합니다. 완성된 PowerPoint 자료나 Excel 통합 문서는 편집할 수 있고 면밀한 검토에도 대비되어 있어야 합니다.

Model ML의 공동 창업자이자 형제인 Arnie Englander와 Chaz Englander는 두 차례 성공적으로 회사를 매각한 뒤 개인 패밀리 오피스를 통해 투자를 시작하면서 이 과정에 얼마나 많은 업무가 필요한지 깨달았습니다. 그리고 개발자답게 자신들을 도울 소프트웨어를 만들기 시작했습니다.

그 소프트웨어에서 발전한 Model ML의 에이전트는 금융 전문가가 최초 요청부터 조사와 분석을 거쳐 완성된 자료나 통합 문서를 만드는 전 과정을 수행하도록 지원합니다. 그 중심에는 작업을 계획하고 적절한 도구를 선택하며 근거를 대조하고 계산을 수행하는 핵심 에이전트가 있습니다. 각 단계는 가장 적합한 모델로 전달되며, GPT‑5.6 Sol이 사용되는 경우가 많습니다. 이러한 도구에는 출처를 추적할 수 있는 기본 형식의 PowerPoint 및 Excel 파일을 생성하는 Model ML 자체 문서 도구도 포함됩니다.

Model ML은 금융 워크플로를 처음부터 끝까지 자동화하여 금융팀을 지원합니다. 에이전트는 업무 지시서와 원자료를 바탕으로 조사와 모델링을 거쳐 고객 또는 거래팀에 제공할 최종 자료까지 만들 수 있습니다. 금융 전문가는 결과물을 공유하기 전에 가정과 출처, 메시지를 확인합니다.

Model ML은 자사 제품을 “접점에 구애받지 않는다”고 설명합니다. 금융 전문가는 이메일이나 Model ML 앱에서 업무를 시작한 뒤 다시 설명할 필요 없이 Microsoft Office 플러그인에서 이어갈 수 있습니다.

이러한 연속성은 최종 결과물까지 이어집니다. Model ML은 투자위원회 자료를 만들 때 업무 지시서와 원자료를 편집 가능한 PowerPoint로 변환할 수 있습니다. Excel 작업에서는 에이전트가 고객 템플릿이나 빈 통합 문서에서 시작해 필요한 데이터를 수집하고, 여러 탭에 걸쳐 수식과 논리를 구성한 다음, 금융 업무에 맞는 서식을 적용하여 완전한 스프레드시트나 금융 모델을 만들 수 있습니다.

금융 서비스 AI를 평가하는 Model ML의 벤치마크인 Composite에서 GPT‑5.6 Sol은 Excel 워크플로의 통합 문서당 토큰을 Opus 5보다 36% 적게 사용했습니다.

에이전트는 마지막 단계까지 업무를 수행함으로써 개별 결과물 제작 시간을 단축하고, 팀이 방대한 원자료를 처리하도록 지원할 수 있습니다. 한 글로벌 자산운용사에서는 분석가가 맞춤형 요약 자료를 만드는 데 약 한 시간이 걸렸지만, 이제는 약 5분이면 됩니다. 또 다른 워크플로에서는 Model ML 에이전트가 10만 개 이상의 행과 수백 개의 파일이 담긴 가상 데이터룸을 한 번에 처리했습니다.

Model ML은 다양한 금융 워크플로에서 GPT‑5.6 Sol과 다른 주요 모델을 함께 평가했습니다. Composite 평가는 최초 금융 업무 지시서부터 조사와 계산을 거쳐 편집 가능한 자료 또는 스프레드시트를 만드는 전 과정을 따릅니다. 그런 다음 수치, 출처, 수식, 구조뿐 아니라 프레젠테이션의 시각적 품질까지 확인합니다.

PowerPoint의 경우 Model ML의 Composite 평가는 실제 워크플로를 반영하며, 세부 채점 기준에 따라 생성된 수백 개의 자료를 평가합니다.

GPT‑5.6 Sol은 테스트 사례의 100%에서 PowerPoint 워크플로를 완료해 76%를 기록한 Opus 5를 앞섰습니다. 또한 결과물이 본격적인 검토를 받을 준비가 되었는지 측정하는 Model ML의 실무 준비 기준을 통과한 비율도 43.3%로, 26.7%보다 높았습니다. 자료 품질, 업무 지시 준수, 정보 계층 구조, 일관성에서도 Opus 5를 앞섰습니다.

위에 제시된 Composite 결과는 Model ML이 이전에 Opus 4.8로 처리하던 일부 워크플로를 포함해 프로덕션 환경에서 GPT‑5.6 Sol의 활용을 확대할 근거가 되었습니다. PowerPoint 워크플로에서 GPT‑5.6 Sol은 경쟁력 있는 자료 품질을 유지하면서 Opus 5와 Fable 5보다 더 높은 비율로 검토 준비가 완료된 자료를 완성했고, Fable 5보다 토큰을 약 21% 적게 사용했습니다.

Englander는 “실제 업무에 사용할 준비가 되었다는 것은 사용자가 곧바로 본격적인 검토에 들어갈 수 있다는 뜻입니다”라고 말합니다. “수치는 출처까지 추적할 수 있고, 통합 문서는 다시 계산되며, 슬라이드는 편집할 수 있습니다.”

PowerPoint는 GPT‑5.6 Sol이 실제 업무에 사용할 준비가 되었는지 판단하는 까다로운 시험대였습니다. 자료가 세련돼 보여도 수치가 잘못되었거나 추적할 수 없고, 차트가 편집 불가능한 이미지로 변환되었거나, 공유 전에 슬라이드를 다시 만들어야 한다면 검토를 통과할 수 없습니다.

Model ML은 에이전트가 편집 가능한 그래프와 표가 포함된 슬라이드를 만들 수 있도록 문서 생성 및 편집 도구와 모델을 결합해 에이전트 하네스 안에서 실행했습니다. 에이전트는 작업 과정에서 업무 지시서 원본의 맥락을 유지하고, 파일을 반환하기 전에 모든 슬라이드를 시각적으로 검토합니다.

아래 예시는 GPT‑5.5에서 GPT‑5.6 Sol로 전환하면서 Model ML의 PowerPoint 결과물이 어떻게 개선되었는지 보여줍니다. 정보 계층 구조가 더 명확해지고 슬라이드 디자인도 더 일관되어졌습니다.

현재 Model ML의 하네스는 에이전트가 필요할 때 불러올 수 있는 툴킷을 제공합니다. 이를 통해 데이터 통합, 문서 편집 도구와 기술, 코드 실행 환경을 이용할 수 있습니다. 덕분에 에이전트는 사용자의 문서를 처리하는 데 꼭 필요한 도구만 활용하며 작업에 집중할 수 있습니다.

Model ML은 OpenAI와 현장에서 진행한 세션을 통해 이러한 구성을 완성했습니다. 양 팀은 에이전트가 프레젠테이션을 계획하고 도구를 선택하며 맥락을 유지하는 방식을 추적했습니다. 그런 다음 그 결과를 바탕으로 에이전트 지침을 개선하고 각 툴킷을 언제 불러올지 결정했습니다.

Model ML 고객들은 결과물의 기반이 된 모델 및 원자료와 계속 연결되는 브라우저 기반 형식으로 전환하고 있습니다.

Model ML 플랫폼은 지속적으로 업데이트하거나 특정 시점의 상태로 고정할 수 있는 안전한 대화형 결과물을 생성합니다. 검토자는 투자 요약을 열고, 수치의 근거가 된 금융 모델로 이동하며, 같은 페이지에서 에이전트와 작업할 수 있습니다.

Englander는 “PowerPoint, Excel, Word는 지식 업무 결과물을 사람이 직접 만들던 시대를 위해 설계되었습니다”라고 말합니다. “AI는 그 전제를 바꾸었습니다. 이제 소프트웨어 자체가 바뀔 차례입니다.”