Model ML ar GPT‑5.6 Sol efektīvāk veic finanšu darbus

Lai finanšu analīzi varētu pārliecinoši prezentēt klientiem vai augstākā līmeņa lēmumu pieņēmējiem, komandām jāpārvar sarežģīts noslēdzošais posms: jāsaskaņo pierādījumi, jāizveido un jānoformē fails, jāpārbauda katrs skaitlis un katrs apgalvojums jāsasaista ar tā avotu. Gatavajai PowerPoint prezentācijai vai Excel darbgrāmatai jābūt rediģējamai un gatavai rūpīgai pārbaudei.

Model ML līdzdibinātāji un brāļi Ārnijs un Čezs Englanderi saprata, cik daudz darba tas prasa, kad pēc divu uzņēmumu veiksmīgas pārdošanas sāka ieguldīt privāta ģimenes biroja ietvaros un, kā jau izstrādātājiem ierasts, veidot programmatūru pašu vajadzībām.

No šīs programmatūras izaugušie Model ML aģenti palīdz finanšu speciālistiem veikt visu darbplūsmu — no sākotnējā pieprasījuma līdz izpētei, analīzei un gatavai prezentācijai vai darbgrāmatai. Darbības centrā ir galvenais aģents, kas plāno darbu, izvēlas piemērotos rīkus, saskaņo pierādījumus un veic aprēķinus, katru darbību novirzot tai vispiemērotākajam modelim — bieži vien GPT‑5.6 Sol. Šo rīku vidū ir Model ML dokumentu rīki, kas izveido pilnvērtīgus PowerPoint un Excel failus ar izsekojamiem avotiem.

Model ML palīdz finanšu komandām, pilnībā automatizējot finanšu darbplūsmas. Izmantojot darba aprakstu un avotu materiālus, aģents var paveikt uzdevumu no izpētes un modelēšanas līdz gataviem materiāliem klientiem vai darījumu komandām. Pirms darba kopīgošanas finanšu speciālists pārbauda pieņēmumus, avotus un vēstījumu.

Model ML šo produktu dēvē par „neatkarīgu no saskarnes”. Finanšu speciālists var sākt uzdevumu e-pastā vai Model ML lietotnē un turpināt to Microsoft Office spraudņos, neko nepaskaidrojot vēlreiz.

Šī nepārtrauktība saglabājas arī gatavajā darbā. Veidojot prezentāciju investīciju komitejai, Model ML var pārvērst darba aprakstu un avotu materiālus rediģējamā PowerPoint failā. Excel uzdevumā aģents var sākt ar klienta veidni vai tukšu darbgrāmatu, apkopot vajadzīgos datus, vairākās cilnēs izveidot formulas un loģiku, pēc tam izmantot finanšu nozarei atbilstošu formatējumu un sagatavot pilnīgu izklājlapu vai finanšu modeli.

Model ML finanšu pakalpojumu MI novērtēšanas etalonā Composite GPT‑5.6 Sol Excel darbplūsmā vienai darbgrāmatai izmantoja par 36% mazāk tokenu nekā Opus 5.

Paveicot arī darba noslēdzošo posmu, aģents var ietaupīt laiku atsevišķu materiālu sagatavošanā un palīdzēt komandām apstrādāt lielu avotu materiālu apjomu. Kādā globālā aktīvu pārvaldības uzņēmumā īpaši pielāgotas kopsavilkuma lapas izveide, kam analītiķim iepriekš vajadzēja aptuveni stundu, tagad aizņem apmēram piecas minūtes. Citā darbplūsmā Model ML aģenti vienā piegājienā apstrādāja virtuālās datu telpas ar vairāk nekā 100 000 rindu un simtiem failu.

Model ML novērtēja GPT‑5.6 Sol līdzās citiem vadošajiem modeļiem dažādās finanšu darbplūsmās. Composite novērtējumos uzdevums tiek izsekots no sākotnējā finanšu darba apraksta, izpētes un aprēķiniem līdz rediģējamai prezentācijai vai izklājlapai. Pēc tam tiek pārbaudīti skaitļi, avoti, formulas un struktūra, kā arī prezentāciju vizuālā kvalitāte.

PowerPoint vajadzībām Model ML Composite novērtējums ietver reālas darbplūsmas un simtiem izveidotu prezentāciju, ko vērtē pēc detalizētiem kritērijiem.

GPT‑5.6 Sol pabeidza PowerPoint darbplūsmu 100% testa gadījumu, salīdzinot ar 76% Opus 5 gadījumu. Model ML profesionālās gatavības slieksni, kas nosaka, vai rezultāts ir gatavs padziļinātai pārbaudei, tas sasniedza 43,3% gadījumu salīdzinājumā ar 26,7%. Tas pārspēja Opus 5 arī prezentāciju kvalitātē, atbilstībā darba aprakstam, hierarhijā un konsekvencē.

Kopumā iepriekš redzamie Composite rezultāti sniedza Model ML pamatojumu plašāk izmantot GPT‑5.6 Sol produkcijas vidē, tostarp dažās darbplūsmās, kurās iepriekš izmantoja Opus 4.8. PowerPoint darbplūsmās GPT‑5.6 Sol nodrošināja konkurētspējīgu prezentāciju kvalitāti un lielāku pabeigtu, pārbaudei gatavu prezentāciju īpatsvaru nekā Opus 5 un Fable 5, turklāt izmantoja aptuveni par 21% mazāk tokenu nekā Fable 5.

„Gatavība reālam darbam nozīmē, ka lietotājs var uzreiz sākt īstu pārbaudi,” saka Englanders. „Skaitļu izcelsme ir izsekojama, darbgrāmata veic pārrēķinus, un slaids ir rediģējams.”

PowerPoint kļuva par sarežģītu Model ML pārbaudījumu tam, vai GPT‑5.6 Sol ir gatavs reālam darbam. Prezentācija var izskatīties noslīpēta, tomēr neizturēt pārbaudi, ja tās skaitļi ir nepareizi vai neizsekojami, diagrammas nav rediģējamas vai slaidi pirms kopīgošanas jāizveido no jauna.

Model ML darbināja modeli savā aģenta izpildes ietvarā kopā ar dokumentu izveides un rediģēšanas rīkiem, kas aģentam ļauj veidot slaidus ar rediģējamiem grafikiem un tabulām. Darba laikā tas saglabā sākotnējo darba aprakstu kontekstā un pirms faila atgriešanas vizuāli pārbauda katru slaidu.

Tālāk redzamais piemērs parāda, kā Model ML PowerPoint rezultāts uzlabojās no GPT‑5.5 līdz GPT‑5.6 Sol, tostarp iegūstot skaidrāku hierarhiju un konsekventāku slaidu dizainu.

Pašlaik Model ML izpildes ietvars nodrošina aģentam rīkkopas, ko tas var ielādēt, lai piekļūtu datu integrācijām, dokumentu rediģēšanas rīkiem un prasmēm, kā arī koda izpildes vidēm. Tādējādi aģents var koncentrēties un saņem tieši tos rīkus, kas tam vajadzīgi darbam ar lietotāja dokumentiem.

Model ML šo risinājumu izstrādāja klātienes darba sesijās ar OpenAI. Komandas izsekoja, kā aģents plāno prezentācijas, izvēlas rīkus un saglabā kontekstu, un pēc tam izmantoja secinājumus, lai pilnveidotu aģenta norādījumus un noteiktu, kad jāielādē katra rīkkopa.

Model ML klienti pāriet uz pārlūkprogrammā pieejamiem rezultātiem, kas saglabā saikni ar to pamatā esošajiem modeļiem un avotu materiāliem.

Model ML platforma var ģenerēt drošus, interaktīvus rezultātus, kurus var pastāvīgi atjaunināt vai fiksēt konkrētā brīdī. Pārbaudītājs varētu atvērt investīciju kopsavilkumu, pāriet uz skaitļa pamatā esošo finanšu modeli un tajā pašā lapā strādāt ar aģentu.

„PowerPoint, Excel un Word tika izstrādāti pasaulei, kurā zināšanu darbs tika veikts manuāli,” saka Englanders. „MI ir mainījis šo pieņēmumu. Drīz mainīsies arī pati programmatūra.”