Model ML effektiviserer finansarbeid med GPT‑5.6 Sol

Før en finansiell analyse kan presenteres for kunder eller ledende beslutningstakere, må teamene gjennom en krevende siste etappe: avstemme dokumentasjonen, bygge og formatere filen, kontrollere hvert tall og knytte hver påstand til kilden. Den ferdige PowerPoint-presentasjonen eller Excel-arbeidsboken må kunne redigeres og være klar for grundig gjennomgang.

Model ML-grunnleggerne og brødrene Arnie og Chaz Englander så hvor mye arbeid dette krevde da de, etter to vellykkede salg av selskaper, begynte å investere gjennom et privat familieeid investeringsselskap og – som gründere gjerne gjør – utviklet programvare for å hjelpe seg selv.

Model ML vokste frem fra denne programvaren, og selskapets agenter hjelper finansfolk med hele arbeidsflyten – fra den første forespørselen via research og analyse til en ferdig presentasjon eller arbeidsbok. I sentrum står en kjerneagent som planlegger arbeidet, velger riktige verktøy, avstemmer dokumentasjonen og utfører beregninger. Hvert trinn sendes til modellen som er best egnet, ofte GPT‑5.6 Sol. Blant verktøyene er Model MLs egne dokumentverktøy, som oppretter opprinnelige PowerPoint- og Excel-filer med sporbare kilder.

Model ML hjelper finansteam ved å automatisere finansielle arbeidsflyter fra start til slutt. Med utgangspunkt i en oppdragsbeskrivelse og kildemateriale kan agenten gjennomføre et oppdrag fra research og modellering til ferdig materiale for kunder eller transaksjonsteam. Finansmedarbeideren kontrollerer forutsetningene, kildene og budskapet før arbeidet deles.

Model ML kaller produktet «uavhengig av brukerflate». En finansmedarbeider kan starte et oppdrag i e-post eller Model ML-appen og fortsette i selskapets Microsoft Office-tillegg uten å måtte forklare oppdraget på nytt.

Denne kontinuiteten videreføres i det ferdige arbeidet. Til en presentasjon for en investeringskomité kan Model ML gjøre en oppdragsbeskrivelse og kildemateriale om til en redigerbar PowerPoint-presentasjon. For en Excel-oppgave kan agenten starte med en kundemal eller tom arbeidsbok, hente inn nødvendige data, bygge formler og logikk på tvers av flere faner og deretter bruke finansspesifikk formatering for å lage et komplett regneark eller en finansiell modell.

I Composite, Model MLs evalueringsreferanse for KI i finansielle tjenester, brukte GPT‑5.6 Sol 36 % færre tokener per arbeidsbok enn Opus 5 i en Excel-arbeidsflyt.

Ved å føre arbeidet gjennom denne siste etappen kan agenten også spare tid på enkeltleveranser og hjelpe team med å behandle store mengder kildemateriale. Hos én global kapitalforvalter tar det nå rundt fem minutter å utarbeide et skreddersydd faktaark som en analytiker tidligere brukte omtrent en time på. I en annen arbeidsflyt behandlet Model ML-agenter virtuelle datarom med over 100 000 rader og hundrevis av filer i én kjøring.

Model ML evaluerte GPT‑5.6 Sol sammen med andre ledende modeller i en rekke finansielle arbeidsflyter. Composite-evalueringene følger et oppdrag fra den første finansielle oppdragsbeskrivelsen via research og beregninger til en redigerbar presentasjon eller et regneark. Deretter kontrolleres tall, kilder, formler og struktur samt den visuelle kvaliteten på presentasjoner.

For PowerPoint bygger Model MLs Composite-evaluering på reelle arbeidsflyter og omfatter hundrevis av genererte presentasjoner, vurdert etter detaljerte kriterier.

GPT‑5.6 Sol fullførte PowerPoint-arbeidsflyten i 100 % av testtilfellene, mot 76 % for Opus 5. Modellen passerte også Model MLs terskel for profesjonell bruk – et mål på om resultatet var klart for innholdsmessig gjennomgang – i 43,3 % av tilfellene, mot 26,7 %. Den slo også Opus 5 på presentasjonskvalitet, etterlevelse av oppdragsbeskrivelsen, hierarki og konsistens.

Samlet ga Composite-resultatene ovenfor Model ML grunnlag for å utvide bruken av GPT‑5.6 Sol i produksjon, også til enkelte arbeidsflyter som tidligere ble håndtert av Opus 4.8. I PowerPoint-arbeidsflyter kombinerte GPT‑5.6 Sol konkurransedyktig presentasjonskvalitet med en høyere andel fullførte, gjennomgangsklare presentasjoner enn Opus 5 og Fable 5, samtidig som den brukte rundt 21 % færre tokener enn Fable 5.

«Klar for reelt arbeid betyr at brukeren kan gå rett til en reell gjennomgang», sier Englander. «Tallene kan spores tilbake, arbeidsboken beregnes på nytt, og lysbildet kan redigeres.»

PowerPoint ga Model ML en krevende test på om GPT‑5.6 Sol var klar for reelt arbeid. En presentasjon kan se gjennomarbeidet ut og likevel ikke bestå gjennomgangen hvis tallene er feil eller ikke kan spores, diagrammene er gjort statiske, eller lysbildene må bygges opp på nytt før de kan deles.

Model ML kjørte modellen i sitt agentrammeverk sammen med verktøy for oppretting og redigering av dokumenter, slik at agenten kunne lage lysbilder med redigerbare diagrammer og tabeller. Mens den arbeider, beholder den den opprinnelige oppdragsbeskrivelsen i konteksten. Deretter gjennomgår den hvert lysbilde visuelt før filen leveres.

Eksemplet nedenfor viser hvordan Model MLs PowerPoint-resultater ble bedre fra GPT‑5.5 til GPT‑5.6 Sol, blant annet med tydeligere hierarki og mer konsekvent lysbildedesign.

I dag gir Model MLs rammeverk agenten tilgang til verktøysett den kan laste inn for å bruke dataintegrasjoner, verktøy og ferdigheter for dokumentredigering samt miljøer for kjøring av kode. Dette holder agenten fokusert og gir den akkurat de verktøyene den trenger for å arbeide med brukerens dokumenter.

Model ML kom frem til dette oppsettet gjennom arbeidsøkter på stedet med OpenAI. Teamene kartla hvordan agenten planla presentasjoner, valgte verktøy og holdt på konteksten. Deretter brukte de funnene til å forbedre instruksjonene til agenten og avgjøre når hvert verktøysett skulle lastes inn.

Model MLs kunder beveger seg mot nettleserbaserte resultater som forblir koblet til modellene og kildematerialet de bygger på.

Model MLs plattform kan generere sikre, interaktive resultater som oppdateres kontinuerlig eller låses til et bestemt tidspunkt. En fagperson kan åpne et investeringssammendrag, klikke seg videre til den finansielle modellen bak et tall og arbeide med agenten på samme side.

«PowerPoint, Excel og Word ble utviklet for en verden der kunnskapsarbeid ble utført manuelt», sier Englander. «KI har endret denne forutsetningen. Nå står selve programvaren for tur.»