ਮਾਡਲ ML ਨੇ GPT‑5.6 Sol ਦੀ ਮਦਦ ਨਾਲ ਵਿੱਤੀ ਕੰਮ ਵਧੇਰੇ ਕੁਸ਼ਲ ਬਣਾਇਆ

ਵਿੱਤੀ ਵਿਸ਼ਲੇਸ਼ਣ ਨੂੰ ਗਾਹਕਾਂ ਜਾਂ ਸੀਨੀਅਰ ਫ਼ੈਸਲਾ ਲੈਣ ਵਾਲਿਆਂ ਅੱਗੇ ਪੇਸ਼ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ, ਟੀਮਾਂ ਨੂੰ ਇਸ ਦਾ ਔਖਾ ਆਖਰੀ ਪੜਾਅ ਪੂਰਾ ਕਰਨਾ ਪੈਂਦਾ ਹੈ: ਸਬੂਤਾਂ ਦਾ ਮਿਲਾਨ ਕਰਨਾ, ਫ਼ਾਈਲ ਬਣਾਉਣਾ ਅਤੇ ਉਸ ਨੂੰ ਫਾਰਮੈਟ ਕਰਨਾ, ਹਰ ਅੰਕ ਦੀ ਜਾਂਚ ਕਰਨੀ ਅਤੇ ਹਰ ਦਾਅਵੇ ਨੂੰ ਉਸ ਦੇ ਸਰੋਤ ਨਾਲ ਜੋੜਨਾ। ਤਿਆਰ ਪਾਵਰਪੁਆਇੰਟ ਡੈੱਕ ਜਾਂ ਐਕਸਲ ਵਰਕਬੁੱਕ ਸੰਪਾਦਨਯੋਗ ਅਤੇ ਜਾਂਚ ਲਈ ਤਿਆਰ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ।

ਮਾਡਲ ML ਦੇ ਸਹਿ-ਸੰਸਥਾਪਕ ਅਤੇ ਭਰਾਵਾਂ ਆਰਨੀ ਅਤੇ ਚੈਜ਼ ਇੰਗਲੈਂਡਰ ਨੇ ਦੋ ਸਫਲ ਐਗਜ਼ਿਟ ਤੋਂ ਬਾਅਦ ਇੱਕ ਪ੍ਰਾਈਵੇਟ ਫੈਮਲੀ ਆਫਿਸ ਰਾਹੀਂ ਨਿਵੇਸ਼ ਕਰਨਾ ਸ਼ੁਰੂ ਕੀਤਾ, ਤਾਂ ਉਨ੍ਹਾਂ ਨੇ ਦੇਖਿਆ ਕਿ ਇਸ ਕੰਮ ਲਈ ਕਿੰਨੀ ਮਿਹਨਤ ਦੀ ਲੋੜ ਪੈਂਦੀ ਹੈ, ਅਤੇ ਜਿਵੇਂ ਕਿ ਬਿਲਡਰ ਕਰਦੇ ਹਨ, ਉਨ੍ਹਾਂ ਨੇ ਆਪਣੀ ਮਦਦ ਲਈ ਸਾਫਟਵੇਅਰ ਬਣਾਉਣਾ ਸ਼ੁਰੂ ਕਰ ਦਿੱਤਾ।

ਉਸੇ ਸਾਫਟਵੇਅਰ ਤੋਂ ਵਿਕਸਿਤ ਹੋਏ ਮਾਡਲ ML ਦੇ ਏਜੰਟ ਵਿੱਤੀ ਪੇਸ਼ੇਵਰਾਂ ਨੂੰ ਸ਼ੁਰੂਆਤੀ ਬੇਨਤੀ ਤੋਂ ਖੋਜ ਅਤੇ ਸ਼ਲੇਸ਼ਣ ਰਾਹੀਂ ਤਿਆਰ ਡੈੱਕ ਜਾਂ ਵਰਕਬੁੱਕ ਤੱਕ ਪੂਰਾ ਕਾਰਜ-ਪ੍ਰਵਾਹ ਚਲਾਉਣ ਵਿੱਚ ਮਦਦ ਕਰਦੇ ਹਨ। ਇਸ ਦੇ ਕੇਂਦਰ ਵਿੱਚ, ਇੱਕ ਮੁੱਖ ਏਜੰਟ ਕੰਮ ਦੀ ਯੋਜਨਾ ਬਣਾਉਂਦਾ ਹੈ, ਸਹੀ ਸੰਦਾਂ ਦੀ ਚੋਣ ਕਰਦਾ ਹੈ, ਸਬੂਤਾਂ ਦਾ ਮਿਲਾਨ ਕਰਦਾ ਹੈ ਅਤੇ ਗਣਨਾਵਾਂ ਕਰਦਾ ਹੈ। ਇਹ ਹਰ ਪੜਾਅ ਨੂੰ ਉਸ ਮਾਡਲ ਵੱਲ ਭੇਜਦਾ ਹੈ ਜੋ ਇਸਦੇ ਲਈ ਸਭ ਤੋਂ ਵੱਧ ਢੁਕਵਾਂ ਹੁੰਦਾ ਹੈ, ਜੋ ਕਿ ਅਕਸਰ GPT‑5.6 Sol ਹੁੰਦਾ ਹੈ। ਇਨ੍ਹਾਂ ਸੰਦਾਂ ਵਿੱਚ ਮਾਡਲ ML ਦੇ ਆਪਣੇ ਦਸਤਾਵੇਜ਼ੀ ਸੰਦ ਵੀ ਸ਼ਾਮਲ ਹਨ, ਜੋ ਟਰੇਸੇਬਲ ਸਰੋਤਾਂ ਨਾਲ ਮੂਲ ਪਾਵਰਪੁਆਇੰਟ ਅਤੇ ਐਕਸਲ ਫ਼ਾਈਲਾਂ ਤਿਆਰ ਕਰਦੇ ਹਨ।

ਮਾਡਲ ML ਵਿੱਤੀ ਕਾਰਜ-ਪ੍ਰਵਾਹਾਂ ਨੂੰ ਸ਼ੁਰੂ ਤੋਂ ਅੰਤ ਤੱਕ ਸਵੈਚਾਲਿਤ ਕਰਕੇ ਵਿੱਤੀ ਟੀਮਾਂ ਦੀ ਮਦਦ ਕਰਦਾ ਹੈ। ਸੰਖੇਪ ਅਤੇ ਸਰੋਤ ਸਮੱਗਰੀ ਦੇ ਆਧਾਰ ’ਤੇ ਏਜੰਟ ਕਿਸੇ ਕੰਮ ਨੂੰ ਖੋਜ ਅਤੇ ਮਾਡਲਿੰਗ ਤੋਂ ਲੰਘਾ ਕੇ ਗਾਹਕਾਂ ਜਾਂ ਸੌਦਾ ਟੀਮਾਂ ਲਈ ਤਿਆਰ ਸਮੱਗਰੀ ਤੱਕ ਪਹੁੰਚਾ ਸਕਦਾ ਹੈ। ਕੰਮ ਸਾਂਝਾ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਵਿੱਤੀ ਪੇਸ਼ੇਵਰ ਧਾਰਨਾਵਾਂ, ਸਰੋਤਾਂ ਅਤੇ ਸੁਨੇਹੇ ਦੀ ਜਾਂਚ ਕਰਦਾ ਹੈ।

ਮਾਡਲ ML ਇਸ ਉਤਪਾਦ ਨੂੰ “ਇੰਟਰਫੇਸ ਤੋਂ ਸੁਤੰਤਰ” ਕਹਿੰਦਾ ਹੈ। ਵਿੱਤੀ ਪੇਸ਼ੇਵਰ ਈਮੇਲ ਜਾਂ ਮਾਡਲ ML ਐਪ ਵਿੱਚ ਕੰਮ ਸ਼ੁਰੂ ਕਰ ਸਕਦਾ ਹੈ ਅਤੇ ਮੁੜ ਸਮਝਾਏ ਬਿਨਾਂ ਇਸ ਨੂੰ Microsoft Office ਪਲੱਗ-ਇਨਾਂ ਵਿੱਚ ਜਾਰੀ ਰੱਖ ਸਕਦਾ ਹੈ।

ਇਹ ਨਿਰੰਤਰਤਾ ਤਿਆਰ ਕੰਮ ਵਿੱਚ ਵੀ ਬਣੀ ਰਹਿੰਦੀ ਹੈ। ਨਿਵੇਸ਼ ਕਮੇਟੀ ਦੇ ਡੈੱਕ ਲਈ ਮਾਡਲ ML ਸੰਖੇਪ ਅਤੇ ਸਰੋਤ ਸਮੱਗਰੀ ਨੂੰ ਸੰਪਾਦਨਯੋਗ ਪਾਵਰਪੁਆਇੰਟ ਵਿੱਚ ਬਦਲ ਸਕਦਾ ਹੈ। ਐਕਸਲ ਦੇ ਕੰਮ ਲਈ ਏਜੰਟ ਗਾਹਕ ਦੇ ਨਮੂਨੇ ਜਾਂ ਖਾਲੀ ਵਰਕਬੁੱਕ ਤੋਂ ਸ਼ੁਰੂ ਕਰ ਸਕਦਾ ਹੈ, ਲੋੜੀਂਦਾ ਡਾਟਾ ਇਕੱਠਾ ਕਰ ਸਕਦਾ ਹੈ, ਕਈ ਟੈਬਾਂ ਵਿੱਚ ਫਾਰਮੂਲੇ ਅਤੇ ਤਰਕ ਤਿਆਰ ਕਰ ਸਕਦਾ ਹੈ ਅਤੇ ਫਿਰ ਵਿੱਤ-ਵਿਸ਼ੇਸ਼ ਫਾਰਮੈਟਿੰਗ ਲਾਗੂ ਕਰਕੇ ਪੂਰੀ ਸਪ੍ਰੈੱਡਸ਼ੀਟ ਜਾਂ ਵਿੱਤੀ ਮਾਡਲ ਬਣਾ ਸਕਦਾ ਹੈ।

ਵਿੱਤੀ ਸੇਵਾਵਾਂ ਵਿੱਚ AI ਲਈ ਮਾਡਲ ML ਦੇ ਮੁਲਾਂਕਣ ਬੈਂਚਮਾਰਕ ਕੰਪੋਜ਼ਿਟ ਵਿੱਚ GPT‑5.6 Sol ਨੇ ਐਕਸਲ ਕਾਰਜ-ਪ੍ਰਵਾਹ ਦੌਰਾਨ Opus 5 ਦੇ ਮੁਕਾਬਲੇ ਪ੍ਰਤੀ ਵਰਕਬੁੱਕ 36% ਘੱਟ ਟੋਕਨਾਂ ਦੀ ਵਰਤੋਂ ਕੀਤੀ।

ਕੰਮ ਨੂੰ ਇਸ ਆਖਰੀ ਪੜਾਅ ਤੱਕ ਪਹੁੰਚਾ ਕੇ ਏਜੰਟ ਵੱਖ-ਵੱਖ ਸਪੁਰਦਗੀਆਂ ’ਤੇ ਸਮਾਂ ਵੀ ਬਚਾ ਸਕਦਾ ਹੈ ਅਤੇ ਟੀਮਾਂ ਨੂੰ ਵੱਡੀ ਮਾਤਰਾ ਵਿੱਚ ਸਰੋਤ ਸਮੱਗਰੀ ਦੀ ਪ੍ਰਕਿਰਿਆ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰ ਸਕਦਾ ਹੈ। ਇੱਕ ਗਲੋਬਲ ਸੰਪਤੀ ਪ੍ਰਬੰਧਕ ਕੋਲ, ਜਿਸ ਵਿਸ਼ੇਸ਼ ਤੱਥ-ਪੱਤਰ ਨੂੰ ਤਿਆਰ ਕਰਨ ਵਿੱਚ ਵਿਸ਼ਲੇਸ਼ਕ ਨੂੰ ਲਗਭਗ ਇੱਕ ਘੰਟਾ ਲੱਗਦਾ ਸੀ, ਹੁਣ ਉਹ ਕਰੀਬ ਪੰਜ ਮਿੰਟ ਵਿੱਚ ਬਣ ਜਾਂਦਾ ਹੈ। ਇੱਕ ਹੋਰ ਕਾਰਜ-ਪ੍ਰਵਾਹ ਵਿੱਚ ਮਾਡਲ ML ਦੇ ਏਜੰਟਾਂ ਨੇ ਇੱਕੋ ਵਾਰ ਵਿੱਚ 100,000 ਤੋਂ ਵੱਧ ਕਤਾਰਾਂ ਅਤੇ ਸੈਂਕੜੇ ਫ਼ਾਈਲਾਂ ਵਾਲੇ ਵਰਚੁਅਲ ਡਾਟਾ ਰੂਮਾਂ ਦੀ ਪ੍ਰਕਿਰਿਆ ਕੀਤੀ।

ਮਾਡਲ ML ਨੇ ਵੱਖ-ਵੱਖ ਵਿੱਤੀ ਕਾਰਜ-ਪ੍ਰਵਾਹਾਂ ਵਿੱਚ ਹੋਰ ਪ੍ਰਮੁੱਖ ਮਾਡਲਾਂ ਦੇ ਨਾਲ GPT‑5.6 Sol ਦਾ ਮੁਲਾਂਕਣ ਕੀਤਾ। ਇਸ ਦੇ ਕੰਪੋਜ਼ਿਟ ਮੁਲਾਂਕਣ ਕਿਸੇ ਕੰਮ ਨੂੰ ਸ਼ੁਰੂਆਤੀ ਵਿੱਤੀ ਸੰਖੇਪ ਤੋਂ ਖੋਜ ਅਤੇ ਗਣਨਾਵਾਂ ਰਾਹੀਂ ਸੰਪਾਦਨਯੋਗ ਡੈੱਕ ਜਾਂ ਸਪ੍ਰੈੱਡਸ਼ੀਟ ਤੱਕ ਲੈ ਜਾਂਦੇ ਹਨ। ਫਿਰ ਉਹ ਅੰਕਾਂ, ਸਰੋਤਾਂ, ਫਾਰਮੂਲਿਆਂ ਅਤੇ ਢਾਂਚੇ ਦੇ ਨਾਲ ਪੇਸ਼ਕਾਰੀਆਂ ਦੀ ਦ੍ਰਿਸ਼ ਗੁਣਵੱਤਾ ਵੀ ਜਾਂਚਦੇ ਹਨ।

ਪਾਵਰਪੁਆਇੰਟ ਲਈ ਮਾਡਲ ML ਦਾ ਕੰਪੋਜ਼ਿਟ ਮੁਲਾਂਕਣ ਅਸਲ ਕਾਰਜ-ਪ੍ਰਵਾਹਾਂ ਨੂੰ ਸ਼ਾਮਲ ਕਰਦਾ ਹੈ ਅਤੇ ਵਿਸਤ੍ਰਿਤ ਅੰਕ-ਨਿਰਧਾਰਨ ਮਾਪਦੰਡ ਨਾਲ ਸੈਂਕੜੇ ਤਿਆਰ ਕੀਤੇ ਡੈੱਕਾਂ ਨੂੰ ਮਾਪਦਾ ਹੈ।

GPT‑5.6 Sol ਨੇ 100% ਜਾਂਚ ਮਾਮਲਿਆਂ ਵਿੱਚ ਪਾਵਰਪੁਆਇੰਟ ਕਾਰਜ-ਪ੍ਰਵਾਹ ਨੂੰ ਪੂਰਾ ਕੀਤਾ, ਜਦਕਿ Opus 5 ਨੇ 76% ਮਾਮਲਿਆਂ ਵਿੱਚ ਕੀਤਾ। ਇਸ ਨੇ 43.3% ਮਾਮਲਿਆਂ ਵਿੱਚ ਮਾਡਲ ML ਦੀ ਪੇਸ਼ੇਵਰ ਤਿਆਰੀ ਦੀ ਹੱਦ ਨੂੰ ਵੀ ਪਾਰ ਕਰ ਲਿਆ ਜੋ ਕਿ ਇਹ ਮਾਪਦੀ ਹੈ ਕਿ ਨਤੀਜਾ ਡੂੰਘੀ ਸਮੀਖਿਆ ਲਈ ਤਿਆਰ ਸੀ ਜਾਂ ਨਹੀਂ ਜਦਕਿ Opus 5 ਲਈ ਇਹ ਦਰ 26.7% ਸੀ। ਪੇਸ਼ਕਾਰੀ ਦੀ ਗੁਣਵੱਤਾ, ਦਿਸ਼ਾ-ਨਿਰਦੇਸ਼ਾਂ ਦੀ ਪਾਲਣਾ, ਤਰਤੀਬ ਅਤੇ ਇਕਸਾਰਤਾ ਦੇ ਮਾਮਲੇ ਵਿੱਚ ਵੀ ਇਹ Opus 5 ਨਾਲੋਂ ਅੱਗੇ ਰਿਹਾ।

ਉੱਪਰ ਦਿਖਾਏ ਕੰਪੋਜ਼ਿਟ ਨਤੀਜਿਆਂ ਨੇ ਮਿਲ ਕੇ ਮਾਡਲ ML ਨੂੰ ਉਤਪਾਦਨ ਵਿੱਚ GPT‑5.6 Sol ਦੀ ਵਰਤੋਂ ਵਧਾਉਣ ਲਈ ਸਬੂਤ ਦਿੱਤੇ। ਇਸ ਵਿੱਚ ਕੁਝ ਉਹ ਕਾਰਜ-ਪ੍ਰਵਾਹ ਵੀ ਸ਼ਾਮਲ ਸਨ ਜੋ ਪਹਿਲਾਂ Opus 4.8 ਸੰਭਾਲਦਾ ਸੀ। ਪਾਵਰਪੁਆਇੰਟ ਕਾਰਜ-ਪ੍ਰਵਾਹਾਂ ਵਿੱਚ GPT‑5.6 Sol ਨੇ ਬਿਹਤਰ ਡੈੱਕ ਗੁਣਵੱਤਾ ਦੇ ਨਾਲ-ਨਾਲ Opus 5 ਅਤੇ Fable 5 ਦੇ ਮੁਕਾਬਲੇ ਪੂਰੇ ਅਤੇ ਸਮੀਖਿਆ ਲਈ ਤਿਆਰ ਡੈੱਕਾਂ ਦੀ ਵੱਧ ਦਰ ਹਾਸਲ ਕੀਤੀ, ਜਦਕਿ Fable 5 ਨਾਲੋਂ ਲਗਭਗ 21 ਫੀਸਦੀ ਘੱਟ ਟੋਕਨ ਵਰਤੇ।

“ਅਸਲ ਕੰਮ ਲਈ ਤਿਆਰ ਹੋਣ ਦਾ ਮਤਲਬ ਹੈ ਕਿ ਵਰਤੋਂਕਾਰ ਸਿੱਧਾ ਅਸਲ ਸਮੀਖਿਆ ਸ਼ੁਰੂ ਕਰ ਸਕਦਾ ਹੈ,” ਇੰਗਲੈਂਡਰ ਕਹਿੰਦੇ ਹਨ। “ਅੰਕਾਂ ਦੇ ਸਰੋਤ ਲੱਭੇ ਜਾ ਸਕਦੇ ਹਨ, ਵਰਕਬੁੱਕ ਮੁੜ ਗਣਨਾ ਕਰਦੀ ਹੈ ਅਤੇ ਸਲਾਈਡ ਸੰਪਾਦਨਯੋਗ ਹੈ।”

ਪਾਵਰਪੁਆਇੰਟ ਨੇ ਮਾਡਲ ML ਨੂੰ ਇਹ ਪਰਖਣ ਲਈ ਇੱਕ ਔਖੀ ਕਸੌਟੀ ਦਿੱਤੀ ਕਿ GPT‑5.6 Sol ਅਸਲ ਕੰਮ ਲਈ ਤਿਆਰ ਸੀ ਜਾਂ ਨਹੀਂ। ਕੋਈ ਡੈੱਕ ਸੁਧਰਿਆ ਹੋਇਆ ਦਿਖਾਈ ਦੇ ਸਕਦਾ ਹੈ, ਪਰ ਜੇ ਉਸ ਦੇ ਅੰਕ ਗਲਤ ਹੋਣ ਜਾਂ ਉਨ੍ਹਾਂ ਦੇ ਸਰੋਤ ਨਾ ਲੱਭੇ ਜਾ ਸਕਣ, ਚਾਰਟ ਸਥਿਰ ਚਿੱਤਰ ਬਣੇ ਹੋਣ ਜਾਂ ਸਾਂਝਾ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਸਲਾਈਡਾਂ ਮੁੜ ਬਣਾਉਣੀਆਂ ਪੈਣ, ਤਾਂ ਉਹ ਸਮੀਖਿਆ ਵਿੱਚ ਅਸਫਲ ਹੋ ਸਕਦਾ ਹੈ।

ਮਾਡਲ ML ਨੇ ਮਾਡਲ ਨੂੰ ਆਪਣੇ ਏਜੰਟ ਜਾਂਚ-ਢਾਂਚੇ ਵਿੱਚ ਚਲਾਇਆ ਅਤੇ ਇਸ ਨਾਲ ਦਸਤਾਵੇਜ਼ ਬਣਾਉਣ ਤੇ ਸੰਪਾਦਿਤ ਕਰਨ ਵਾਲੇ ਸੰਦ ਜੋੜੇ, ਜਿਨ੍ਹਾਂ ਨਾਲ ਏਜੰਟ ਸੰਪਾਦਨਯੋਗ ਗ੍ਰਾਫ਼ਾਂ ਅਤੇ ਸਾਰਣੀਆਂ ਵਾਲੀਆਂ ਸਲਾਈਡਾਂ ਬਣਾ ਸਕਦਾ ਹੈ। ਕੰਮ ਕਰਦੇ ਸਮੇਂ ਇਹ ਮੂਲ ਸੰਖੇਪ ਨੂੰ ਸੰਦਰਭ ਵਿੱਚ ਰੱਖਦਾ ਹੈ ਅਤੇ ਫ਼ਾਈਲ ਵਾਪਸ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਹਰ ਸਲਾਈਡ ਦੀ ਦ੍ਰਿਸ਼ ਰੂਪ ਵਿੱਚ ਸਮੀਖਿਆ ਕਰਦਾ ਹੈ।

ਹੇਠਾਂ ਦਿੱਤੀ ਉਦਾਹਰਨ ਦਿਖਾਉਂਦੀ ਹੈ ਕਿ ਮਾਡਲ ML ਦਾ ਪਾਵਰਪੁਆਇੰਟ ਨਤੀਜਾ GPT‑5.5 ਤੋਂ GPT‑5.6 Sol ਤੱਕ ਕਿਵੇਂ ਸੁਧਰਿਆ, ਜਿਸ ਵਿੱਚ ਵਧੇਰੇ ਸਪਸ਼ਟ ਲੜੀਬੱਧਤਾ ਅਤੇ ਹੋਰ ਇਕਸਾਰ ਸਲਾਈਡ ਡਿਜ਼ਾਈਨ ਸ਼ਾਮਲ ਹਨ।

ਅੱਜ ਮਾਡਲ ML ਦਾ ਜਾਂਚ-ਢਾਂਚਾ ਏਜੰਟ ਨੂੰ ਅਜਿਹੀਆਂ ਸੰਦ-ਕਿੱਟਾਂ ਦਿੰਦਾ ਹੈ, ਜਿਨ੍ਹਾਂ ਨੂੰ ਲੋਡ ਕਰਕੇ ਉਹ ਡਾਟਾ ਏਕੀਕਰਨਾਂ, ਦਸਤਾਵੇਜ਼ ਸੰਪਾਦਨ ਸੰਦਾਂ ਅਤੇ ਹੁਨਰਾਂ ਤੇ ਕੋਡ ਚਲਾਉਣ ਵਾਲੇ ਮਾਹੌਲਾਂ ਤੱਕ ਪਹੁੰਚ ਕਰ ਸਕਦਾ ਹੈ। ਇਸ ਨਾਲ ਏਜੰਟ ਕੇਂਦਰਿਤ ਰਹਿੰਦਾ ਹੈ ਅਤੇ ਉਸ ਨੂੰ ਵਰਤੋਂਕਾਰ ਦੇ ਦਸਤਾਵੇਜ਼ਾਂ ਨਾਲ ਕੰਮ ਕਰਨ ਲਈ ਬਿਲਕੁਲ ਲੋੜੀਂਦੇ ਸੰਦ ਮਿਲਦੇ ਹਨ।

ਇਹ ਵਿਵਸਥਾ ਮਾਡਲ ML ਨੇ OpenAI ਨਾਲ ਸਥਾਨ ’ਤੇ ਹੋਏ ਸੈਸ਼ਨਾਂ ਰਾਹੀਂ ਤਿਆਰ ਕੀਤੀ। ਟੀਮਾਂ ਨੇ ਪਤਾ ਲਗਾਇਆ ਕਿ ਏਜੰਟ ਪੇਸ਼ਕਾਰੀਆਂ ਦੀ ਯੋਜਨਾ ਕਿਵੇਂ ਬਣਾਉਂਦਾ, ਸੰਦ ਕਿਵੇਂ ਚੁਣਦਾ ਅਤੇ ਸੰਦਰਭ ਕਿਵੇਂ ਕਾਇਮ ਰੱਖਦਾ ਹੈ। ਫਿਰ ਉਨ੍ਹਾਂ ਨਤੀਜਿਆਂ ਨਾਲ ਏਜੰਟ ਦੀਆਂ ਹਦਾਇਤਾਂ ਸੁਧਾਰੀਆਂ ਅਤੇ ਤੈਅ ਕੀਤਾ ਕਿ ਹਰ ਸੰਦ-ਕਿੱਟ ਕਦੋਂ ਲੋਡ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ।

ਮਾਡਲ ML ਦੇ ਗਾਹਕ ਬ੍ਰਾਊਜ਼ਰ-ਆਧਾਰਿਤ ਨਤੀਜਿਆਂ ਵੱਲ ਵਧ ਰਹੇ ਹਨ, ਜੋ ਆਪਣੇ ਪਿੱਛੇ ਮੌਜੂਦ ਮਾਡਲਾਂ ਅਤੇ ਸਰੋਤ ਸਮੱਗਰੀ ਨਾਲ ਜੁੜੇ ਰਹਿੰਦੇ ਹਨ।

ਮਾਡਲ ML ਦਾ ਮੰਚ ਸੁਰੱਖਿਅਤ, ਪਰਸਪਰ-ਕਿਰਿਆਸ਼ੀਲ ਨਤੀਜੇ ਤਿਆਰ ਕਰ ਸਕਦਾ ਹੈ, ਜਿਨ੍ਹਾਂ ਨੂੰ ਲਗਾਤਾਰ ਅੱਪਡੇਟ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ ਜਾਂ ਕਿਸੇ ਖਾਸ ਸਮੇਂ ਦੀ ਸਥਿਤੀ ’ਤੇ ਸਥਿਰ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ। ਸਮੀਖਿਅਕ ਨਿਵੇਸ਼ ਸੰਖੇਪ ਖੋਲ੍ਹ ਸਕਦਾ ਹੈ, ਕਿਸੇ ਅੰਕੜੇ ਦੇ ਪਿੱਛੇ ਮੌਜੂਦ ਵਿੱਤੀ ਮਾਡਲ ਤੱਕ ਜਾਣ ਲਈ ਉਸ ’ਤੇ ਕਲਿੱਕ ਕਰ ਸਕਦਾ ਹੈ ਅਤੇ ਉਸੇ ਪੰਨੇ ਤੋਂ ਏਜੰਟ ਨਾਲ ਕੰਮ ਕਰ ਸਕਦਾ ਹੈ।

“ਪਾਵਰਪੁਆਇੰਟ, ਐਕਸਲ ਅਤੇ ਵਰਡ ਉਸ ਦੁਨੀਆ ਲਈ ਬਣਾਏ ਗਏ ਸਨ ਜਿੱਥੇ ਗਿਆਨ-ਆਧਾਰਿਤ ਕੰਮ ਹੱਥੀਂ ਤਿਆਰ ਕੀਤਾ ਜਾਂਦਾ ਸੀ,” ਇੰਗਲੈਂਡਰ ਕਹਿੰਦੇ ਹਨ। “AI ਨੇ ਇਹ ਧਾਰਨਾ ਬਦਲ ਦਿੱਤੀ ਹੈ। ਹੁਣ ਸਾਫਟਵੇਅਰ ਖੁਦ ਬਦਲਣ ਵਾਲਾ ਹੈ।”