Model ML agiliza tarefas financeiras com GPT‑5.6 Sol

Antes que uma análise financeira possa ser apresentada a clientes ou altos executivos, as equipes precisam conduzi-la por uma etapa final exigente: conciliar evidências, criar e formatar o arquivo, conferir todos os números e vincular cada afirmação à sua fonte. A apresentação final do PowerPoint ou a pasta de trabalho do Excel precisa ser editável e estar pronta para análise minuciosa.

Os irmãos Arnie e Chaz Englander, cofundadores da Model ML, perceberam quanto trabalho isso exigia quando, após duas vendas bem-sucedidas de empresas, começaram a investir por meio de um family office privado e, como bons criadores, desenvolveram um software para ajudá-los.

Desenvolvidos a partir desse software, os agentes da Model ML ajudam profissionais de finanças a conduzir um fluxo de trabalho desde a solicitação inicial até a pesquisa, a análise e a entrega de uma apresentação ou pasta de trabalho finalizada. No centro, um agente principal planeja o trabalho, seleciona as ferramentas certas, concilia evidências e executa cálculos, encaminhando cada etapa ao modelo mais adequado — que muitas vezes é o GPT‑5.6 Sol. Entre essas ferramentas estão as soluções de documentos da própria Model ML, que criam arquivos nativos do PowerPoint e do Excel com fontes rastreáveis.

A Model ML ajuda equipes financeiras automatizando fluxos de trabalho de ponta a ponta. A partir de um briefing e dos materiais de referência, o agente pode conduzir uma tarefa da pesquisa e modelagem até a entrega dos materiais finais para clientes ou equipes de negociação. O profissional de finanças verifica as premissas, as fontes e a mensagem antes de compartilhar o trabalho.

A Model ML define o produto como "independente da interface". O profissional de finanças pode iniciar uma tarefa por e-mail ou no aplicativo da Model ML e continuá-la nos plug-ins para Microsoft Office sem precisar explicá-la novamente.

Essa continuidade se estende ao trabalho finalizado. Para uma apresentação destinada a um comitê de investimentos, a Model ML pode transformar um briefing e os materiais de referência em um PowerPoint editável. Em uma tarefa do Excel, o agente pode começar com um modelo do cliente ou uma pasta de trabalho em branco, reunir os dados necessários, criar fórmulas e lógicas em várias abas e aplicar uma formatação específica para finanças, produzindo uma planilha completa ou um modelo financeiro.

No Composite da Model ML, benchmark de avaliação da empresa para IA em serviços financeiros, o GPT‑5.6 Sol usou 36% menos tokens por pasta de trabalho que o Opus 5 em um fluxo do Excel.

Ao conduzir o trabalho até essa etapa final, o agente também economiza tempo em entregas individuais e ajuda as equipes a processar grandes volumes de materiais de referência. Em uma gestora global de ativos, uma ficha personalizada que um analista levava cerca de uma hora para montar agora fica pronta em aproximadamente cinco minutos. Em outro fluxo de trabalho, os agentes da Model ML processaram, de uma só vez, data rooms virtuais com mais de 100 mil linhas e centenas de arquivos.

A Model ML avaliou o GPT‑5.6 Sol junto a outros modelos líderes em diversos fluxos de trabalho financeiros. As avaliações do Composite acompanham uma tarefa desde o briefing financeiro inicial, passando por pesquisas e cálculos, até uma apresentação ou planilha editável. Em seguida, verificam números, fontes, fórmulas e estrutura, além da qualidade visual das apresentações.

Para o PowerPoint, a avaliação Composite da Model ML incorpora fluxos de trabalho reais e abrange centenas de apresentações geradas, com critérios detalhados de pontuação.

O GPT‑5.6 Sol concluiu o fluxo de trabalho do PowerPoint em 100% dos casos de teste, contra 76% do Opus 5, e atingiu o critério de prontidão profissional da Model ML — que mede se o resultado estava pronto para uma revisão aprofundada — em 43,3% dos casos, contra 26,7%. Também superou o Opus 5 em qualidade das apresentações, fidelidade ao briefing, hierarquia e consistência.

Em conjunto, os resultados do Composite apresentados acima deram à Model ML as evidências necessárias para ampliar o uso do GPT‑5.6 Sol em produção, inclusive em alguns fluxos antes processados pelo Opus 4.8. Nos fluxos do PowerPoint, o GPT‑5.6 Sol combinou qualidade competitiva com uma taxa superior de apresentações concluídas e prontas para revisão em relação ao Opus 5 e ao Fable 5, usando cerca de 21% menos tokens que o Fable 5.

"Estar pronto para o trabalho real significa que o usuário pode seguir diretamente para a revisão de verdade", afirma Englander. "Os números são rastreáveis, a pasta de trabalho recalcula e o slide é editável."

O PowerPoint foi um teste exigente para a Model ML avaliar se o GPT‑5.6 Sol estava pronto para o trabalho real. Uma apresentação pode parecer refinada e ainda assim falhar na revisão se os números estiverem errados ou não forem rastreáveis, se os gráficos estiverem convertidos em imagens ou se os slides precisarem ser refeitos antes do compartilhamento.

A Model ML executou o modelo dentro do harness do agente, em conjunto com ferramentas de criação e edição de documentos que permitem ao agente criar slides com gráficos e tabelas editáveis. Durante o trabalho, ele mantém o briefing original no contexto e, antes de devolver o arquivo, revisa visualmente cada slide.

O exemplo abaixo mostra como o resultado da Model ML no PowerPoint melhorou do GPT‑5.5 para o GPT‑5.6 Sol, incluindo uma hierarquia mais clara e um design de slides mais consistente.

Hoje, o harness da Model ML fornece ao agente kits de ferramentas que ele pode carregar para acessar integrações de dados, ferramentas e recursos de edição de documentos e ambientes de execução de código. Isso mantém o agente focado e oferece exatamente as ferramentas necessárias para trabalhar com os documentos do usuário.

A Model ML chegou a essa configuração por meio de sessões presenciais com a OpenAI. As equipes analisaram como o agente planejava apresentações, selecionava ferramentas e mantinha o contexto. Depois, usaram essas descobertas para aprimorar as instruções do agente e decidir quando cada kit de ferramentas deveria ser carregado.

Os clientes da Model ML estão migrando para resultados baseados no navegador, que permanecem conectados aos modelos e aos materiais de referência que os originaram.

A plataforma da Model ML pode gerar resultados seguros e interativos, que podem ser atualizados continuamente ou fixados em um momento específico. Um revisor poderia abrir um resumo de investimento, acessar o modelo financeiro por trás de um valor e trabalhar com o agente na mesma página.

"PowerPoint, Excel e Word foram criados para um mundo em que o trabalho intelectual era produzido manualmente", afirma Englander. "A IA mudou essa premissa. O próprio software está prestes a mudar."