Model ML efektívnejšie zvláda financie s GPT‑5.6 Sol

Skôr než možno finančnú analýzu predstaviť klientom alebo vedúcim pracovníkom s rozhodovacou právomocou, tímy musia zvládnuť náročnú záverečnú fázu: zosúladiť podklady, vytvoriť a naformátovať súbor, skontrolovať každé číslo a prepojiť každé tvrdenie so zdrojom. Hotová prezentácia PowerPoint alebo zošit Excelu musia byť upraviteľné a pripravené na dôkladnú kontrolu.

Spoluzakladatelia Model ML a bratia Arnie a Chaz Englanderovci zistili, koľko práce si to vyžaduje, keď po dvoch úspešných exitoch začali investovať prostredníctvom súkromnej rodinnej investičnej kancelárie a ako správni tvorcovia si začali vyvíjať vlastný pomocný softvér.

Agenti Model ML, ktorí vznikli z tohto softvéru, pomáhajú finančným odborníkom zvládnuť celý pracovný postup od úvodnej požiadavky cez prieskum a analýzu až po hotovú prezentáciu alebo zošit. Ústredný agent plánuje prácu, vyberá vhodné nástroje, zosúlaďuje podklady a vykonáva výpočty, pričom každý krok smeruje do modelu, ktorý je naň najvhodnejší – často je to GPT‑5.6 Sol. Medzi tieto nástroje patrí aj vlastná súprava Model ML na prácu s dokumentmi, ktorá vytvára natívne súbory PowerPointu a Excelu s dohľadateľnými zdrojmi.

Model ML pomáha finančným tímom komplexnou automatizáciou finančných pracovných postupov. Agent dokáže zo zadania a zdrojových materiálov spracovať úlohu cez prieskum a modelovanie až po hotové podklady pre klientov alebo transakčné tímy. Pred odovzdaním práce finančný odborník skontroluje predpoklady, zdroje a hlavné posolstvo.

Model ML svoj produkt označuje za „nezávislý od rozhrania“. Finančný odborník môže začať úlohu v e-maile alebo aplikácii Model ML a bez opätovného vysvetľovania v nej pokračovať v doplnkoch pre Microsoft Office.

Táto kontinuita sa prenáša aj do hotového výstupu. Model ML dokáže zo zadania a zdrojových materiálov vytvoriť upraviteľnú prezentáciu PowerPoint pre investičný výbor. Pri úlohe v Exceli môže agent začať klientskou šablónou alebo prázdnym zošitom, zhromaždiť potrebné údaje, vytvoriť vzorce a logiku na viacerých kartách a potom použiť formátovanie špecifické pre financie, čím vznikne kompletná tabuľka alebo finančný model.

V benchmarku Composite spoločnosti Model ML na hodnotenie AI vo finančných službách použil GPT‑5.6 Sol pri pracovnom postupe v Exceli o 36 % menej tokenov na zošit než Opus 5.

Keď agent zvládne aj túto záverečnú fázu, môže ušetriť čas pri jednotlivých výstupoch a pomôcť tímom spracovať veľké objemy zdrojových materiálov. U jedného globálneho správcu aktív teraz trvá vytvorenie informačného prehľadu na mieru približne päť minút, kým analytikovi predtým zabralo asi hodinu. V inom pracovnom postupe spracovali agenti Model ML naraz virtuálne dátové miestnosti s viac než 100 000 riadkami a stovkami súborov.

Model ML hodnotil GPT‑5.6 Sol spolu s ďalšími poprednými modelmi v rôznych finančných pracovných postupoch. Hodnotenia Composite sledujú úlohu od úvodného finančného zadania cez prieskum a výpočty až po upraviteľnú prezentáciu alebo tabuľku. Následne kontrolujú čísla, zdroje, vzorce a štruktúru, ako aj vizuálnu kvalitu prezentácií.

Hodnotenie Composite od Model ML pre PowerPoint zahŕňa reálne pracovné postupy a stovky vytvorených prezentácií, ktoré posudzuje podľa podrobnej bodovacej metodiky.

GPT‑5.6 Sol dokončil pracovný postup v PowerPointe v 100 % testov oproti 76 % pri Opus 5. Hranicu profesionálnej pripravenosti Model ML, ktorá určuje, či bol výstup pripravený na odbornú kontrolu, dosiahol v 43,3 % prípadov oproti 26,7 %. Opus 5 prekonal aj v kvalite prezentácie, dodržaní zadania, hierarchii a konzistentnosti.

Súhrnné výsledky Composite uvedené vyššie poskytli Model ML dostatok dôkazov na širšie nasadenie GPT‑5.6 Sol v produkcii vrátane niektorých pracovných postupov, ktoré predtým zabezpečoval Opus 4.8. V pracovných postupoch pre PowerPoint spojil GPT‑5.6 Sol konkurencieschopnú kvalitu prezentácií s vyšším podielom dokončených prezentácií pripravených na kontrolu než Opus 5 a Fable 5, pričom použil približne o 21 % menej tokenov než Fable 5.

„Pripravenosť na reálnu prácu znamená, že používateľ môže okamžite prejsť k skutočnej kontrole,“ hovorí Englander. „Čísla sa dajú spätne dohľadať, zošit sa prepočítava a snímka je upraviteľná.“

PowerPoint predstavoval pre Model ML náročnú skúšku pripravenosti GPT‑5.6 Sol na reálnu prácu. Prezentácia môže pôsobiť profesionálne, no napriek tomu pri kontrole neobstojí, ak obsahuje nesprávne alebo nedohľadateľné čísla, jej grafy nie sú upraviteľné alebo treba snímky pred odovzdaním vytvoriť odznova.

Model ML spustil model vo svojom agentovom harness spolu s nástrojmi na tvorbu a úpravu dokumentov, vďaka ktorým môže agent vytvárať snímky s upraviteľnými grafmi a tabuľkami. Počas práce zachováva pôvodné zadanie v kontexte a pred odovzdaním súboru vizuálne skontroluje každú snímku.

Nasledujúci príklad ukazuje, ako sa výstup Model ML pre PowerPoint zlepšil medzi GPT‑5.5 a GPT‑5.6 Sol vrátane prehľadnejšej hierarchie a konzistentnejšieho dizajnu snímok.

Harness Model ML dnes poskytuje agentovi súpravy nástrojov, ktoré môže načítať na prístup k dátovým integráciám, nástrojom a funkciám na úpravu dokumentov či prostrediam na spúšťanie kódu. Agent sa tak môže sústrediť na úlohu a dostane presne tie nástroje, ktoré potrebuje na prácu s dokumentmi používateľa.

Model ML dospel k tomuto riešeniu počas osobných pracovných stretnutí s OpenAI. Tímy sledovali, ako agent plánuje prezentácie, vyberá nástroje a zachováva kontext. Zistenia potom využili na spresnenie pokynov pre agenta a určenie, kedy sa má ktorá súprava nástrojov načítať.

Zákazníci Model ML prechádzajú na výstupy v prehliadači, ktoré zostávajú prepojené s modelmi a zdrojovými materiálmi, z ktorých vychádzajú.

Platforma Model ML dokáže vytvárať bezpečné interaktívne výstupy, ktoré sa môžu priebežne aktualizovať alebo uzamknúť k určitému okamihu. Kontrolór môže otvoriť investičné zhrnutie, prekliknúť sa k finančnému modelu, z ktorého údaj pochádza, a pracovať s agentom na tej istej stránke.

„PowerPoint, Excel a Word boli navrhnuté pre svet, v ktorom sa odborné výstupy vytvárali manuálne,“ hovorí Englander. „AI tento predpoklad zmenila. Teraz sa zmení aj samotný softvér.“