Model ML kryen punë financiare më me efikasitet se GPT‑5.6 Sol

Para se analiza financiare t’u paraqitet klientëve ose vendimmarrësve të lartë, ekipet duhet ta çojnë deri në fund një fazë të fundit kërkuese: të rakordojnë provat, të krijojnë e formatojnë skedarin, të kontrollojnë çdo shifër dhe ta lidhin çdo pretendim me burimin e vet. Prezantimi përfundimtar në PowerPoint ose libri i punës në Excel duhet të jetë i redaktueshëm dhe gati për shqyrtim.

Bashkëthemeluesit e Model ML, vëllezërit Arnie dhe Chaz Englander, e kuptuan sa shumë punë kërkonte kjo kur, pas dy shitjeve të suksesshme të kompanive, nisën të investonin përmes një zyre private familjare dhe, siç bëjnë krijuesit, të ndërtonin softuer për nevojat e tyre.

Të zhvilluar nga ai softuer, agjentët e Model ML i ndihmojnë profesionistët e financës ta çojnë një proces pune nga kërkesa fillestare, përmes kërkimit dhe analizës, deri te një prezantim ose libër pune i përfunduar. Në qendër, një agjent kryesor planifikon punën, zgjedh mjetet e duhura, rakordon provat dhe kryen llogaritjet, duke ia drejtuar çdo hap modelit më të përshtatshëm, që shpesh është GPT‑5.6 Sol. Mes këtyre mjeteve janë edhe mjetet e vetë Model ML për dokumente, të cilat krijojnë skedarë origjinalë PowerPoint dhe Excel me burime të gjurmueshme.

Model ML i ndihmon ekipet financiare duke automatizuar flukset e punës financiare nga fillimi në fund. Duke u nisur nga një përmbledhje dhe materialet burimore, agjenti mund ta çojë një detyrë përmes kërkimit dhe modelimit deri te materialet përfundimtare për klientët ose ekipet e transaksioneve. Para se ta ndajë punën, profesionisti i financës kontrollon supozimet, burimet dhe mesazhin.

Model ML e quan produktin "të pavarur nga ndërfaqja". Një profesionist finance mund ta nisë një detyrë me email ose në aplikacionin Model ML dhe ta vazhdojë në shtojcat e tij për Microsoft Office pa pasur nevojë ta shpjegojë sërish.

Kjo vazhdimësi shtrihet edhe te puna përfundimtare. Për një prezantim të komitetit të investimeve, Model ML mund ta shndërrojë një përmbledhje dhe materialet burimore në një PowerPoint të redaktueshëm. Për një detyrë në Excel, agjenti mund të nisë me një shabllon të klientit ose një libër pune bosh, të mbledhë të dhënat e nevojshme, të ndërtojë formula dhe logjikë në disa skeda dhe më pas të zbatojë formatim specifik për financat, duke prodhuar një fletëllogaritëse ose model financiar të plotë.

Në Composite të Model ML, standardi i vlerësimit i kompanisë për IA-në në shërbimet financiare, GPT‑5.6 Sol përdori 36% më pak tokenë për libër pune se Opus 5 në një fluks pune në Excel.

Duke e çuar punën deri në fund të kësaj faze të fundit, agjenti mund të kursejë kohë edhe për çdo produkt individual dhe t’i ndihmojë ekipet të përpunojnë vëllime të mëdha materialesh burimore. Në një kompani globale të administrimit të aktiveve, një fletë përmbledhëse e personalizuar, për të cilën një analisti i duhej rreth një orë, tani përgatitet për rreth pesë minuta. Në një fluks tjetër pune, agjentët e Model ML përpunuan me një kalim të vetëm dhoma virtuale të dhënash që përmbanin mbi 100 000 rreshta dhe qindra skedarë.

Model ML e vlerësoi GPT‑5.6 Sol krahas modeleve të tjera kryesuese në një sërë flukse pune financiare. Vlerësimet e tij Composite e ndjekin një detyrë nga përmbledhja fillestare financiare, përmes kërkimit dhe llogaritjeve, deri te një prezantim ose fletëllogaritëse e redaktueshme; më pas kontrollojnë shifrat, burimet, formulat dhe strukturën, si edhe cilësinë pamore të prezantimeve.

Për PowerPoint, vlerësimi Composite i Model ML përfshin flukse reale pune dhe qindra prezantime të krijuara, me një skemë të hollësishme pikëzimi.

GPT‑5.6 Sol e përfundoi fluksin e punës në PowerPoint në 100% të rasteve të testimit, krahasuar me 76% për Opus 5, dhe e kaloi pragun e gatishmërisë profesionale të Model ML—një matës nëse rezultati ishte gati për shqyrtim thelbësor—në 43,3% të rasteve, kundrejt 26,7%. Ai e tejkaloi Opus 5 edhe për cilësinë e prezantimit, respektimin e përmbledhjes, hierarkinë dhe koherencën.

Të marra së bashku, rezultatet Composite të paraqitura më sipër i dhanë Model ML provat për ta zgjeruar përdorimin e GPT‑5.6 Sol në prodhim, përfshirë disa flukse pune që më parë kryheshin nga Opus 4.8. Në flukset e punës në PowerPoint, GPT‑5.6 Sol ndërthuri cilësinë konkurruese të prezantimeve me një përqindje më të lartë prezantimesh të përfunduara e të gatshme për shqyrtim se Opus 5 dhe Fable 5, duke përdorur rreth 21% më pak tokenë se Fable 5.

"Gati për punë reale do të thotë që përdoruesi mund të kalojë drejtpërdrejt te shqyrtimi real", thotë Englander. "Shifrat mund të gjurmohen te burimi, libri i punës rillogarit rezultatet dhe diapozitivi është i redaktueshëm."

PowerPoint i dha Model ML një provë të vështirë për të vlerësuar nëse GPT‑5.6 Sol ishte gati për punë reale. Një prezantim mund të duket profesional, por mund të dështojë gjatë shqyrtimit nëse shifrat janë të gabuara ose të pagjurmueshme, grafikët janë kthyer në imazhe statike ose diapozitivët duhet të rindërtohen para se të mund të ndahen.

Model ML e ekzekutoi modelin brenda strukturës së agjentit, së bashku me mjete për krijimin dhe redaktimin e dokumenteve, të cilat i lejojnë agjentit të krijojë diapozitivë me grafikë dhe tabela të redaktueshme. Gjatë punës, ai e ruan përmbledhjen fillestare në kontekst dhe më pas shqyrton vizualisht çdo diapozitiv para se ta kthejë skedarin.

Shembulli më poshtë tregon si u përmirësua rezultati në PowerPoint i Model ML nga GPT‑5.5 në GPT‑5.6 Sol, përfshi hierarki më të qartë dhe dizajn më koherent të diapozitivëve.

Sot, struktura e Model ML i ofron agjentit paketa mjetesh që mund t’i ngarkojë për të përdorur integrimet e të dhënave, mjetet dhe aftësitë për redaktimin e dokumenteve, si edhe mjediset e ekzekutimit të kodit. Kjo e mban agjentin të përqendruar dhe i jep pikërisht mjetet që i nevojiten për të punuar me dokumentet e përdoruesit.

Model ML arriti në këtë konfigurim përmes seancave në terren me OpenAI. Ekipet gjurmuan mënyrën se si agjenti planifikonte prezantimet, zgjidhte mjetet dhe ruante kontekstin; më pas i përdorën këto gjetje për të përmirësuar udhëzimet e agjentit dhe për të vendosur se kur duhej ngarkuar secila paketë mjetesh.

Klientët e Model ML po kalojnë drejt rezultateve në shfletues, që mbeten të lidhura me modelet dhe materialet burimore pas tyre.

Platforma e Model ML mund të krijojë rezultate të sigurta dhe ndërvepruese, që mund të përditësohen vazhdimisht ose të fiksohen për një çast të caktuar. Një shqyrtues mund të hapë një përmbledhje investimi, të kalojë te modeli financiar pas një shifre dhe të punojë me agjentin nga e njëjta faqe.

"PowerPoint, Excel dhe Word u krijuan për një botë ku puna intelektuale bëhej me dorë", thotë Englander. "IA-ja e ka ndryshuar këtë supozim. Vetë softueri është gati të ndryshojë."