Model ML effektiviserar finansarbete med GPT‑5.6 Sol

Innan en finansiell analys kan presenteras för kunder eller ledande beslutsfattare måste teamen klara den krävande slutsträckan: stämma av underlagen, skapa och formatera filen, kontrollera varje siffra och koppla varje påstående till dess källa. Den färdiga PowerPoint-presentationen eller Excel-arbetsboken måste vara redigerbar och redo att granskas.

Model ML:s medgrundare och bröder Arnie och Chaz Englander såg hur mycket arbete detta krävde när de efter två framgångsrika företagsförsäljningar började investera genom ett privat familjekontor och, som entreprenörer gärna gör, utvecklade programvara för sina egna behov.

Model ML har vuxit fram ur den programvaran. Företagets Agenter hjälper finansspecialister att driva ett arbetsflöde från den första förfrågan via research och analys till en färdig presentation eller arbetsbok. I centrum finns en huvudsaklig Agent som planerar arbetet, väljer rätt verktyg, stämmer av underlagen och utför beräkningar. Varje steg skickas till den Modell som passar bäst, ofta GPT‑5.6 Sol. Bland verktygen finns Model ML:s egna dokumentverktyg, som skapar inbyggda PowerPoint- och Excel-filer med spårbara källor.

Model ML hjälper finansteam genom att automatisera finansiella arbetsflöden från början till slut. Utifrån en uppdragsbeskrivning och källmaterial kan Agenten genomföra ett uppdrag från research och modellering till färdigt material för kunder eller transaktionsteam. Finansspecialisten kontrollerar antaganden, källor och budskap innan arbetet delas.

Model ML beskriver produkten som ”gränssnittsoberoende”. En finansspecialist kan påbörja ett uppdrag via e-post eller i Model ML-appen och fortsätta i företagets Microsoft Office-tillägg utan att behöva förklara uppdraget igen.

Den kontinuiteten sträcker sig ända till det färdiga resultatet. För en presentation till en investeringskommitté kan Model ML omvandla en uppdragsbeskrivning och källmaterial till en redigerbar PowerPoint-presentation. För en Excel-uppgift kan Agenten utgå från en kundmall eller en tom arbetsbok, samla in nödvändiga data, skapa formler och logik på flera flikar och sedan använda finansspecifik formatering för att ta fram ett komplett kalkylblad eller en finansiell Modell.

I Model ML:s Composite, företagets utvärderingsbenchmark för AI inom finansiella tjänster, använde GPT‑5.6 Sol 36 % färre token per arbetsbok än Opus 5 i ett Excel-arbetsflöde.

Genom att genomföra arbetet hela vägen genom den sista etappen kan Agenten även spara tid för enskilda leveranser och hjälpa team att bearbeta stora mängder källmaterial. Hos en global kapitalförvaltare tar ett skräddarsytt faktablad som tidigare krävde omkring en timmes arbete av en analytiker nu cirka fem minuter att sammanställa. I ett annat arbetsflöde bearbetade Model ML:s Agenter virtuella datarum med över 100 000 rader och hundratals filer i en enda körning.

Model ML utvärderade GPT‑5.6 Sol tillsammans med andra ledande modeller i en rad finansiella arbetsflöden. Composite-utvärderingarna följer ett uppdrag från den första finansiella uppdragsbeskrivningen via research och beräkningar till en redigerbar presentation eller ett kalkylblad. Därefter kontrolleras siffror, källor, formler och struktur samt presentationernas visuella kvalitet.

För PowerPoint omfattar Model ML:s Composite-utvärdering verkliga arbetsflöden och hundratals genererade presentationer, bedömda enligt detaljerade kriterier.

GPT‑5.6 Sol slutförde PowerPoint-arbetsflödet i 100 % av testfallen, jämfört med 76 % för Opus 5. Modellen klarade dessutom Model ML:s gränsvärde för professionell användbarhet – ett mått på om resultatet var redo för en innehållsmässig granskning – i 43,3 % av fallen, jämfört med 26,7 %. Den överträffade även Opus 5 vad gäller presentationernas kvalitet, följsamhet till uppdragsbeskrivningen, hierarki och enhetlighet.

Sammantaget gav Composite-resultaten ovan Model ML underlag för att utöka användningen av GPT‑5.6 Sol i produktion, även i vissa arbetsflöden som tidigare hanterades av Opus 4.8. I PowerPoint-arbetsflöden kombinerade GPT‑5.6 Sol konkurrenskraftig presentationskvalitet med en högre andel slutförda, granskningsklara presentationer än Opus 5 och Fable 5, samtidigt som cirka 21 % färre token användes än med Fable 5.

”Redo för verkligt arbete innebär att användaren kan gå direkt till en riktig granskning”, säger Englander. ”Siffrorna kan spåras till källorna, arbetsboken räknas om och presentationsbilden är redigerbar.”

PowerPoint blev ett krävande test för Model ML av om GPT‑5.6 Sol var redo för verkligt arbete. En presentation kan se genomarbetad ut men ändå underkännas vid granskning om siffrorna är felaktiga eller inte kan spåras, diagrammen är statiska eller presentationsbilderna måste byggas om innan de kan delas.

Model ML körde Modellen i sin Agent-körmiljö tillsammans med verktyg för att skapa och redigera dokument, så att Agenten kunde skapa presentationsbilder med redigerbara diagram och tabeller. Den behåller den ursprungliga uppdragsbeskrivningen i kontexten under arbetet och granskar sedan varje presentationsbild visuellt innan filen levereras.

Exemplet nedan visar hur Model ML:s PowerPoint-resultat förbättrades från GPT‑5.5 till GPT‑5.6 Sol, bland annat med tydligare hierarki och mer enhetlig bilddesign.

I dag förser Model ML:s körmiljö Agenten med verktygspaket som kan läsas in för åtkomst till dataintegreringar, verktyg och funktioner för dokumentredigering samt miljöer för kodkörning. Det håller Agenten fokuserad och ger den exakt de verktyg som behövs för att arbeta med användarens dokument.

Model ML tog fram den här lösningen genom arbetsmöten på plats med OpenAI. Teamen kartlade hur Agenten planerade presentationer, valde verktyg och behöll kontexten. Därefter använde de insikterna för att finslipa Agentens instruktioner och avgöra när varje verktygspaket skulle läsas in.

Model ML:s kunder går mot webbläsarbaserade resultat som förblir anslutna till de bakomliggande modellerna och källmaterialet.

Model ML:s plattform kan generera säkra, interaktiva resultat som uppdateras kontinuerligt eller låses till en viss tidpunkt. En granskare skulle kunna öppna en investeringsöversikt, klicka sig vidare till den finansiella Modell som ligger bakom en siffra och arbeta med Agenten på samma sida.

”PowerPoint, Excel och Word utformades för en värld där kunskapsarbete skapades manuellt”, säger Englander. ”AI har förändrat det antagandet. Nu står själva programvaran inför en förändring.”