Model ML เพิ่มประสิทธิภาพการทำงานด้านการเงินด้วย GPT‑5.6 Sol

ก่อนนำบทวิเคราะห์ทางการเงินไปเสนอต่อลูกค้าหรือผู้มีอำนาจตัดสินใจระดับสูง ทีมต้องผ่านขั้นตอนสุดท้ายที่ต้องอาศัยความละเอียดรอบคอบ ได้แก่ การตรวจสอบหลักฐานให้สอดคล้องกัน การจัดทำและจัดรูปแบบไฟล์ การตรวจสอบตัวเลขทุกตัว และการเชื่อมโยงข้อสรุปแต่ละข้อกับแหล่งที่มา โดยชุดสไลด์ PowerPoint หรือเวิร์กบุ๊ก Excel ฉบับสมบูรณ์ต้องแก้ไขได้และพร้อมรับการตรวจสอบอย่างละเอียด

Arnie และ Chaz Englander สองพี่น้องและผู้ร่วมก่อตั้ง Model ML เข้าใจดีว่างานเหล่านี้หนักหนาเพียงใด หลังประสบความสำเร็จจากการขายธุรกิจสองแห่งและเริ่มลงทุนผ่านสำนักงานบริหารทรัพย์สินของครอบครัว ทั้งคู่ก็ทำในสิ่งที่นักสร้างมักทำ นั่นคือพัฒนาซอฟต์แวร์ขึ้นมาเพื่อแก้ปัญหาให้ตัวเอง

Model ML พัฒนาต่อยอดมาจากซอฟต์แวร์ดังกล่าว โดยเอเจนต์ของบริษัทช่วยให้ผู้เชี่ยวชาญด้านการเงินดำเนินเวิร์กโฟลว์ได้ตั้งแต่รับคำขอเบื้องต้น การค้นคว้าและวิเคราะห์ ไปจนถึงการจัดทำชุดสไลด์หรือเวิร์กบุ๊กฉบับสมบูรณ์ หัวใจสำคัญของระบบคือเอเจนต์หลักที่วางแผนงาน เลือกเครื่องมือที่เหมาะสม ตรวจสอบหลักฐานจากแหล่งต่างๆ ให้สอดคล้องกัน และคำนวณข้อมูล ก่อนส่งแต่ละขั้นตอนไปยังโมเดลที่เหมาะกับงานนั้นมากที่สุด ซึ่งส่วนใหญ่มักเป็น GPT‑5.6 Sol เครื่องมือที่ใช้ยังรวมถึงเครื่องมือสร้างเอกสารของ Model ML เอง ซึ่งสร้างไฟล์ PowerPoint และ Excel ในรูปแบบเนทีฟ พร้อมเชื่อมโยงข้อมูลกับแหล่งที่มาที่ตรวจสอบย้อนกลับได้

Model ML ช่วยทีมการเงินด้วยการทำให้เวิร์กโฟลว์ด้านการเงินเป็นระบบอัตโนมัติตั้งแต่ต้นจนจบ เมื่อได้รับสรุปงานและเอกสารต้นทาง เอเจนต์จะดำเนินงานต่อได้ตั้งแต่การค้นคว้าและสร้างแบบจำลอง ไปจนถึงการจัดทำเอกสารฉบับสมบูรณ์สำหรับลูกค้าหรือทีมที่ดูแลธุรกรรม ก่อนเผยแพร่ผลงาน ผู้เชี่ยวชาญด้านการเงินจะตรวจสอบสมมติฐาน แหล่งข้อมูล และสารที่ต้องการสื่ออีกครั้ง

Model ML อธิบายว่าผลิตภัณฑ์นี้ “ใช้งานได้อย่างต่อเนื่องในทุกช่องทาง” ผู้เชี่ยวชาญด้านการเงินสามารถเริ่มทำงานในอีเมลหรือแอป Model ML ก่อนย้ายไปทำต่อในปลั๊กอิน Microsoft Office ได้โดยไม่ต้องป้อนคำอธิบายเดิมอีกครั้ง

ความต่อเนื่องนี้ครอบคลุมไปถึงผลงานที่เสร็จสมบูรณ์ด้วย สำหรับชุดสไลด์ที่จะนำเสนอต่อคณะกรรมการการลงทุน Model ML สามารถนำสรุปงานและเอกสารต้นทางมาจัดทำเป็นไฟล์ PowerPoint ที่แก้ไขได้ ส่วนงาน Excel เอเจนต์สามารถเริ่มจากเทมเพลตของลูกค้าหรือเวิร์กบุ๊กเปล่า รวบรวมข้อมูลที่จำเป็น สร้างสูตรและตรรกะเชื่อมโยงกันในหลายแท็บ จากนั้นจัดรูปแบบตามมาตรฐานงานการเงิน เพื่อสร้างสเปรดชีตหรือแบบจำลองทางการเงินที่สมบูรณ์

ในการประเมิน Composite ซึ่งเป็นเกณฑ์มาตรฐานของบริษัทสำหรับ AI ในบริการทางการเงิน GPT‑5.6 Sol ใช้โทเค็นต่อเวิร์กบุ๊กน้อยกว่า Opus 5 ถึง 36% ในเวิร์กโฟลว์ Excel

เมื่อเอเจนต์รับช่วงทำงานจนถึงขั้นตอนสุดท้าย ก็ช่วยประหยัดเวลาในการจัดทำผลงานแต่ละชิ้นและช่วยให้ทีมประมวลผลข้อมูลต้นทางจำนวนมากได้ด้วย ที่บริษัทบริหารสินทรัพย์ระดับโลกแห่งหนึ่ง เอกสารสรุปข้อมูลเฉพาะที่เดิมนักวิเคราะห์ต้องใช้เวลาจัดทำประมาณหนึ่งชั่วโมง ตอนนี้ใช้เวลาเพียงประมาณห้านาที ส่วนอีกเวิร์กโฟลว์หนึ่ง เอเจนต์ของ Model ML สามารถประมวลผลห้องข้อมูลเสมือนที่มีข้อมูลมากกว่า 100,000 แถวและไฟล์หลายร้อยไฟล์ได้ในครั้งเดียว

Model ML นำ GPT‑5.6 Sol มาเปรียบเทียบกับโมเดลชั้นนำอื่นๆ ผ่านเวิร์กโฟลว์ด้านการเงินหลายรูปแบบ การประเมินแบบ Composite จะติดตามงานตั้งแต่สรุปโจทย์ด้านการเงินขั้นต้น ผ่านการค้นคว้าและคำนวณ จนได้ชุดสไลด์หรือสเปรดชีตที่สามารถแก้ไขได้ ก่อนตรวจสอบความถูกต้องของตัวเลข แหล่งข้อมูล สูตร และโครงสร้าง ตลอดจนคุณภาพด้านภาพของงานนำเสนอ

สำหรับ PowerPoint การประเมิน Composite ของ Model ML ใช้เวิร์กโฟลว์จริง ครอบคลุมชุดสไลด์ที่สร้างขึ้นหลายร้อยชุด และมีเกณฑ์ให้คะแนนโดยละเอียด

จากกรณีทดสอบทั้งหมด GPT‑5.6 Sol ทำเวิร์กโฟลว์ PowerPoint สำเร็จ 100% เทียบกับ Opus 5 ที่ทำได้ 76% และมีผลงานผ่านเกณฑ์ความพร้อมในระดับมืออาชีพของ Model ML 43.3% เทียบกับ 26.7% เกณฑ์ดังกล่าวประเมินว่าผลงานพร้อมสำหรับการตรวจทานในสาระสำคัญหรือไม่ นอกจากนี้ GPT‑5.6 Sol ยังทำคะแนนเหนือกว่า Opus 5 ในด้านคุณภาพของชุดสไลด์ การทำตามโจทย์ ลำดับชั้นของเนื้อหา และความสอดคล้องกัน

เมื่อนำผลการประเมินแบบ Composite ข้างต้นมาพิจารณาร่วมกัน Model ML ก็มีหลักฐานเพียงพอที่จะขยายการใช้งาน GPT‑5.6 Sol ในระบบจริง รวมถึงในเวิร์กโฟลว์บางส่วนที่ก่อนหน้านี้ใช้ Opus 4.8 สำหรับเวิร์กโฟลว์ PowerPoint นั้น GPT‑5.6 Sol มีทั้งคุณภาพของชุดสไลด์ที่ทัดเทียมกับโมเดลอื่น และอัตราการสร้างชุดสไลด์ที่เสร็จสมบูรณ์และพร้อมให้ตรวจทานสูงกว่า Opus 5 และ Fable 5 ขณะเดียวกันก็ใช้โทเค็นน้อยกว่า Fable 5 ประมาณ 21%

“พร้อมสำหรับการใช้งานจริง หมายความว่าผู้ใช้สามารถนำผลงานไปตรวจทานอย่างจริงจังได้ทันที” Englander กล่าว “ตัวเลขทุกตัวตรวจสอบย้อนกลับไปยังแหล่งที่มาได้ เวิร์กบุ๊กคำนวณใหม่ได้ และสไลด์ก็แก้ไขได้”

PowerPoint เป็นบททดสอบที่ท้าทายสำหรับ Model ML ในการประเมินว่า GPT‑5.6 Sol พร้อมสำหรับการทำงานจริงหรือไม่ เพราะแม้ชุดสไลด์จะดูเรียบร้อยสวยงาม แต่ก็อาจไม่ผ่านการตรวจทานหากตัวเลขไม่ถูกต้องหรือตรวจสอบย้อนกลับไม่ได้ แผนภูมิถูกแปลงเป็นภาพที่แก้ไขไม่ได้ หรือต้องสร้างสไลด์ขึ้นใหม่ก่อนจะแชร์ได้

Model ML ใช้โมเดลภายในระบบเอเจนต์ของตนเอง ควบคู่กับเครื่องมือสร้างและแก้ไขเอกสาร ซึ่งช่วยให้เอเจนต์สร้างสไลด์ที่มีกราฟและตารางแบบแก้ไขได้ ระหว่างทำงาน เอเจนต์จะเก็บโจทย์ต้นฉบับไว้ในบริบท และตรวจสอบสไลด์ทุกหน้าด้วยภาพก่อนส่งไฟล์กลับให้ผู้ใช้

ตัวอย่างต่อไปนี้แสดงให้เห็นถึงพัฒนาการของผลงาน PowerPoint จาก Model ML หลังเปลี่ยนจาก GPT‑5.5 มาใช้ GPT‑5.6 Sol ทั้งในด้านการจัดลำดับชั้นของเนื้อหาที่ชัดเจนยิ่งขึ้นและการออกแบบสไลด์ที่สม่ำเสมอมากขึ้น

ปัจจุบันระบบเอเจนต์ของ Model ML มีชุดเครื่องมือที่เอเจนต์สามารถโหลดเพื่อเข้าถึงการเชื่อมต่อข้อมูล เครื่องมือและทักษะสำหรับแก้ไขเอกสาร รวมถึงสภาพแวดล้อมสำหรับรันโค้ด วิธีนี้ช่วยให้เอเจนต์จดจ่อกับงานและมีเครื่องมือที่จำเป็นอย่างเหมาะสมสำหรับทำงานกับเอกสารของผู้ใช้

Model ML พัฒนาระบบในรูปแบบนี้ผ่านเวิร์กช็อปที่จัดร่วมกับ OpenAI ที่สำนักงาน ทีมงานได้ติดตามว่าเอเจนต์วางแผนการนำเสนอ เลือกใช้เครื่องมือ และรักษาบริบทอย่างไร ก่อนนำสิ่งที่ค้นพบมาปรับปรุงคำสั่งของเอเจนต์และกำหนดว่าควรโหลดชุดเครื่องมือแต่ละชุดเมื่อใด

ลูกค้าของ Model ML กำลังหันไปใช้ผลงานในรูปแบบที่ทำงานผ่านเบราว์เซอร์ ซึ่งยังคงเชื่อมโยงกับโมเดลและแหล่งข้อมูลต้นทางที่ใช้สร้างผลงานนั้น

แพลตฟอร์มของ Model ML สามารถสร้างผลงานเชิงโต้ตอบที่ปลอดภัย ซึ่งอัปเดตได้อย่างต่อเนื่องหรือล็อกข้อมูลไว้ตามช่วงเวลาใดเวลาหนึ่ง ผู้ตรวจทานสามารถเปิดดูบทสรุปการลงทุน คลิกเข้าไปดูโมเดลทางการเงินที่รองรับตัวเลขนั้น และทำงานร่วมกับเอเจนต์ได้จากหน้าเดียวกัน

Englander กล่าวว่า “PowerPoint, Excel และ Word ถูกสร้างขึ้นในยุคที่การทำงานซึ่งอาศัยความรู้ยังต้องทำด้วยตนเอง แต่ AI ได้เปลี่ยนสมมติฐานนั้นไปแล้ว และซอฟต์แวร์เหล่านี้ก็กำลังจะเปลี่ยนแปลงครั้งใหญ่”