В финансовой отрасли создание качественного аналитического отчета или финансовой модели требует не только проведения расчетов, но и скрупулезной доработки финальных документов. До того как результаты исследований окажутся на столе у руководства или инвесторов, специалисты вынуждены проходить сложную «последнюю милю»: сверять источники, форматировать файлы, перепроверять каждую цифру и связывать каждое утверждение с исходными данными. Итоговая презентация в PowerPoint или модель в Excel должны оставаться полностью редактируемыми и готовыми к жесткой критике.

Основатели стартапа Model ML — братья Арни и Чаз Англендер (Arnie and Chaz Englander) — столкнулись с этой проблемой лично. Продав два успешных бизнеса, они занялись инвестициями через семейный офис и начали разрабатывать программное обеспечение для автоматизации собственных задач. Из этих внутренних инструментов выросла полноценная платформа: ИИ-агенты Model ML помогают финансистам сопровождать проекты от первичного запроса через этапы исследований и расчетов до получения готовых презентаций и книг Excel.

В центре системы находится ключевой управляющий агент, который планирует последовательность действий, выбирает подходящие инструменты, сводит доказательную базу и выполняет вычисления. Каждую подзадачу он перенаправляет той нейросетевой модели, которая справляется с ней наилучшим образом. Во многих ключевых сценариях такой моделью выступает GPT-5.6 Sol. В сочетании с собственным инструментарием Model ML платформа генерирует нативные файлы PowerPoint и Excel, сохраняя полную прослеживаемость первоисточников.

Как отмечают разработчики, предыдущие поколения языковых моделей требовали от пользователя детального пошагового инструктирования с четким описанием того, как именно должен выглядеть финальный результат. С внедрением GPT-5.6 Sol агенты начали самостоятельно выстраивать логику и выдавать результат, максимально близкий к готовому продукту, требующему минимальной правки.

Полноценная автоматизация рабочих процессов и принципы сквозной интеграции

Платформа Model ML обеспечивает сквозную автоматизацию аналитических цепочек. На основе краткого задания (брифа) и массива исходных документов ИИ-агент самостоятельно проводит исследование, строит финансовую модель и формирует итоговые материалы для клиентов или инвестиционных команд. Эксперту остается лишь проверить ключевые гипотезы, корректность ссылок и общую формулировку выводов перед отправкой работы адресату.

Разработчики называют свой продукт «независимым от поверхности» (surface-agnostic). Это означает, что аналитик может поставить задачу через электронную почту или веб-приложение Model ML, а затем продолжить работу над ней внутри надстроек для программ Microsoft Office без необходимости заново объяснять контекст.

Контекст и преемственность полностью сохраняются и в финальных файлах. Если требуется подготовить презентацию для инвестиционного комитета, агент преобразует бриф и справочные материалы в редактируемый файл PowerPoint. При работе с таблицами Excel агент способен взять за основу клиентский шаблон или пустую книгу, собрать необходимые данные, выстроить формулы и взаимосвязи между множеством вкладок, а затем применить специализированное финансовое форматирование.

Эффективность и экономное расходование токенов в Excel

Эффективность GPT-5.6 Sol отчетливо проявляется при обработке сложных электронных таблиц. В рамках внутреннего бенчмарка Composite, разработанного Model ML для оценки искусственного интеллекта в финансовых сценариях, GPT-5.6 Sol продемонстрировала расход токенов на 36% ниже по сравнению с моделью Opus 5 при построении аналогичных книг Excel.

Такой подход меняет роль человека в процессе: аналитик перестает тратить часы на ручную сборку и перепроверку формул, фокусируя внимание на принятии решений, уточнении базовых предпосылок и оттачивании ключевых тезисов.

Практические результаты: от тиршитов до анализа виртуальных дата-румов

Внедрение агентов, способных пройти «последнюю милю» финансовой подготовки, существенно сокращает временные затраты на создание отдельных документов и позволяет командам обрабатывать колоссальные объемы информации.

• Скорость подготовки тиршитов: В одной из крупных международных компаний по управлению активами время создания индивидуального информационного бюллетеня (tearsheet) сократилось с одного часа до пяти минут.
• Масштабная обработка данных: В рамках другого сценария агенты Model ML смогли за один проход проанализировать виртуальные комнаты данных (VDR), содержащие более 100 000 строк и сотни отдельных файлов.

Результаты бенчмарка Composite: сравнение GPT-5.6 Sol с конкурентами

Для объективной оценки возможностей GPT-5.6 Sol компания Model ML провела серию масштабных тестирований на базе собственного бенчмарка Composite, сопоставив новую модель с другими ведущими решениями на рынке. Тестовые сценарии моделируют реальный путь задачи: от исходного брифа до исследовательских расчетов, генерации редактируемой презентации или таблицы и последующей проверки точности цифр, формул, структуры и визуального оформления.

Особое внимание было уделено генерации презентаций в PowerPoint, где оценка проводилась на сотнях автоматически созданных слайд-деков с использованием детальной критериальной рубрики:

• Завершаемость задач: GPT-5.6 Sol успешно довела до конца 100% тестовых сценариев по созданию презентаций PowerPoint. Для сравнения, показатель Opus 5 составил лишь 76%.
• Профессиональная готовность (Professional Readiness): В 43,3% случаев сгенерированные GPT-5.6 Sol материалы успешно прошли порог готовности к содержательному рецензированию (когда документ можно сразу передавать эксперту на проверку без базовой переработки). У модели Opus 5 этот показатель достиг только 26,7%, что дает GPT-5.6 Sol преимущество в 16,6 процентного пункта.
• Качество и соблюдение требований: GPT-5.6 Sol опередила Opus 5 по качеству верстки, точности следования брифу, иерархии подачи информации и визуальной целостности.

Убедительные результаты бенчмарка Composite стали причиной для расширения использования GPT-5.6 Sol в рабочей среде Model ML, в том числе для замены модели Opus 4.8 в ряде ранее настроенных процессов.

В задачах создания PowerPoint модель GPT-5.6 Sol продемонстрировала не только высокое качество оформления и лучший процент документов, готовых к проверке, чем у Opus 5 и Fable 5, но и показала высокую экономичность: затраты токенов на один дек оказались на 21% ниже, чем при использовании Fable 5.

Техническая архитектура, гибридные инструменты и сотрудничество с OpenAI

Готовность документа к реальной работе означает, что проверяющий специалист может сразу перейти к анализу сути, не отвлекаясь на технические ошибки. В правильно сформированном файле все показатели легко прослеживаются до первоисточников, формулы в таблицах корректно пересчитываются при изменении вводных, а диаграммы на слайдах остаются динамическими и редактируемыми, а не превращаются в «плоские» изображения.

Тестирование генерации презентаций стало строгим испытанием для GPT-5.6 Sol. Презентация может выглядеть внешне аккуратной, но оказаться бесполезной, если расчеты содержат ошибки, источники не подтверждены, а графики нельзя отредактировать. Чтобы решить эту проблему, Model ML интегрировала модель в специализированный агентский каркас (harness), снабженный инструментами создания и редактирования документов. В процессе работы система удерживает контекст первоначального брифа и выполняет визуальную проверку каждого слайда перед выдачей финального файла.

По сравнению с версией GPT-5.5, модель GPT-5.6 Sol демонстрирует заметный прогресс: визуальная иерархия стала более четкой, а дизайн слайдов — однородным и профессиональным.

Сегодня архитектура Model ML предоставляет агенту набор динамически подключаемых наборов инструментов (toolkits). Они включают интеграции с источниками данных, модули редактирования документов и среды для исполнения кода. Агент получает ровно тот инструментарий, который необходим для выполнения конкретной операции с пользовательскими документами, что предотвращает перегрузку контекста.

Эта схема была отработана в ходе совместных рабочих сессий с инженерами OpenAI. Специалисты детально проанализировали, как агент планирует структуру презентаций, выбирает инструменты и удерживает контекст, что позволило точечно скорректировать системные инструкции и настроить условия загрузки тех или иных наборов инструментов.

Будущее финансовых документов: переход к интерактивным веб-форматам

Клиенты Model ML постепенно переходят от статических файлов к интерактивным результатам, работающим в браузере и сохраняющим постоянную связь с нейросетевыми моделями и исходными данными. Платформа способна генерировать защищенные веб-документы, которые могут обновляться в режиме реального времени или фиксироваться на определенный момент времени.

В таком формате рецензент, изучая инвестиционную записку, может кликнуть на любую цифру, мгновенно перейти к лежащей в ее основе финансовой модели и продолжить диалог с ИИ-агентом прямо на той же странице.

Традиционные офисные программы — PowerPoint, Excel и Word — создавались для эпохи, когда интеллектуальная работа выполнялась исключительно вручную. Появление искусственного интеллекта кардинально изменило эту базовую предпосылку, и само программное обеспечение для бизнеса стоит на пороге масштабной трансформации.

Источник: openai.com