Новая эра автоматизации: как GPT-5.6 Sol трансформирует финансовую аналитику

Компания Model ML, основанная братьями Арни и Чазом Энгландерами, совершила качественный скачок в автоматизации сложных финансовых бизнес-процессов, внедрив модель GPT-5.6 Sol в свои интеллектуальные рабочие потоки. Опыт основателей, полученный после двух успешных выходов из бизнеса и последующей работы в частном семейном офисе, позволил им изнутри увидеть, сколько рутинных задач требует подготовка инвестиционных материалов. Они начали создавать собственное программное обеспечение для автоматизации этих процессов, которое со временем переросло в мощную платформу Model ML. Сегодня эта система радикально меняет подход к подготовке профессиональной финансовой отчетности, беря на себя весь цикл работы — от анализа входящего запроса и обработки первичных данных до моделирования и формирования готовых, профессионально оформленных презентаций и рабочих книг.

Использование GPT-5.6 Sol позволяет создавать полноценные, редактируемые файлы PowerPoint и Excel, что является критически важным для финансового сектора. Модель обеспечивает высокую точность, прозрачность данных и возможность отслеживания источников (traceable sources), что дает аналитикам уверенность в каждом числе. Ключевым преимуществом новой технологии стала ее исключительная эффективность: по данным Model ML, при создании презентаций модель расходует на 21% меньше токенов на один документ по сравнению с Fable 5. Это делает процесс не только значительно быстрее, но и экономически выгоднее, а также позволяет работать с более сложными структурами документов без потери качества.

Производительность и точность: результаты бенчмарков Composite

Для оценки эффективности ИИ в сфере финансовых услуг компания разработала внутренний эталонный бенчмарк — Composite. Он отслеживает работу агента на всем пути: от финансового брифа и сбора материалов до проведения вычислений и проверки итоговых формул, структуры и визуальной верстки. Тестирование подтвердило превосходство GPT-5.6 Sol над конкурентами по ряду ключевых показателей:

• PowerPoint: модель успешно завершила цикл подготовки презентаций в 100% тестовых случаев, в то время как результат Opus 5 составил лишь 76%. Показатель «профессиональной готовности» (способности материала к содержательной проверке без предварительной доработки) достиг 43,3% у GPT-5.6 Sol против 26,7% у Opus 5, что обеспечивает преимущество в 16,6 процентных пункта. Кроме того, GPT-5.6 Sol продемонстрировала лидерство в таких аспектах, как качество оформления, точность следования брифу, логика иерархии слайдов и общая визуальная согласованность.
• Excel: при работе с электронными таблицами модель оказалась крайне экономичной, используя на 36% меньше токенов на рабочую книгу по сравнению с Opus 5.
• Скорость: создание специализированных аналитических отчетов (tearsheets) теперь занимает около 5 минут вместо прежнего часа, что является колоссальным сокращением временных затрат.

В ходе стресс-тестов агенты Model ML успешно обрабатывали виртуальные комнаты данных, содержащие более 100 000 строк и сотни отдельных файлов за один проход, сохраняя при этом целостность логики и точность данных. Эти результаты дали компании веские основания для перевода на GPT-5.6 Sol рабочих процессов, которые ранее обслуживались даже моделями уровня Opus 4.8.

Преодоление «последней мили» финансовой аналитики

«Последняя миля» — это самый трудоемкий и ответственный этап анализа, включающий примирение доказательств, форматирование, тщательную проверку каждой цифры и связывание каждого утверждения с источником. До того как отчет будет представлен клиентам или старшему руководству, он должен быть идеально выверен. Агент Model ML действует как центральный координатор: он планирует работу, выбирает нужные инструменты, проводит вычисления и распределяет шаги между наиболее подходящими моделями. «Ранее другие модели могли выполнять работу аналитика, но пользователь должен был детально декомпозировать задачу и указывать, как именно должен выглядеть результат. С GPT-5.6 Sol агент гораздо лучше понимает контекст и самостоятельно приближается к финальному качеству выходных данных», — отмечает Арни Энгландер.

Система Model ML является «поверхностно-агностической»: финансовый эксперт может начать задачу в email или в приложении Model ML, а затем продолжить её в плагинах для Microsoft Office, не объясняя системе задачу заново. Эта непрерывность контекста сохраняется и при создании итоговых материалов. В Excel агент может использовать шаблоны клиентов, собирать данные, прописывать сложные формулы и применять финансовое форматирование для создания полной модели. Готовый результат — это не статичная картинка, а редактируемый документ, в котором числа можно отследить, а формулы пересчитать.

Инструментарий и трансформация офисной среды

Успех модели во многом обусловлен тесным сотрудничеством с OpenAI. Инженеры Model ML в ходе совместных сессий на площадке OpenAI детально изучали, как агент планирует презентации и выбирает инструменты, используя эти данные для доработки инструкций. Сегодня в распоряжении агента находятся специализированные тулкиты: интеграции с базами данных, инструменты редактирования и среда выполнения кода. Это гарантирует, что созданные в PowerPoint графики и таблицы остаются «живыми» и редактируемыми. Система постоянно просматривает каждый слайд визуально, прежде чем вернуть готовый файл пользователю.

Будущее финансового ПО, по мнению Энгландера, заключается в уходе от статичных файлов к динамическим, браузерным интерфейсам. Платформа Model ML уже позволяет генерировать интерактивные выходы, которые остаются подключенными к исходным данным и моделям. Рецензент может открыть инвестиционное резюме, кликнуть на цифру и увидеть финансовую модель, стоящую за ней, работая с агентом на одной странице. «Программы вроде Excel и PowerPoint создавались в эпоху, когда интеллектуальная работа была преимущественно ручной, — резюмирует Энгландер. — ИИ меняет это фундаментальное допущение. Сегодня мы даем пользователю возможность сфокусироваться на суждениях, уточнении предположений и формировании смыслов, оставляя рутинную сборку данных алгоритмам. Само программное обеспечение неизбежно трансформируется вместе с этим, делая процесс проверки и рефлексии главными задачами человека».

Источник: openai.com