o1 と o3-mini を使用した自律型金融アナリストの構築

Endex は、OpenAI の推論モデルを使用して複雑な金融データを取得、統合、推論する自律型 AI アナリストを開発しています。単なる検索結果を超えて、投資専門家向けに構造化された思考と深い分析を提供します。

金融ワークフローにおける精度と推論

Endex は、従来の検索拡張生成（RAG）を、データを振り返り、矛盾を特定し、指標を文脈化する OpenAI の推論モデルを使用するエージェントに置き換えています。このアプローチは、EBITDA 調整の一つを見逃すか、「支配権変更条項」を見逃すだけで投資見通しが大きく変わる可能性がある高リスクの金融意思決定に必要な精度を確保します。

自律型エージェントは、財務報告、市場データ、および企業固有の知識を処理して、以下のタスクを実行できます：

• 先行取引の概観: 過去の取引をまとめ、現在の機会をベンチマークします。
• 業績パフォーマンスのサマリー: 四半期および年度の結果を分析します。
• 投資委員会（IC）メモの作成: 投資意思決定のための核となるドキュメントを作成します。
• データルームのデューデリジェンス: リスクと機会のための機密文書をレビューします。

これらのエージェントは、メール、ドキュメント、Excel モデル、スライド デッキなどの形式で出力を提供し、アナリストが結論を元のソースに遡って追跡できるようにします。

マルチステップ金融推論

OpenAI o1 は、複雑な金融推論のプロセスを簡素化しました。以前は、Endex はチェーンされた補完と複数の検証ステップに依存していましたが、o1 の固有の推論機能により、精度を犠牲にすることなくより合理的なワークフローを実現できます。

レイテンシと効率

OpenAI o3-mini を活用することで、Endex はターンあたりのレイテンシを以前のレベルの3分の1に削減しました。この効率により、機密情報パッケージ（CIPs）の分析および金融モデルの調整の自動化に必要な詳細なマルチステップワークフローが可能になります。

AI を活用した相互チェック

エージェントは now 、財務データの不一致を特定できるようになりました。たとえば、脚注の修正をフラグ付けし、ターゲットを絞った引用で不整合を浮き彫りにすることで、人間のアナリストの手動検証の負担を軽減します。

マルチモーダル分析

Finance Agent Retrieval (FAR) ベンチマークを使用して表およびチャートデータのコンテキスト使用量を測定し、Endex は o1 の視覚機能を活用して、投資家向けプレゼンテーション、内部デッキ、8-K、および Excel モデルを処理します。

評価とモデル最適化

Endex と OpenAI は、応答レイテンシ、最初のトークン生成時間、推論の深さなどの指標を追跡する厳格な評価およびテストフレームワークを開発するために協力しました。

このフレームワークから得られた主な知見は次のとおりです：

• エキスパートの好み: ブラインドユーザーテストにおいて、金融の金融家は非推論モデルよりも OpenAI の o1 モデルが生成した回答を 70% の時間で好みました。
• 強化学習: Endex は、GPT-4o mini と o1 シリーズに対して強化ファインチューニングを適用し、エンティティ抽出とクエリ意図マッピングを改善しました。特に、先行取引分析などの研究集約型タスクに焦点を当てています。

「OpenAI とのコラボレーションにより、プロフェッショナルが期待する推論と出力スタイルに合わせてモデルの動作をカスタマイズするツールが解放されました」と、Endex の共同創設者である Pratham Soni は述べています。