Model ML 및 GPT-5.6 Sol을 활용한 금융 워크플로우 자동화

GPT-5.6 Sol이 금융 분석의 ""라스트 마일"을 자동화합니다

Model ML은 금융 분석의 최종 단계를 자동화하기 위해 GPT-5.6 Sol을 통합하였으며, 이를 통해 초기 브리프와 소스 자료로부터 검토 준비가 완료된 편집 가능한 PowerPoint 데크와 Excel 워크북을 생성할 수 있습니다. 이 통합은 증거를 대조하고, 파일을 서식화하며, 주장을 소스와 연결하는 금융 업무의 "라스트 마일" 문제를 해결하여, 맞춤형 티어시트(tearsheets)와 같은 특정 결과물의 생성 시간을 약 1시간에서 5분으로 단축합니다.

엔드 투 엔드 금융 워크플로우 기능

Model ML은 "표면 불가지론적(surface-agnostic)" 접근 방식을 채택하여, 금융 전문가가 이메일이나 Model ML 앱을 통해 업무를 시작하고 Microsoft Office 플러그인을 통해 업무를 이어갈 수 있도록 합니다. 이 시스템은 업무를 계획하고, 도구를 선택하며, 작업을 가장 적합한 모델(주로 GPT-5.6 Sol)로 전달하는 핵심 에이전트를 활용합니다.

주요 기능은 다음과 같습니다:

Native PowerPoint Creation: 에이전트는 브리프와 소스 자료를 추적 가능한 소스가 포함된 편집 가능한 PowerPoint 프레젠테이션으로 변환합니다.
Native Excel Creation: 에이전트는 클라이언트 템플릿이나 빈 워크북을 사용하여 데이터를 수집하고, 여러 탭에 걸쳐 수식과 로직을 구축하며, 금융 특화 서식을 적용할 수 있습니다.
Large-Scale Data Processing: Model ML 에이전트는 수백 개의 파일과 100,000행 이상의 데이터를 포함하는 가상 데이터 룸을 단 한 번의 실행으로 처리했습니다.

성능 벤치마크: GPT-5.6 Sol 대 경쟁사

Model ML은 자체 "Composite" 평가 벤치마크를 사용하여 PowerPoint 및 Excel 워크플로우 전반에 걸쳐 GPT-5.6 Sol을 Opus 5, Fable 5, GPT-5.5를 포함한 다른 모델들과 비교 테스트했습니다.

PowerPoint 워크플로우 성능

GPT-5.6 Sol은 우수한 결과물 도출 및 완료율을 보여주었습니다:

Completion Rate: GPT-5.6 Sol은 테스트 케이스의 100%를 완료하였으며, 이는 Opus 5의 76%와 대조됩니다.
Professional-Readiness Rate: GPT-5.6 Sol 출력물의 43.3%가 전문가용 준비 단계(professional-readiness gate)를 통과하였으며, 이는 Opus 5(26.7%) 및 Fable 5(32.0%)보다 크게 증가한 수치입니다.
Quality Metrics: GPT-5.6 Sol은 데크 품질, 브리프 준수, 계층 구조 및 일관성 측면에서 Opus 5를 앞섰습니다.
Efficiency: GPT-5.6 Sol은 PowerPoint 워크플로우에서 Fable 5보다 약 21% 적은 토큰을 사용했습니다.

Excel 워크플로우 성능

Excel 워크플로우에서 GPT-5.6 Sol은 현저한 효율성 향상을 보여주었습니다:

Token Efficiency: GPT-5.6 Sol은 Opus 5보다 워크북당 약 36% 적은 토큰을 사용했습니다 (2.44M 대 3.83M 토큰).
Accuracy: 83.3%의 헤드라인 정확도를 달성하여 GPT-5.5와 대등하고 Opus 5(82.8%)를 약간 상회했습니다.
Speed: 이 모델은 워크북당 평균 7.0분을 기록하여 Opus 5(7.5분)보다 약간 더 빨랐습니다.

기술적 구현 및 에이전트 하네스

Model ML은 에이전트가 프레젠테이션을 계획하고, 도구를 선택하며, 컨텍스트를 유지하는 방식을 정밀화하기 위해 OpenAI와의 현장 세션을 통해 에이전트 하네스(agent harness)를 개발했습니다. 이 하네스는 에이전트에게 데이터 통합, 문서 편집 및 코드 실행 환경을 위한 특정 킷(toolkit)을 제공하여 에이전트가 필요한 작업에 집중할 수 있도록 보장합니다.

출력물이 "실제 업무에 즉시 사용 가능한" 상태가 되도록 하기 위해, 에이전트는 원래의 브리프를 컨텍스트로 유지하며 최종 편집 가능한 파일을 반환하기 전에 모든 슬라이드에 대해 시각적 검토를 수행합니다.

금융 지식 노동의 미래

Model ML은 기본 모델 및 소스 자료와 연결된 상태를 유지하는 브라우저 기반의 대화형 출력물로 전환하고 있습니다. 이를 통해 검토자는 투자 요약본에서 지원하는 금융 모델로 직접 클릭하여 이동할 수 있으며, 이는 PowerPoint와 Excel과 같은 전통적인 소프트웨어의 수동적인 특성을 벗어나는 방식입니다.