Kutatás

Mesterséges intelligenciával generált szöveg

A Hebbia tesztjeiben javította a pénzügyi kutatás eredményeit a GPT-6 Astra

A Hebbia pénzügyi kutatási és prezentációkészítési feladatokon tesztelte az OpenAI GPT-6 Astra modelljét.

A Hebbia tesztjeiben javította a pénzügyi kutatás eredményeit a GPT-6 Astra

A Hebbia tesztjei szerint az OpenAI GPT-6 Astra modellje javította a pénzügyi kutatás két fontos részfeladatának eredményeit: a válaszokhoz szükséges források kiválasztását és a megbízás előírásait követő prezentációk készítését.

A Hebbia Matrix nevű terméke a pénzügyi kutatás anyagait fogja össze, és összekapcsolja a válaszokat az alapul szolgáló dokumentumokkal. Ez például akkor lehet hasznos, amikor egy bankárnak pénzügyi beszámolókat, ügyfélszerződéseket és vezetői prezentációkat kell értékelnie egy felvásárlási javaslat előtt.

A Hebbia egy hipotetikus példájában egy bankár egy ipari szoftverekkel foglalkozó vállalat stratégiai felvásárlását vizsgálja, mintegy 2000 fájl alapján. A Matrixba betöltött adatszobában a bankár forrásokkal alátámasztott cellákban vizsgálhatja az ügyfélkoncentrációt, a szerződési feltételeket és az ügyfélvesztést. A rendszer más vállalatok közzétételeit és iparági híreket is bevonhat az ügylet értékeléséhez, majd az elemzésből átvilágítási összefoglalót és a cég sablonját követő értékelési prezentációt készíthet.

Ebben a munkafolyamatban a GPT-6 Astra dokumentumokat vagy Matrix-cellákat választ ki a válasz alátámasztására, majd az elemzésből a felhasználó szerkezetét és iránymutatásait követő PowerPoint-diákat készít. A Hebbia munkatársaként megszólaló Kavita szerint a nyomon követhetőség azért fontos, mert a felhasználók akár több millió dolláros döntéseket is alapozhatnak a mesterséges intelligencia válaszaira.

Források és prezentációk tesztje

A Hebbia 2026 augusztusában és szeptemberében tesztelte a modell egy megjelenés előtti változatát. Az összehasonlításban minden modell ugyanazokat a pénzügyi kutatási feladatokat és értékelési szempontokat kapta; a kritériumokat szakterületi szakértők írták vagy ellenőrizték a forrásdokumentumok alapján.

A vállalat szerint a GPT-6 Astra 13,6 százalékponttal előzte meg a legjobb tesztelt alternatívát abban, hogy hivatkozott-e a szükséges forrástípusokra. Az általa idézett részletek 99,5%-a releváns volt a feltett kérdés szempontjából. Kavita szerint több ezer dokumentum esetén már egyetlen százalékpontos javulásnak is jelentős hozzáadott értéke lehet.

A prezentációknál a modell az alkalmazható követelmények 97,9%-át teljesítette, ami 14,4 százalékpontos előnyt jelentett a legjobb tesztelt alternatívához képest ezen a mérőszámon. A Hebbia szerint a GPT-6 Astra a megbízás követésében és a prezentáció minőségében is első lett, míg más modelleknél a kidolgozottság és az utasítások betartása között kompromisszum mutatkozott. Kavita szerint a bankárok olyan diákat szeretnének, amelyek a cég arculatát követik és ember által készített munkának hatnak.

Ellenőrizhető elemzés

A Hebbiában a felhasználók megnyithatják a hivatkozásokat, és megnézhetik az eredeti dokumentumot a kiemelt szövegrészlettel; a diák lábjegyzetei szintén visszavezetnek a forrásanyaghoz. Így például egy ügyfélkoncentrációs adat összevethető az eredeti táblázattal, és a jelentési időszak szükség esetén javítható, mielőtt a prezentáció a befektetési bizottság elé kerül.

A Hebbia célja, hogy a bankárok kevesebb időt töltsenek a prezentációk újraformázásával és a források ellenőrzésével, és többet az ügyletek értékelésével. Kavita egy olyan jövőbeli szerepet is felvázolt az ügynökök számára, amelyben azok a háttérben figyelik az információkat, és jelzéseket adnak a pénzügyi szakembereknek. Szerinte a korábban észlelt jelzések több lehetőség mérlegelését tehetik lehetővé, miközben a döntésekhez használt kutatás visszavezethető marad a forrásokra.