Model ML помогает финансовым компаниям создавать инфраструктуру с использованием ИИ с нуля23.07.2025 00:00

Наша серия материалов «Исполнительная функция» знакомит с мнениями лидеров, находящихся на передовой внедрения искусственного интеллекта.

Model ML создает инфраструктуру ИИ, которая преобразует принципы работы ведущих компаний в сфере финансовых услуг. Платформа Model ML включает в себя специализированных агентов и приложение, автоматизирующее сквозные рабочие процессы, а также индивидуальные исследования и анализ. 

Мы поговорили с генеральным директором и соучредителем Чазом Энглендером о том, как развиваются финансовые компании и как недавние достижения в области ИИ автоматизируют и оптимизируют их деятельность.

После продажи нашей предыдущей компании мы с братом поняли, что нам не нравится заниматься инвестициями, но мы загорелисьдеией автоматизации инвестиционного процесса с помощью вызова функций на базе GPT.

Мы были семейным офисом из шести человек, но благодаря этим большим языковым моделям на базе GPT-3.5 казалось, что у нас есть ресурсы команды из 60 человек.

Мы создали прототип Model ML для себя и не планировали коммерциализировать его. Но как только мы увидели рост аналитических возможностей и повышение эффективности за счет автоматизации исследовательских рабочих процессов, мы поняли, что напали на золотую жилу.

Раньше на выполнение некоторых задач уходили дни, недели или даже месяцы, а теперь некоторые из них можно решить за считанные минуты или часы. Например, подготовка квартальных отчетов о прибыли раньше занимала несколько часов. Теперь этот процесс полностью контролируют агенты: они вытягивают данные, форматируют слайды и публикуют презентацию Powerpoint в SharePoint — и все это без вмешательства человека. Я думаю, это станет главным изменением текущего года… когда вы приходите утром на работу, а она уже сделана за вас.

Это заставляет переосмыслить то, в чем люди добавляют ценность, и то, как компаниям придется заново распределять роли команд, чтобы они приносили пользу как сегодня, так и в будущем.

Мы видим, что компании переводят сотрудников на более ценные роли, требующие экспертной оценки. Руководители компаний, с которыми мы работаем, по крайней мере на наш взгляд, — это те, кто перестраивает архитектуру всей организации в духе AI-native. Это невероятно сложно, поэтому мы часто выступаем в роли консультантов на ранних этапах, помогая им определить, где ИИ наиболее применим сегодня, а также закладывая основу на будущее — туда, где, по нашему мнению, он принесет наибольшую пользу через 12 месяцев. 

Мы замечаем, что сотрудники финансовых компаний стали играть более важную роль, а не менее. Поскольку рутинную работу берет на себя автоматизация, люди могут сосредоточиться на отношениях и стратегическом мышлении. Выиграют те компании, которые перестроят всю свою операционную структуру, чтобы извлечь выгоду из этого сдвига.

В финансах точность, соблюдение нормативных требований и соответствие рабочим процессам — это не опции, а базовые требования. Именно в этой конкретике универсальные инструменты терпят неудачу. Платформа Model ML изначально создавалась специально для сферы финансовых услуг на двух критически важных уровнях.

Во-первых, на уровне агентов мы создали и доработали системы специально для анализа и взаимодействия с теми типами данных, которые финансовые специалисты используют ежедневно — как структурированными, так и неструктурированными, в таких инструментах, как Sharepoint, и стандартных наборах данных вроде Capital IQ, FactSet и Crunchbase, объем которых может составлять сотни таблиц и 20 терабайт. Год назад создать агента поверх таких наборов данных было практически невозможно. Это не просто модели, отвечающие на вопросы; они обладают контекстуальным восприятием, понимают схемы, пишут код и извлекают информацию из терабайтов сложных данных. 

Во-вторых, существует уровень приложения: интерфейс, через который пользователи взаимодействуют с агентами и который специально разработан для финансов. Он предоставляет компаниям инструменты для создания агентов, автоматизирующих сквозные рабочие процессы и обеспечивающих анализ, который раньше был недоступен. Что касается сценариев использования, мы ежедневно фиксируем десятки новых кейсов, а общее их число исчисляется тысячах, причем многие из них клиенты получают «из коробки» сразу после регистрации.

Мы наблюдали значительные качественные скачки с каждым новым релизом моделей, которые мы сразу же превращали в преимущества для наших клиентов. Прогресс в таких областях, как логическое мышление и навыки написания кода, поднял отдельные аспекты нашего продукта на космический уровень. Совсем недавно с выходом моделей OpenAI o3-pro, o3, o4-mini и GPT-4.1 мы получили драматические улучшения в рассуждениях, мультимодальных возможностях, следовании инструкциям и интеграции инструментов. Благодаря более крупным контекстным окнам и более продвинутым возможностям рассуждения мы теперь можем реализовывать сквозные рабочие процессы. Теперь пользователи могут объединять в цепочки задачи по сбору данных, анализу и созданию презентаций, получая полностью отформатированные результаты в полностью автономном режиме. 

Я думаю, самым глубоким изменением станет рост автоматизации сквозных рабочих процессов, когда ваши системы будут действовать как диспетчерские пункты, управляющие целой армией цифровых работников. Поскольку эти агенты берут на себя более сложные многоэтапные задачи во всей вашей цифровой вселенной, даже пользовательский интерфейс и способы взаимодействия с аппаратным обеспечением начнут меняться. Вероятно, это произойдет чуть позже, чем через 12 месяцев, но именно к этому мы движемся.

Дальше нас ждет появление по-настоящему автономных агентов, которых вы можете создавать в нашем продукте. Наши агенты способны выполнять сложные рабочие процессы по сбору, анализу и представлению данных из вашей CRM, электронной почты, файлов, внешних поставщиков данных, стенограмм встреч и многого другого. Эти агенты не будут просто ждать инструкций; они станут предвосхищать то, что необходимо сделать — будь то циклические задачи (ежедневные, еженедельные, ежемесячные, квартальные, ежегодные) или задачи, запускаемые реальными событиями, — точно так же, как вы бы поручили задачу члену команды после совещания или в ответ на письмо.

Главное изменение заключается в том, что эти рабочие процессы будут выполняться от начала и до конца, автоматически, с глубоким логическим обоснованием и оркестровкой во всех ваших системах. Результатом может стать такой масштабный труд, как 100-страничная презентация PowerPoint, созданная полностью машиной — быстрее, качественнее и доступная круглосуточно.

В этом будущее: автономные цифровые команды, управляющие процессами, которые движут вашим бизнесом — лучше, быстрее и в режиме 24/7.

Мы убеждены, что компании, созданные на базе ИИ, будут выглядеть иначе с точки зрения структуры. Меньше уровней, быстрее циклы, более тесные петли обратной связи. Мы приняли плоскую структуру управления. У Арни [моего соучредителя] и у меня у каждого по два десятка прямых подчиненных. Это может звучать безумно, но ИИ делает это вполне управляемым. Все индивидуальные встречи проходят с помощью ИИ. Заметки, списки дел, контекст — все оптимизировано. Это позволяет нам двигаться быстрее и оставаться погруженными в продукт. Мы считаем, что именно так будут работать современные компании: больше похожие на диспетчерские пункты, чем на изолированные иерархии.

Часть обеспечения гибкости заключается в том, чтобы делать ставку на совершенствование экосистемы и базовых моделей. Главный ключ к успеху, и, возможно, это часть менталитета основателя и инженерных организаций, — не привязываться эмоционально к своему коду. Раньше мы все строили сами: абстракции агентов, коннекторы сервисов, все подряд. Теперь, если OpenAI или сообщество разработчиков с открытым исходным кодом выпускают что-то лучшее — например, Agent SDK от OpenAI или коннекторы MCP — мы просто интегрируем это и удаляем собственный код. 

Мы перешли на использование Agent SDK и инструментов MCP от OpenAI для обработки циклов агентов, вызова инструментов, систем защиты и интеграций, и это позволило нам сократить объем технического обслуживания ради ускорения инноваций.

Мы не пытаемся победить за счет поддержки инфраструктуры; мы пытаемся победить за счет создания ценности через результаты для клиентов.

Model ML использует платформу API OpenAI, включая GPT-4.1, OpenAI o3 и Agents SDK, для обеспечения работы своих агентов, средств автоматизации и внутренних инструментов.

Автор