Wie OpenAI ChatGPT für Banker und Analysten entwickelt hat — Joseph Kim, OpenAI

하이라이트

• ChatGPT für Finanzdienstleistungen ist eine maßgeschneiderte Version von ChatGPT Work, die speziell für Investmentbanking und Aktienanalyse entwickelt wurde.

• Die Nutzung von Codex außerhalb der Technik stieg nach der Veröffentlichung der Codex Desktop-App im Februar bei Finanzen, Recht und Recruiting von fast null auf etwa 90 % im Juni an.

• Durch eigenständiges Hosting und Indizieren von Finanzdaten nutzt OpenAI dieselbe Infrastruktur wie für den Webindex, um Latenzen und Suchfehler zu minimieren.

• Bis Anfang 2026 widerlegte ein internes OpenAI-Modell eine langjährige mathematische Vermutung an der ein Problem seit 1946 gearbeitet wurde.

• Das Schwellenwert-Phänomen beschreibt den Punkt, an dem ein Modell zuverlässig genug wird, um Zeit zu sparen, wodurch sich der Übergang plötzlich anfühlt.

• Proaktive und persistente Agenten werden als nächste Form der Entfesselung im Hintergrund weiterarbeiten, sobald ihnen eine Richtung vorgegeben wurde.

타임라인

1. 00:00:00 - 05:05:00

   Einführung in ChatGPT für Finanzdienstleistungen

   Die Modellintelligenz verbessert sich kontinuierlich in einem unglaublichen Tempo, während viele Mitarbeiter im Finanzwesen diesen Wandel in ihrer täglichen Arbeit noch nicht im selben Maße erleben. Joseph Kim erläutert, wie Entwickler diese Intelligenz in nutzbare Produkte für den Alltag überführen. Das neue Produkt baut auf drei Säulen auf: direkter Zugriff auf zuverlässige Finanzdaten, eine vertraute Benutzeroberfläche mit Quellenprüfung sowie die Anpassung an unternehmensspezifische Präsentations- und Tabellenformate.

   • ChatGPT für Finanzdienstleistungen wurde vor einem Monat gelauncht und zielt auf große Finanzinstitute ab.
   • Die Entwicklung erfolgte gemeinsam mit den Design-Partnern Morgan Stanley und Evercore.
   • Der Fokus liegt auf Finanzdaten, einer angepassten Benutzeroberfläche und unternehmensspezifischen Formatvorlagen.
2. 05:05:00 - 08:04:00

   Der Fähigkeitsüberhang und die Produktexperience

   Die Modellfähigkeiten haben sich rasant von Highschool-Mathematik zu Systemen auf dem Niveau von Millennium-Preisen entwickelt, doch der praktische Nutzen hinkt hinterher. Anhand der Nutzungsdaten von Codex zeigt sich, dass erst eine zugängliche Desktop-Anwendung die massenhafte Adaption außerhalb der reinen Softwareentwicklung auslöste. Zudem stellt das selbstständige Hosting und Indizieren von Finanzdaten sicher, dass Latenz- und Suchfehler im Vergleich zu herkömmlichen MCP-Konnektoren vermieden werden.

   • Der Fähigkeitsüberhang beschreibt den Abstand zwischen den technischen Modellfähigkeiten und dem tatsächlich genutzten Wert.
   • Die Veröffentlichung der Codex Desktop-App im Februar trieb die Nutzung in Nicht-Tech-Bereichen wie Finanzen und Recht bis Juni auf 90 % hoch.
   • OpenAI lizenziert Finanzdaten direkt und betreibt eigene Suchindizes, um die Zuverlässigkeit zu erhöhen.
3. 08:04:00 - 15:00:00

   Technische Umsetzung und Modellfortschritte

   Ein Großteil der Funktionalität nutzt bestehende Entwicklerwerkzeuge wie Model Context Protocol und Skills, um Excel-Modelle oder PowerPoint-Präsentationen zu steuern. Historischer Fortschritt speist sich aus Skalierung, verbesserten Algorithmen und Reinforcement Learning. Das sogenannte Schwellenwert-Phänomen verdeutlicht, warum Modellfortschritte plötzlich wirken: Erst wenn die Zeitersparnis bei der Überprüfung die Bearbeitungszeit übersteigt, delegieren Anwender Aufgaben routiniert an die KI.

   • Die Produktfunktionen basieren auf der standardmäßigen ChatGPT-Plugin-Plattform mit MCP-Tools, Skills und Artefakt-Tools.
   • Modellverbesserungen beruhen auf Rechenleistung, Algorithmen und dem Entfernen künstlicher Barrieren.
   • Interne Modelle schugen Lösungen für langjährige mathematische Probleme vor und betreiben originelle Forschung.
4. 15:00:00 - 18:52:00

   Zukunft des Finanzwesens im Jahr 2027

   In den kommenden Monaten investiert OpenAI massiv in finanzspezifisches Post-Training, um das logische Denken, die Analyse und die Erstellung von Pitch Decks zu perfektionieren. Durch proaktive und persistente Agenten verändern sich die Interaktionsmuster grundlegend, da Nutzer nicht mehr jeden Schritt direkt anstoßen müssen. Schließlich prognostiziert Kim, dass die manuelle Erstellung von Finanzmodellen in Excel oder PowerPoint drastisch zurückgehe und KI-Analysten komplexe zukunftsorientierte Beurteilungen übernehmen werden.

   • Steigende Fluten durch allgemeine Modellverbesserungen und gezieltes finanzspezifisches Post-Training treiben die Finanzarbeit voran.
   • Persistente Agenten agieren proaktiv im Hintergrund, behalten den Kontext und folgen vorgegebenen Zielen.
   • Bis 2027 werden KI-Finanzanalysten menschliche Experten bei Prognosen und Investitionsideen übertreffen.