Como a OpenAI Criou o ChatGPT para Banqueiros e Analistas — Joseph Kim, OpenAI
원제 · How OpenAI Built ChatGPT for Bankers and Analysts — Joseph Kim, OpenAI
핵심 요약
O desenvolvimento de interfaces direcionadas e pós-treinamento específico permite que os modelos de IA superem o limiar de utilidade em setores especializados como a banca e a análise financeira.
하이라이트
O ChatGPT para Serviços Financeiros foi lançado como uma versão personalizada para profissionais financeiros, começando pela banca de investimento e pesquisa de ações.
A utilização do Codex em finanças, jurídico e recrutamento saltou de quase zero no início de 2026 para cerca de 90% em junho após o lançamento da aplicação de ambiente de trabalho em fevereiro.
A OpenAI licenciou dados financeiros diretamente e construiu os seus próprios índices e pesquisa utilizando a mesma infraestrutura da web para garantir fiabilidade.
Os modelos internos da OpenAI propuseram uma solução para o problema do milênio de Navier-Stokes e abordaram conjecturas matemáticas de 1946.
A OpenAI tem como objetivo que os seus modelos igualem o desempenho dos melhores especialistas humanos em tarefas financeiras complexas durante o ano de 2027.
타임라인
Apresentação do ChatGPT para Serviços Financeiros
Joseph Kim apresenta o novo produto direcionado a profissionais de grandes instituições financeiras. O desenvolvimento priorizou o acesso a dados de qualidade superior diretamente na plataforma, uma interface familiar com controlo de fontes e a geração de artefactos em formatos aprovados pelas empresas.
- O ChatGPT para Serviços Financeiros foca-se inicialmente na banca de investimento e na pesquisa de ações.
- O desenvolvimento do produto com os parceiros Morgan Stanley e Evercore centrou-se em dados financeiros, interfaces adaptadas e modelos corporativos.
- A ferramenta inclui gráficos financeiros interativos e visualizadores de citações para inspeção de fontes.
O Excesso de Capacidade e a Adoção de Ferramentas
As capacidades dos modelos evoluíram rapidamente de matemática do ensino secundário para problemas avançados do Prémio do Milénio, mas a adoção prática nas finanças ficou inicialmente para trás. O lançamento de aplicações dedicadas eliminou essa fricção, elevando drasticamente a utilização de ferramentas de IA em funções não técnicas.
- O excesso de capacidade representa a distância entre as capacidades reais do modelo e o valor extraído pelos utilizadores no trabalho diário.
- A quota de utilização do Codex em áreas como finanças e jurídico subiu para cerca de 90% após o lançamento da aplicação de ambiente de trabalho em fevereiro de 2026.
- As experiências de produto adequadas reduzem a barreira para colocar capacidades avançadas em ação.
Arquitetura Técnica e Dados Financeiros
Para superar falhas em conectores de dados existentes, a OpenAI assumiu o alojamento e a indexação utilizando a infraestrutura web própria. O pós-treinamento funciona de forma equivalente a dispor de um analista sénior com décadas de experiência, integrando-se nos fluxos de trabalho do Excel e do PowerPoint.
- A OpenAI licenciou diretamente dados financeiros e construiu índices próprios para evitar problemas de latência e erros de conectores MCP.
- O protocolo MCP fornece acesso e instruções aos dados, enquanto o pós-treinamento capacita o modelo com familiaridade profunda.
- O sistema gera modelos do Excel e apresentações do PowerPoint através de modelos e artefactos aprovados pelas empresas.
Evolução dos Modelos e o Fenómeno do Limite
O histórico de melhorias demonstra tendências previsíveis impulsionadas por leis de escala e novas técnicas de raciocínio. Embora o progresso tecnológico seja contínuo, a utilidade prática manifesta-se de forma repentina quando a ferramenta ultrapassa o limiar de eficiência onde a revisão humana deixa de ser um entrave.
- O progresso previsível dos modelos baseia-se em computação escalável, algoritmos otimizados e remoção de limitações.
- O fenómeno do limite descreve o ponto exato em que um modelo cruza o limiar de utilidade e passa a poupar mais tempo do que o gasto na sua revisão.
- Os modelos evoluíram de testes do ensino secundário para propostas de soluções em problemas do milénio como Navier-Stokes.
Perspetivas e Futuro das Finanças em 2027
A combinação entre a evolução geral da inteligência artificial e o treino direcionado para finanças visa equiparar os modelos aos melhores especialistas humanos em 2027. O surgimento de agentes persistentes transformará a interação com o software, permitindo delegar projetos complexos de forma semelhante à colaboração entre humanos.
- Duas forças impulsionam o setor: a melhoria subjacente dos modelos e o pós-treinamento específico em tarefas financeiras.
- Os futuros agentes proativos e persistentes manterão objetivos em segundo plano e lembrarão o contexto de dias anteriores.
- As apostas para 2027 incluem a substituição quase total do Excel e PowerPoint tradicionais por automação e agentes de IA especializados.
설명
(Sem descrição)