Как OpenAI создала ChatGPT для банкиров и аналитиков — Джозеф Ким, OpenAI

하이라이트

• Доля использования Codex внутри OpenAI в нетехнических отделах выросла с почти нуля в начале 2026 года до примерно 90% к июню после выпуска десктопного приложения.

• ChatGPT для финансовых услуг разработан в партнерстве с Morgan Stanley и Evercore с акцентом на финансовые данные, специализированный интерфейс и корпоративные шаблоны.

• Объем вычислений, необходимый для достижения определенного уровня производительности языковой модели, сокращается вдвое каждые восемь месяцев благодаря алгоритмическим улучшениям.

• Модели OpenAI достигли уровня решения сложных математических задач, включая задачи тысячелетия Навье — Стокса и давние гипотезы, пройдя путь от SAT до оригинальных исследований.

• К 2027 году модели превзойдут ведущих человеческих экспертов в ключевых финансовых задачах, таких как прогнозирование доходов и разработка инвестиционных идей.

타임라인

1. 00:00 - 04:11

   Запуск и архитектура ChatGPT для финансовых услуг

   Джозеф Ким представляет специализированную версию ChatGPT, призванную ускорить работу финансистов подобно тому, как Codex ускорил разработку программного обеспечения. Продукт интегрирует надежные источники данных, инструменты анализа графиков и автоматическую генерацию документов под стандарты компании.

   • ChatGPT для финансовых услуг создан специально для сотрудников инвестиционного банкинга и аналитиков акционерного капитала.
   • Продукт разработан в сотрудничестве с партнерами по дизайну Morgan Stanley и Evercore.
   • Платформа фокусируется на трех направлениях: финансовые данные, специализированный интерфейс и фирменные корпоративные шаблоны.
2. 04:12 - 06:00

   Преодоление разрыва возможностей через пользовательский опыт

   Мощность базовых моделей растет невероятными темпами, однако реальная польза для сотрудников отстает из-за отсутствия подходящих интерфейсов. Пример с внедрением Codex внутри компании доказывает, что именно выпуск десктопного приложения стал поворотным моментом, резко увеличившим вовлеченность специалистов из финансовой, юридической и рекрутинговой сфер.

   • Разрыв возможностей — это расстояние между потенциалом моделей и реальной ценностью, которую извлекают из них пользователи.
   • Использование Codex в нетехнических отделах OpenAI подскочило с нуля в начале 2026 года до 90% в июне после февральского релиза десктопного приложения.
   • Удобный пользовательский опыт помогает сотрудникам за пределами разработки внедрять ИИ в повседневные задачи.
3. 06:01 - 08:50

   Техническая реализация данных и интерфейсов

   Качество финансовой работы зависит от точности источников, поэтому команда отказалась от ненадежных сторонних коннекторов в пользу прямого лицензирования данных. Сочетание протокола MCP и дообучения позволяет модели эффективно обрабатывать специфическую информацию. Интеграция с рабочими процессами через шаблоны таблиц и презентаций снижает трудозатраты на подготовку отчетов.

   • Финансовые данные лицензированы напрямую и проиндексированы на собственной инфраструктуре OpenAI для обеспечения высокой скорости и надежности.
   • Протокол MCP предоставляет модели доступ к инструкциям, а глубокое дообучение наделяет ее экспертными знаниями старшего аналитика.
   • Интерфейс включает интерактивные финансовые графики, просмотрщики цитат и генерацию документов по фирменным шаблонам Excel и PowerPoint.
4. 08:51 - 16:49

   Масштабирование моделей и феномен порога полезности

   Прогресс в возможностях моделей предсказуем и опирается на масштабирование вычислений, алгоритмические улучшения и развитие систем рассуждения. До преодоления порога полезности проверка работы ИИ занимает столько же времени, сколько выполнение задачи вручную. После пересечения этого порога модели начинают приносить реальную пользу, внезапно изменяя продуктивность в различных отраслях.

   • Вычислительные затраты на достижение заданного уровня производительности языковой модели сокращаются вдвое каждые восемь месяцев.
   • Модели OpenAI продвинулись от школьных тестов по математике до решения задач тысячелетия Навье — Стокса и создания научных рукописей.
   • Феномен порога полезности описывает момент, когда модель становится настолько надежной, что начинает экономить время пользователя и запускает регулярное делегирование.
5. 16:50 - 18:53

   Будущее финансовых технологий и постоянные агенты

   Постоянные агенты способны удерживать цель и продолжать работу без постоянных подсказок со стороны пользователя, что приближает взаимодействие с ИИ к общению с коллегами-людьми. Сочетание общих улучшений моделей и специализированного финансового пост-обучения приведет к тому, что к 2027 году ИИ станет полноценным экспертом в финансовой сфере, кардинально изменив методы создания аналитики.

   • Следующим этапом устранения ограничений станут проактивные и постоянные агенты, работающие в фоновом режиме.
   • К 2027 году сотрудники будут редко использовать ручное создание Excel-моделей и питч-деков.
   • ИИ-аналитики к 2027 году начнут превосходить лучших человеческих экспертов в прогнозировании доходов и генерации инвестиционных идей.