OpenAI retter ChatGPT mot finans: Forskning, Excel-modeller og pitchbøker i samme arbeidsflate

OpenAI har lansert ChatGPT for Financial Services, en tilpasset versjon av ChatGPT Work for finansinstitusjoner. Løsningen ble annonsert 10. september og kombinerer GPT-6 Astra med innebygde finansdata, administrasjon for virksomheter og verktøy for blant annet investeringsbanker og aksjeanalytikere. Morgan Stanley og Evercore har vært designpartnere i utviklingen. 15

Fra research til pitchbok

Produktet er rettet mot tidkrevende og dokumenttunge oppgaver som ofte utføres av junioranalytikere i investeringsbanker og analysehus. OpenAI beskriver det som et verktøy for å utvikle research, finansielle modeller og tilpasset kundemateriell – ikke som en selvstendig erstatning for faglig vurdering. 56

Blant arbeidsoppgavene som trekkes frem, er:

• Selskaps- og markedsanalyse: sammenstilling av informasjon fra finansielle kilder, inkludert tall i rapporterte regnskaper, transkripsjoner og annet kildemateriale.
• Finansiell modellering: bygge, oppdatere og analysere komplekse Excel-modeller uten å miste eksisterende formler og arbeidsbokstruktur. OpenAI fremhever verdsettelse, scenarioanalyser og sporing av hvilke drivere som påvirker modellen. 2
• Oppkjøps- og M&A-analyser: støtte til screening av mulige kjøpere eller oppkjøpsobjekter, utvelgelse av sammenlignbare selskaper, analyse av finansielle data og sammenstilling av presentasjoner.
• Pitchbøker og kundemateriell: utarbeidelse av researchnotater, diagrammer, dokumenter og PowerPoint-presentasjoner med virksomhetens godkjente Excel-, Word- og PowerPoint-maler og stilregler. 5

Det sentrale løftet er mindre manuelt innhentingsarbeid, omformatering og produksjon av førsteutkast. Banken eller analysehuset beholder likevel ansvaret for modellen, rådet, kundeforholdet og avgjørelsen om å stole på resultatet.

Finansdata med sporbare kilder

En viktig del av produktet er å samle premium finansinformasjon og KI-resonnering i samme arbeidsflate. OpenAI opplyser at løsningen inkluderer finansdata, og at den er laget for å bidra til etterprøvbart arbeid. Ved lanseringen ble Daloopa, PitchBook og LSEG nevnt som blant dataleverandørene. 12

OpenAI fremhever også detaljerte kildehenvisninger. Tanken er at brukeren skal kunne spore et generert tall eller en påstand tilbake til underliggende kildemateriale, i stedet for å godta et uforklart KI-svar. Det er særlig viktig i finans: En tilsynelatende liten forskjell i periode, definisjon eller justering kan påvirke verdsettelsen eller en investeringsanbefaling vesentlig. 5

Synlige kilder er imidlertid ikke det samme som en garanti for at resultatet er riktig. Analytikere må fortsatt sjekke at kilden faktisk underbygger påstanden, kontrollere enheter og rapporteringsperioder og avstemme modellresultater mot originaldata.

Integrasjoner og kontrollmekanismer

Ifølge OpenAI kan virksomheter administrere tilgang og datatilkoblinger sentralt gjennom selskapets plattform. Det bredere tilbudet for finanssektoren legger vekt på arbeid i Excel og på bruk av eksisterende avtaler med finansdataleverandører, fremfor at institusjoner må flytte alt til en ny researchplattform. 25

Lanseringsmaterialet beskriver integrasjoner og forbindelser til finansdataleverandører som S&P Global, FactSet og LSEG, i tillegg til et bredere økosystem av connectorer. Datasite, Box, Preqin og Intapp nevnes også som eksempler på slike tilkoblinger. 78

Her er et viktig forbehold: Materialet støtter at Intapp inngår i connector-økosystemet, men dokumenterer ikke en separat Intapp-plugin med et tydelig spesifisert funksjonssett. Finansinstitusjoner bør derfor avklare egne datarettigheter, informasjonsbarrierer, lagringsinnstillinger og hvordan connectorer oppfører seg direkte med OpenAI.

For regulerte arbeidsprosesser bygger produktet på kontrollene i ChatGPT for virksomheter, som identitets- og tilgangsstyring, rollebasert kontroll, konfigurerbar lagringstid, kryptering, logger for revisjonsformål og separate arbeidsflater for informasjonsbarrierer. OpenAI opplyser også at kunders forretningsdata som hovedregel ikke brukes til å trene modellene. 5

Tilgang og pris

ChatGPT for Financial Services er tilgjengelig for kvalifiserte finansinstitusjoner via OpenAIs salgsapparat eller en eksisterende kundeansvarlig. Ved lanseringen hadde OpenAI ikke offentliggjort en standard pris per bruker, et minstekrav til avtale eller et separat produktnummer. 39

Dette er dermed en anskaffelse for virksomheter, ikke et vanlig forbrukerabonnement på ChatGPT. Institusjonene må vurdere løsningen sammen med eksisterende markedsdatalisenser, interne regler for data og krav til kvalitetssikring.

Konkurransen med Anthropic

Anthropic er den tydeligste direkte konkurrenten i dette markedet. Selskapets Claude for Financial Services omfatter agenter for blant annet produksjon av pitchmateriell, gjennomgang av kvartalsrapporter, modellarbeid og oppgaver knyttet til etterlevelse.

Begge aktørene jakter den samme brede muligheten: å gjøre en generell KI-assistent om til en styrt arbeidsflate som kan brukes på tvers av proprietære data, kontordokumenter og finansielle arbeidsprosesser. OpenAI legger vekt på GPT-6 Astra, integrerte data, kildehenvisninger og en tilpasset ChatGPT Work-opplevelse. Kjøpere bør sammenligne dette med egen datainfrastruktur, kontrollkrav og dokumentproduksjon – ikke anta at produktene er direkte utbyttbare. 5

Effektivisering eller svekket læretid?

På kort sikt er den mest sannsynlige effekten ikke at bankfolk forsvinner, men at rutinearbeidet blir mindre: innsamling av data, førsteutkast til research, oppdatering av arbeidsbøker, formatering av slides og sammenstilling av førsteversjoner av kundemateriell. Det kan frigjøre tid til vurderinger, kundemøter og dypere analyse.

Motargumentet er at junioroppgavene også er en læretid. Å avstemme tall, bygge en modell på nytt, oppdage en svak forutsetning og forsvare en konklusjon er sentralt for å utvikle finansiell forståelse. Dersom team ukritisk godtar KI-generert arbeid, kan høyere tempo komme på bekostning av denne opplæringen.

En fornuftig praksis er derfor bruk under tilsyn: Analytikere bør kontrollere kildehenvisninger, forstå formlene og forutsetningene i hver modell, avstemme nøkkeltall og kunne forklare den endelige anbefalingen. Sporbare kilder kan gjøre dette enklere, men det er styringsprosessen – ikke verktøyet alene – som avgjør om automatiseringen styrker eller svekker den finansielle dømmekraften.