ChatGPT dla sektora finansowego: badania, modele i pitchbooki w jednym środowisku

OpenAI ogłosiło 10 września ChatGPT for Financial Services — wyspecjalizowaną wersję ChatGPT Work dla instytucji finansowych. Produkt łączy model GPT-6 Astra z wbudowanymi danymi finansowymi, administracją klasy korporacyjnej oraz narzędziami dla zespołów bankowości inwestycyjnej i analizy akcji (equity research). Przy jego projektowaniu współpracowały Morgan Stanley i Evercore. 15

Do jakiej pracy ma służyć

Narzędzie celuje w czasochłonne zadania oparte na dokumentach, które często wykonują młodsi analitycy w bankach i zespołach badawczych. OpenAI przedstawia je jako wsparcie przy przygotowywaniu researchu, modeli finansowych i spersonalizowanych materiałów dla klientów — nie jako autonomiczny substytut profesjonalnego osądu. 56

W praktyce ma pomagać m.in. w:

• researchu spółek i rynków — syntetyzowaniu informacji z finansowych źródeł, w tym danych z raportów, transkrypcji i materiałów źródłowych;
• modelowaniu finansowym — budowie, aktualizowaniu i analizie złożonych modeli w Excelu przy zachowaniu istniejących formuł oraz struktury skoroszytu; OpenAI wskazuje m.in. na wyceny, analizy scenariuszowe i śledzenie czynników wpływających na model; 2
• analizach fuzji i przejęć — selekcji potencjalnych celów lub kupujących, doborze grup porównawczych, analizie finansowej i przygotowaniu prezentacji na podstawie tych danych;
• pitchbookach i materiałach dla klienta — tworzeniu notatek analitycznych, wykresów, dokumentów oraz prezentacji PowerPoint z użyciem zatwierdzonych przez firmę szablonów Excela, Worda i PowerPointa oraz wytycznych dotyczących stylu. 5

Obietnica jest przede wszystkim operacyjna: mniej ręcznego zbierania danych, przepisywania formatów i tworzenia pierwszych wersji dokumentów. Odpowiedzialność za model, rekomendację, relację z klientem i decyzję o wykorzystaniu wyniku nadal spoczywa jednak na instytucji.

Dane finansowe i cytowania na poziomie źródeł

Kluczowym elementem oferty jest połączenie płatnych danych finansowych i rozumowania AI w jednym środowisku. OpenAI podaje, że produkt obejmuje dane finansowe i ma ułatwiać tworzenie pracy możliwej do audytu; w relacjach z premiery jako dostawców wskazano m.in. Daloopa, PitchBook i LSEG. 12

System ma też oferować szczegółowe cytowania. Użytkownik powinien móc prześledzić wygenerowaną liczbę lub twierdzenie do materiału, który je uzasadnia, zamiast otrzymywać odpowiedź bez widocznej podstawy. W finansach ma to szczególne znaczenie: pozornie drobna różnica w okresie sprawozdawczym, korekcie albo definicji może istotnie zmienić wycenę lub rekomendację. 5

Widoczne cytowanie zwiększa możliwość kontroli, ale nie daje gwarancji poprawności. Analityk nadal powinien sprawdzić, czy wskazany fragment rzeczywiście potwierdza dane twierdzenie, zweryfikować jednostki i okresy raportowe oraz uzgodnić wyniki modelu z danymi źródłowymi.

Integracje, konektory i mechanizmy kontroli

Według OpenAI firmy mogą centralnie zarządzać dostępem oraz połączeniami z danymi poprzez platformę korporacyjną. Szersza oferta dla sektora finansowego podkreśla pracę w Excelu i możliwość wykorzystania istniejących relacji instytucji z dostawcami danych, bez konieczności budowania całkowicie odrębnego środowiska badawczego. 25

Materiały premierowe opisują integracje i połączenia z dostawcami danych finansowych, w tym S&P Global, FactSet i LSEG, obok szerszego ekosystemu konektorów. W relacjach jako przykłady konektorów wymieniane są także Datasite, Box, Preqin i Intapp. 78

Ważne rozróżnienie: dostępne materiały wskazują Intapp jako element ekosystemu konektorów, a nie jako osobno udokumentowaną, dedykowaną wtyczkę Intapp o precyzyjnie opisanym zakresie funkcji. Instytucje rozważające wdrożenie powinny bezpośrednio potwierdzić z OpenAI wymagane uprawnienia do danych, bariery informacyjne, ustawienia retencji i działanie konektorów.

W regulowanych procesach produkt opiera się na korporacyjnych zabezpieczeniach ChatGPT, takich jak zarządzanie tożsamością i dostępem, kontrola oparta na rolach, konfigurowalna retencja, szyfrowanie, logi wspierające audyt oraz odrębne przestrzenie robocze dla barier informacyjnych. OpenAI deklaruje również, że dane biznesowe klientów nie są domyślnie wykorzystywane do trenowania modeli. 5

Kto może korzystać i ile to kosztuje

ChatGPT for Financial Services jest dostępny dla uprawnionych instytucji finansowych przez dział sprzedaży OpenAI lub obecny zespół obsługi klienta. W chwili premiery OpenAI nie opublikowało standardowej ceny za stanowisko, minimalnego zobowiązania ani odrębnego wariantu produktowego. 39

To zatem decyzja zakupowa klasy enterprise, a nie zwykła subskypcja konsumencka ChatGPT. Instytucje będą musiały oceniać usługę w powiązaniu z licencjami na dane rynkowe, własną polityką danych i wymaganiami dotyczącymi kontroli pracy analitycznej.

Porównanie z Claude for Financial Services

Najbardziej widocznym bezpośrednim konkurentem jest Anthropic. Oferta Claude for Financial Services obejmuje agentów do zadań takich jak przygotowanie materiałów sprzedażowych, analiza wyników spółek, praca z modelami i procesy związane ze zgodnością regulacyjną.

Obie firmy walczą o podobną przestrzeń: chcą przekształcić asystenta ogólnego przeznaczenia w nadzorowane środowisko robocze działające na danych własnych firmy, plikach biurowych i finansowych procesach. OpenAI akcentuje GPT-6 Astra, zintegrowane dane, cytowania oraz dopasowane doświadczenie ChatGPT Work. Kupujący powinni porównać te elementy z własnym stosem danych, mechanizmami kontroli i procesem tworzenia dokumentów, zamiast zakładać, że oba produkty są wymienne. 5

Zysk produktywności czy osłabienie zawodowej nauki?

W krótkim terminie bardziej prawdopodobne jest nie zniknięcie bankierów, lecz skrócenie powtarzalnej pracy: gromadzenia danych, przygotowywania szkiców researchu, aktualizowania skoroszytów, formatowania slajdów i składania pierwszych wersji materiałów dla klienta. To mogłoby dać analitykom więcej czasu na ocenę sytuacji, przygotowanie do rozmów z klientami i pogłębioną analizę.

Jest jednak także druga strona. Praca juniorska bywa jednocześnie praktycznym etapem nauki zawodu. Uzgadnianie liczb, odtwarzanie modelu, znajdowanie błędnych założeń i obrona wniosków budują intuicję finansową. Jeśli zespoły będą przyjmować wyniki AI bez samodzielnego sprawdzenia, tempo pracy może wzrosnąć kosztem tej zawodowej szkoły.

Rozsądnym modelem jest użycie nadzorowane: analitycy powinni kontrolować cytowania, rozumieć formuły i założenia modelu, uzgadniać kluczowe wyniki oraz umieć wyjaśnić końcową rekomendację. Wynik, który można prześledzić do źródeł, może tę dyscyplinę ułatwić — lecz o tym, czy automatyzacja wzmocni, czy osłabi finansowe myślenie, zdecydują procedury nadzoru, a nie samo narzędzie.