ChatGPT för finansbranschen: detta kan OpenAI:s nya AI-arbetsyta göra

OpenAI har lanserat ChatGPT for Financial Services, en särskilt anpassad version av ChatGPT Work för finansinstitut. Tjänsten presenterades den 10 september och kombinerar GPT-6 Astra med inbyggd finansiell data, central administration och verktyg för bland annat investmentbanker och aktieanalytiker. Morgan Stanley och Evercore har varit designpartners i utvecklingen. 15

Från research till färdig presentation

Målet är att korta ned tidskrävande och dokumentintensiva arbetsmoment som ofta utförs av juniora analytiker inom bank och värdepappersanalys. OpenAI beskriver tjänsten som ett stöd för research, finansiella modeller och kundanpassat material – inte som en ersättare för professionellt omdöme. 56

Exempel på arbetsuppgifter som systemet är avsett att hjälpa till med:

• Bolags- och marknadsresearch: sammanställa information från flera finansiella källor, inklusive siffror i rapporter, transkript och annat underlag.
• Finansiell modellering: bygga, uppdatera och analysera avancerade Excel-modeller utan att förlora befintliga formler eller arbetsboksstrukturer. OpenAI lyfter särskilt värderingar, scenarioanalyser och möjligheten att spåra vilka drivare som påverkar modellen. 2
• M&A- och förvärvsanalys: stöd vid urval av möjliga köpare eller förvärvsobjekt, jämförelsebolag, finansiell analys och framtagning av en presentation utifrån materialet.
• Pitchböcker och kundmaterial: skapa analysanteckningar, diagram, dokument och PowerPoint-material med företagets godkända mallar och stilregler i Excel, Word och PowerPoint. 5

Det praktiska löftet är mindre manuellt insamlingsarbete, omformatering och produktion av första utkast. Ansvaret för modellen, rådet, kundrelationen och beslutet att förlita sig på resultatet ligger dock fortsatt hos banken och dess medarbetare.

Finansiell data och källhänvisningar på detaljnivå

En central del av erbjudandet är att samla premiumdata och AI-baserad analys i samma arbetsyta. OpenAI uppger att tjänsten innehåller finansiell data, och rapporteringen om lanseringen pekar ut Daloopa, PitchBook och LSEG som några av dataleverantörerna. 12

Produkten betonar också detaljerade källhänvisningar. Tanken är att användaren ska kunna följa en genererad siffra eller uppgift tillbaka till det underliggande källmaterialet, i stället för att behöva lita på ett svar utan förklaring. Det är särskilt viktigt i finanssektorn, där en liten skillnad i exempelvis period, justering eller definition kan få stor effekt på en värdering eller rekommendation. 5

Spårbarheten gör materialet lättare att granska, men den är ingen garanti för att slutsatsen är korrekt. Analytiker behöver fortfarande kontrollera att den citerade källan verkligen stödjer påståendet, verifiera enheter och rapporteringsperioder samt stämma av modellresultat mot källdatan.

Integrationer, kopplingar och styrning

Enligt OpenAI kan företag centralt styra åtkomst och dataanslutningar genom företagets plattform. Det bredare erbjudandet för finansiella tjänster lyfter Excel-arbete och möjligheten att använda institutionens befintliga relationer med dataleverantörer, i stället för att kräva en helt ny researchmiljö. 25

Lanseringsmaterialet beskriver integrationer och anslutningar till leverantörer som S&P Global, FactSet och LSEG, utöver ett bredare ekosystem av anslutningar. I rapporteringen nämns även Datasite, Box, Preqin och Intapp som exempel. 78

Här finns en viktig avgränsning: underlaget stödjer att Intapp ingår i ekosystemet av anslutningar, men inte att det finns en separat dokumenterad Intapp-insticksmodul med ett tydligt definierat funktionsutbud. Finansinstitut som utvärderar tjänsten bör därför bekräfta dataåtkomster, informationsbarriärer, lagringsinställningar och hur anslutningarna fungerar direkt med OpenAI.

För reglerade arbetsflöden bygger tjänsten vidare på ChatGPT:s företagskontroller, exempelvis identitets- och åtkomsthantering, rollbaserade behörigheter, konfigurerbar datalagring, kryptering, loggar för granskning och separata arbetsytor för informationsbarriärer. OpenAI uppger också att kunders affärsdata inte används för modellträning som standard. 5

Vem kan använda tjänsten – och vad kostar den?

ChatGPT for Financial Services är tillgänglig för kvalificerade finansinstitut via OpenAI:s säljorganisation eller en befintlig kundansvarig. Vid lanseringen hade OpenAI inte publicerat något standardpris per användare, något minimiåtagande eller en separat produktnivå för tjänsten. 39

Det här är alltså ett företagsköp, snarare än ett abonnemang för vanliga ChatGPT-användare. Banker och andra aktörer behöver bedöma tjänsten tillsammans med sina licenser för marknadsdata, interna regler för datahantering och processer för kvalitetsgranskning.

Konkurrensen med Anthropic

Anthropic är den tydligaste direkta konkurrenten på området. Företagets Claude for Financial Services innehåller agenter för bland annat pitchmaterial, genomgång av kvartalsrapporter, modellarbete och arbetsflöden med fokus på regelefterlevnad.

Båda bolagen försöker göra en generell AI-assistent till en styrd arbetsyta som kan arbeta med intern data, Office-filer och finansiella processer. OpenAI framhåller GPT-6 Astra, integrerad data, källhänvisningar och en skräddarsydd ChatGPT Work-upplevelse. För köpare är det viktigare att jämföra funktionerna med den egna datamiljön, kontrollkraven och dokumentproduktionen än att utgå från att lösningarna är utbytbara. 5

Produktivitetsverktyg eller en försvagad utbildningsväg?

På kort sikt handlar effekten sannolikt inte om att banktjänster försvinner, utan om att repetitiva moment går fortare: att samla in underlag, skriva utkast, uppdatera arbetsböcker, formatera bilder och skapa första versioner av kundmaterial. Det kan ge analytiker mer tid för bedömningar, kundförberedelser och fördjupad analys.

Invändningen är att juniora arbetsuppgifter också fungerar som utbildning. Att stämma av siffror, bygga om en modell, upptäcka ett dåligt antagande och försvara en slutsats är en del av hur analytiker utvecklar finansiell intuition. Om AI-genererat arbete godtas utan självständig kontroll kan snabbheten ske på bekostnad av denna praktiska skolning.

En rimlig modell är därför användning under tydlig tillsyn: analytiker bör kontrollera källhänvisningar, förstå varje modells formler och antaganden, stämma av centrala resultat och kunna förklara den slutliga rekommendationen. Källspårbara svar kan underlätta den disciplinen, men det är styrningen och granskningsprocessen – inte verktyget i sig – som avgör om automatiseringen stärker eller försvagar det finansiella omdömet.