OpenAI ने 10 सप्टेंबर रोजी अधिकृतपणे वित्तीय सेवांसाठी ChatGPT सादर केले, ज्याची थेट OpenAI च्या स्वतःच्या घोषणा पृष्ठावर पुष्टी केली गेली आणि इतर कोणत्याही गोष्टींपूर्वी हे खरोखर काय आहे याबद्दल अचूक असणे फायदेशीर आहे: वित्तीय संस्थांसाठी तयार केलेले एक विशेष ChatGPT कार्य उत्पादन, सामान्य वापरकर्त्यांसाठी ChatGPT कडून गुंतवणूक सल्ला मिळविण्याचा नवीन मार्ग नाही. रॉयटर्स, बिझनेस इनसाइडर, फॉर्च्यून आणि क्वार्ट्ज या सर्वांनी लाँचला कव्हर केले आहे, मुख्यत्वे ते “म्हणून तयार केले आहे.ChatGPT वॉल स्ट्रीटवर येते.” ते फ्रेमिंग अगदी अचूक आहे, परंतु ते स्थापत्यशास्त्रात प्रत्यक्षात काय बदलले आहे ते कमी करते.
आर्थिक सेवांसाठी चॅटजीपीटी म्हणजे काय?
OpenAI ने 10 सप्टेंबर रोजी अधिकृतपणे वित्तीय सेवांसाठी ChatGPT वित्तीय संस्थांसाठी तयार केलेला ChatGPT कामाचा अनुभव म्हणून सादर केला. संघांना संशोधन, आर्थिक मॉडेल आणि सानुकूलित क्लायंट सामग्री विकसित करण्यात मदत करण्यासाठी उत्पादन GPT-6 Astra च्या तर्क क्षमतांसह अंगभूत वित्तीय डेटा एकत्र करते. OpenAI म्हणते की गुंतवणूक बँकिंग आणि इक्विटी संशोधन वर्कफ्लोवर प्रारंभिक लक्ष केंद्रित करून मॉर्गन स्टॅनली आणि एव्हरकोर यांच्यासोबत डिझाइन भागीदारीद्वारे उत्पादनाला आकार देण्यात आला.
ग्राहक ChatGPT मधील फरक महत्त्वाचा आहे. वित्तीय सेवांसाठी ChatGPT हे ग्राहक वैयक्तिक-वित्त किंवा गुंतवणूक-सल्ला उत्पादन म्हणून स्थानबद्ध नाही. हे पात्र वित्तीय संस्था आणि त्यांच्या व्यावसायिक कार्यप्रवाहांसाठी डिझाइन केले आहे, जेथे विश्लेषक आणि इतर आर्थिक-सेवा संघांना विशेष डेटासेट, अंतर्गत माहिती, आर्थिक मॉडेल, संशोधन आणि क्लायंट-फेसिंग सामग्रीसह कार्य करणे आवश्यक आहे. OpenAI च्या आर्थिक सेवा अटी देखील सांगतात की त्यांच्या वित्तीय सेवा संशोधन आणि विश्लेषणासाठी माहिती आणि साधने प्रदान करतात.
उत्पादन ChatGPT कार्याभोवती तयार केले आहे. हे महत्त्वाचे आहे कारण त्याचे मूल्य केवळ आर्थिक प्रश्नांची उत्तरे देऊन कमी आणि मॉडेल तर्क, आर्थिक डेटा, एंटरप्राइझ कनेक्शन आणि एकाच वातावरणात वर्कफ्लो आउटपुट एकत्र केल्याने अधिक मिळते.
आर्थिक डेटा हा मुख्य फरक आहे
आर्थिक सेवांसाठी ChatGPT आणि सामान्य-उद्देशीय ChatGPT वर्कफ्लोमधील सर्वात महत्त्वाचा फरक म्हणजे आर्थिक डेटा समाविष्ट करण्याचा मार्ग. ओपनएआय म्हणते की उत्पादनात काही प्रीमियम डेटासेटचा समावेश आहे, ज्यात डेटा अनुक्रमित केला जातो आणि ओपनएआय द्वारे पुनर्प्राप्ती आणि दाणेदार उद्धरणांना समर्थन देतो.
आर्थिक-डेटा इकोसिस्टम तीन मोठ्या श्रेणींमध्ये विभागली जाऊ शकते:
- अंगभूत डेटासेट
अंगभूत डेटासेटमध्ये Daloopa, PitchBook, LSEG News आणि Crunchbase यांचा समावेश आहे. हे डेटासेट आर्थिक-सेवा अनुभवाचा भाग म्हणून OpenAI द्वारे अनुक्रमित आणि होस्ट केले जातात. हे स्त्रोत उत्पादनामध्ये अंतर्भूत असल्यामुळे, पात्र कंपन्यांना त्या विशिष्ट डेटासेटमध्ये प्रवेश करण्यासाठी स्वतंत्रपणे कनेक्टर कॉन्फिगर करण्याची आवश्यकता नाही. OpenAI म्हणते की या डेटासेटचे होस्टिंग आणि अनुक्रमणिका थेट पुनर्प्राप्ती, विलंबता आणि स्त्रोत दृश्यमानता सुधारू शकते.
- सदस्यता एकत्रीकरण
हे उत्पादन S&P Capital IQ, LSEG, MSCI, Dow Jones Factiva आणि Moody's यांच्या समावेशासह आर्थिक संस्था आधीच सदस्यत्व घेण्याच्या सेवांना देखील सपोर्ट करते. हे एकत्रीकरण कंपन्यांना त्यांच्या विद्यमान आर्थिक-डेटा सबस्क्रिप्शनसह कार्य करण्यास अनुमती देतात.
- विस्तृत कनेक्टर
अंगभूत डेटासेट आणि सबस्क्रिप्शन इंटिग्रेशन्सच्या पलीकडे, OpenAI म्हणते की त्यांनी सामान्यतः वापरल्या जाणाऱ्या आर्थिक MCP कनेक्शनला ऑप्टिमाइझ केले आहे, तर त्याच्या व्यापक कनेक्टर इकोसिस्टममध्ये 50 पेक्षा जास्त एकत्रीकरणांचा समावेश आहे. यामध्ये Datasite, Box, Preqin, FactSet आणि Intapp यांसारख्या सेवांचा समावेश आहे, तसेच आर्थिक वर्कफ्लोमध्ये वापरल्या जाणाऱ्या इतर एंटरप्राइझ ऍप्लिकेशन्सचा समावेश आहे.
हा फरक महत्त्वाचा आहे कारण उत्पादनाद्वारे उपलब्ध असलेले प्रत्येक स्त्रोत समान प्रकारे प्रदान केले जात नाहीत. अंगभूत डेटासेट हे आर्थिक-सेवांच्या अनुभवाचाच एक भाग आहेत, तर सबस्क्रिप्शन इंटिग्रेशन्स आणि व्यापक कनेक्टर कंपन्यांना त्यांच्या विद्यमान वर्कफ्लोमध्ये अतिरिक्त परवानाकृत किंवा एंटरप्राइझ माहिती आणण्याची परवानगी देतात.
ग्रॅन्युलर उद्धरण डेटा आर्किटेक्चरचा आणखी एक महत्त्वाचा भाग आहे. OpenAI म्हणते की बँकर्स त्यांच्या स्त्रोतांकडे आकडेवारी आणि दावे शोधू शकतात आणि त्यांचे विश्लेषण विकसित करताना मूलभूत पुरावे तपासू शकतात. आर्थिक संशोधनासाठी, जेथे एकच संख्या मूल्यांकन, मॉडेल किंवा क्लायंट सादरीकरणावर परिणाम करू शकते, ती स्रोत दृश्यमानता उत्तरापेक्षा अधिक उपयुक्त आहे जी ती कुठून आली हे न दाखवता फक्त आकृती सादर करते.
महत्त्वाचा फरक असा आहे की चॅटजीपीटी फॉर फायनान्शियल सर्व्हिसेसमध्ये विशिष्ट प्रीमियम आर्थिक डेटासेटचा समावेश होतो. अंगभूत डेटासेटसाठी, ओपनएआय अनुक्रमणिका आणि होस्टिंग हाताळते, तर इतर माहिती स्रोत अद्याप सदस्यता आणि कनेक्टरद्वारे ऍक्सेस केले जाऊ शकतात.
GPT-6 Astra आर्थिक कार्यप्रवाहांमध्ये काय करते
OpenAI आर्थिक-सेवा अनुभवामागील तर्कसंगत इंजिन म्हणून GPT-6 Astra ला स्थान देते. दाट दस्तऐवजांमधून माहिती पुनर्प्राप्त करणे, आर्थिक डेटावर तर्क करणे आणि त्या विश्लेषणातून उपयुक्त आउटपुट तयार करणे यासह या प्रकारच्या कामासाठी आवश्यक असलेल्या क्षमतांमध्ये Astra चे वर्णन कंपनी अत्याधुनिक आहे.
ओपनएआयने देखील एस्ट्राने स्कोअर केल्याचा अहवाल दिला आहे GPT-5.6 Sol साठी 60.2% च्या तुलनेत 69.9% त्याच्या OfficeQA प्रो बेंचमार्कवर, जे जटिल सारण्या आणि तळटीपांसह संपूर्ण यूएस ट्रेझरी बुलेटिन्समध्ये माहिती शोधण्याच्या आणि विश्लेषण करण्याच्या एआय एजंटच्या क्षमतेची चाचणी करते. हे आकडे ओपनएआय-रिपोर्ट केलेले बेंचमार्क आहेत, म्हणून ते ओपनएआयच्या स्वतःच्या चाचणी पद्धतीच्या संदर्भात समजले पाहिजेत.
ओपनएआय लक्ष्य करत असलेल्या वास्तविक वर्कफ्लोकडे पाहताना त्या क्षमतेचे महत्त्व अधिक स्पष्ट होते. कंपनी म्हणते की वित्तीय सेवांसाठी ChatGPT LBO आणि मूल्यांकन मॉडेलिंग, खरेदीदार स्क्रीनिंग, कमाईचे विश्लेषण आणि पिचबुक तयार करणे यासारख्या कार्यांना समर्थन देऊ शकते. परिणामी कार्य फर्मचे पूर्व-कॉन्फिगर केलेले टेम्पलेट्स आणि शैली मार्गदर्शक वापरून एक्सेल, वर्ड आणि पॉवरपॉइंटसह फॉरमॅटमध्ये तयार केले जाऊ शकते.
हे चॅटबॉटची भूमिका केवळ आर्थिक प्रश्नाचे उत्तर देण्यापासून ते प्रश्नानंतर येणारे कार्य उत्पादन तयार करण्यात मदत करण्यापर्यंत बदलते. विश्लेषकाला अनेक आर्थिक स्त्रोतांकडून माहिती गोळा करणे, कंपन्यांची तुलना करणे, निष्कर्षांची रचना करणे, विश्लेषण विकसित करणे आणि नंतर ते विश्लेषण क्लायंट-रेडी दस्तऐवजात बदलणे आवश्यक असू शकते. उत्पादनाची रचना त्या व्यापक कार्यप्रवाहाच्या आसपास केली आहे.
सुरक्षा आणि गोपनीय डेटा
वित्तीय संस्था डेटा ऍक्सेस आणि माहिती अडथळ्यांना विशेषतः महत्वाच्या असलेल्या आवश्यकतांनुसार कार्य करतात. वित्तीय सेवांसाठी ChatGPT SAML SSO, SCIM तरतूदी आणि भूमिका-आधारित प्रवेश नियंत्रणांसह एंटरप्राइझ नियंत्रणांवर तयार करते, तर OpenAI म्हणते की व्यवसाय डेटा डीफॉल्टनुसार त्याचे मॉडेल प्रशिक्षित करण्यासाठी वापरला जात नाही. हे प्लॅटफॉर्म ओपनएआयच्या कंप्लायन्स प्लॅटफॉर्मद्वारे आरामात आणि ट्रांझिटमध्ये एन्क्रिप्शन, कॉन्फिगर करण्यायोग्य रिटेन्शन सेटिंग्ज आणि कंप्लायन्स लॉग एक्सपोर्टला सपोर्ट करते.
संघांमधील माहिती अडथळ्यांना समर्थन देण्यासाठी फर्म स्वतंत्र कार्यक्षेत्रे तयार करू शकतात, संस्थांना प्रवेश व्यवस्थापित करण्यात मदत करतात जेथे भिन्न गटांना विशिष्ट माहितीपासून वेगळे करणे आवश्यक असू शकते. OpenAI असेही म्हणते की फर्म भूमिकेद्वारे ॲप्स आणि कौशल्यांमध्ये प्रवेश व्यवस्थापित करू शकतात आणि समर्थित वाचन/लेखन क्रिया नियंत्रित करू शकतात, वापरकर्ते कनेक्ट केलेल्या साधने आणि डेटासह कसे परस्परसंवाद करतात यावर प्रशासकीय नियंत्रणाचा आणखी एक स्तर जोडतात.
ही नियंत्रणे महत्त्वाची आहेत कारण आर्थिक एआय प्रणालीचे मूल्य केवळ ती कोणती माहिती मिळवू शकते यावर अवलंबून नाही तर ती पुनर्प्राप्त करण्याची परवानगी कोणाला आहे आणि त्या माहितीसह कोणती क्रिया केली जाऊ शकते यावर देखील अवलंबून असते. प्रोप्रायटरी कंपनी माहिती, मार्केट डेटा आणि अंतर्गत दस्तऐवज एकत्र करणाऱ्या वर्कफ्लोला सिस्टमचा भाग राहण्यासाठी परवानग्या आणि प्रशासन आवश्यक आहे.
हे कनिष्ठ बँकरचे काम बदलू शकते का?
कनिष्ठ स्तरावरील आर्थिक कामावर होणारा संभाव्य परिणाम हा उत्पादनाच्या अधिक मनोरंजक परिणामांपैकी एक आहे, परंतु रोजगाराच्या पुष्टीच्या परिणामासह तो गोंधळून जाऊ नये.
OpenAI वर्णन केलेल्या अनेक कार्यप्रवाहांमध्ये संशोधन, माहिती गोळा करणे, आर्थिक विश्लेषण आणि दस्तऐवज तयार करणे यासह कनिष्ठ विश्लेषकांद्वारे पारंपारिकपणे केलेल्या कार्यांचा समावेश होतो. AI-सहाय्यित वर्कफ्लोद्वारे या क्रियाकलाप अधिक वेगवान झाल्यास, विश्लेषक पुनरावृत्ती संशोधन आणि स्वरूपनासाठी घालवणारा वेळ कमी करू शकतात.
तथापि, ते उत्पादनाच्या संभाव्य प्रभावाचे विश्लेषण आहे. मॉर्गन स्टॅन्लेचे विधान कर्मचाऱ्यांना संशोधन कंपन्यांना मदत करणे, विश्लेषण विकसित करणे आणि सल्ला तयार करणे यावर लक्ष केंद्रित करते; हे हेडकाउंटबद्दल दावे करत नाही.
OpenAI ची सार्वजनिक सामग्री असा दावा करत नाही की उत्पादन मानवी निर्णय, ग्राहक सल्ला किंवा अंतिम निर्णय घेण्याची जागा घेते. त्यामुळे वर्कफ्लो कॉम्प्रेशन ही अधिक तात्काळ शक्यता आहे: विश्लेषक माहिती गोळा करण्यात आणि स्वरूपित करण्यात कमी वेळ घालवू शकतात आणि आउटपुटचे पुनरावलोकन करण्यात, निष्कर्षांचा अर्थ लावण्यासाठी आणि प्रक्रियेच्या उच्च-मूल्य असलेल्या भागांवर काम करण्यासाठी अधिक वेळ घालवू शकतात. शेवटी कर्मचारी पातळी बदलते की नाही हा एक वेगळा प्रश्न आहे जो वैयक्तिक वित्तीय संस्था तंत्रज्ञान कसे उपयोजित करतात यावर अवलंबून असेल.
उपलब्धता
आर्थिक सेवांसाठी ChatGPT उपलब्ध आहे पात्र वित्तीय संस्था OpenAI च्या आर्थिक-सेवा विक्री आणि खाते संघांद्वारे. हे स्वयं-सेवा ग्राहक उत्पादन म्हणून सादर केले जात नाही आणि OpenAI ची घोषणा स्वारस्य असलेल्या संस्थांना त्यांच्या वित्तीय-सेवा विक्री संघाशी संपर्क साधण्याचे निर्देश देते.
ती स्थिती उत्पादनाच्या अभिप्रेत प्रेक्षकांना अधिक मजबूत करते. वैयक्तिक ChatGPT वापरकर्त्यांना दुसरा वित्त मोड देण्यावर लक्ष केंद्रित केले जात नाही तर वित्तीय संस्थांना संशोधन, मॉडेलिंग, डेटा ऍक्सेस आणि व्यावसायिक कामासाठी नियंत्रित वातावरण प्रदान करण्यावर लक्ष केंद्रित केले आहे.
पुढे काय पहायचे
ओपनएआय गुंतवणूक बँकिंग आणि इक्विटी संशोधनाच्या पलीकडे कोणत्या वित्तीय सेवा श्रेणींमध्ये विस्तारित करते हे सर्वात स्पष्ट पुढील संकेत असेल, कारण कंपनीने मॉर्गन स्टॅनले आणि एव्हरकोर भागीदारीद्वारे सूचित केलेले प्रारंभ बिंदू म्हणून हे प्रक्षेपण स्पष्टपणे तयार केले आहे. इतर प्रमुख AI लॅब त्यांच्या स्वत:च्या उभ्या आर्थिक उत्पादनांसह प्रतिसाद देतात की नाही हे पाहण्यासारखे आहे आणि बँकांमध्ये वास्तविक-जागतिक अवलंब केल्याने कनिष्ठ-स्तरीय कार्यप्रवाह ओपनएआयच्या फ्रेमिंगने सुचविल्याप्रमाणे बदलतो का.
बँका आणि इतर वित्तीय कंपन्यांसाठी, ChatGPT आर्थिक प्रश्नांची उत्तरे देऊ शकते की नाही ही खरी परीक्षा असणार नाही. डेटा नियंत्रणे किंवा व्यावसायिक निर्णयाशी तडजोड न करता उत्पादन सध्याच्या संशोधन, विश्लेषण, मॉडेलिंग, पुनरावलोकन आणि क्लायंट तयार करण्याच्या साखळीमध्ये विश्वासार्हपणे बसू शकेल की नाही हे असेल. शेवटी हेच ठरवेल की चॅटजीपीटी फॉर फायनान्शिअल सर्व्हिसेस हे दुसरे एंटरप्राइझ एआय टूल बनते की आर्थिक विश्लेषक वर्कफ्लोचा अर्थपूर्ण भाग.
(स्त्रोत)
Comments are closed.