Hebbia sees improvements in financial research with GPT-6 Astra
La startup Hebbia ha demostrado mejoras significativas en la investigación financiera utilizando el modelo GPT-6 Astra de OpenAI. En pruebas recientes, Hebbia logró avances notables en la identificación de fuentes necesarias para responder preguntas complejas y en la creación de presentaciones que cumplen con los requisitos específicos de los banqueros.
Antes de que un banquero pueda recomendar una adquisición a sus clientes, es crucial comprender los estados financieros, contratos de clientes y presentaciones de gestión. Hebbia ha desarrollado Matrix, una herramienta que integra esta investigación, vinculando respuestas a los documentos que las respaldan.
Hebbia probó GPT-6 Astra para mejorar dos aspectos clave: la búsqueda de fuentes relevantes y la construcción de presentaciones que sigan las directrices del banquero. Según Kavita Anand, miembro del equipo técnico de Hebbia, «los avances de GPT-6 Astra en términos de calidad y precisión han sido sorprendentes. Este modelo supera a cualquier otro que hayamos probado antes en estos aspectos».
En un ejemplo hipotético, un banquero que evalúa una adquisición estratégica podría cargar aproximadamente 2,000 archivos en Matrix. La herramienta permitiría examinar la concentración de clientes, términos contractuales y rotación, además de incorporar presentaciones de pares y noticias de la industria para desarrollar una tesis de inversión.
GPT-6 Astra selecciona documentos o celdas de Matrix para respaldar una respuesta y convierte el análisis en diapositivas de PowerPoint que siguen la estructura y directrices del usuario. Kavita destaca la importancia de la trazabilidad, ya que las decisiones financieras de millones de dólares dependen de las respuestas proporcionadas por la IA. «Las citas ayudan con la trazabilidad y brindan confianza a los usuarios de que la IA encontró la respuesta correcta», afirma.
En las pruebas de Hebbia, GPT-6 Astra combinó una amplia cobertura de fuentes con citas altamente relevantes, superando en 13.6 puntos porcentuales a la mejor alternativa probada en cuanto a tipos de fuentes citadas. Además, el 99.5% de los extractos citados eran relevantes para la pregunta planteada.
GPT-6 Astra también lideró en calidad de presentación, cumpliendo con el 97.9% de los requisitos aplicables y superando en 14.4 puntos porcentuales a la mejor alternativa en este aspecto. «En el pasado, hemos visto modelos que brillan en uno u otro de estos aspectos, pero GPT-6 Astra es el primero que se destaca en ambos», comenta Kavita.
Hebbia busca que los banqueros dediquen menos tiempo a reformatear presentaciones y verificar fuentes, y más tiempo a evaluar acuerdos. «Lo asombroso de GPT-6 Astra es su capacidad para crear resultados precisos que se adhieren a las directrices del usuario. Esto puede ahorrar horas de trabajo a los profesionales», concluye Kavita.
La visión futura de Hebbia incluye agentes que monitorean información en segundo plano y destacan señales importantes para los profesionales financieros. «Imaginen recibir una señal importante unas horas antes que sus competidores», sugiere Kavita. «Esto puede desbloquear mucho valor para nuestros usuarios».