La ventaja de una firma de inversión se construye operación a operación, pero el juicio detrás de cada decisión suele vivir en la cabeza de unos pocos inversores sénior. Cuando se van, la firma asume lo que Terminal X(abre en una nueva ventana) llama deuda de memoria: la firma puede conservar los documentos, pero pierde el razonamiento.
El sistema operativo Capital Memory de Terminal X está diseñado para pagar esa deuda. Los ingenieros desplegados en campo de la compañía, antiguos profesionales de finanzas e inversión de JPMorgan y Blackstone, trabajan con los equipos de inversión de cada cliente, diseñan la arquitectura agéntica de la firma y codifican cómo invierte la firma en agentes que son propiedad de la firma, desplegados en las instalaciones propias o en su propia nube.
Los modelos de OpenAI, incluidos GPT‑6.1 Sol y GPT‑6 Luna, gestionan el razonamiento dentro de esos agentes. Y el Eval Agent de Terminal X califica el resultado de los agentes según los estándares de la firma. GPT‑6.1 Sol ayudó al Eval Agent a detectar aproximadamente un 25% más de recomendaciones que se desviaban del mandato de un fondo y ejecutó los mismos flujos de trabajo con un costo aproximadamente un 30% menor por consulta que el siguiente mejor modelo.
“El razonamiento de contexto largo y la eficiencia de tokens de GPT-6.1 Sol nos permiten construir canalizaciones de evaluación más profundas. Esto ayuda a nuestros Eval Agents a hacer que el juicio de inversión sea medible y auditable”.—Hyun Hong, cofundador y CEO, Terminal X
Codificar el razonamiento de los mejores inversores de cada firma
Para cada cliente, Terminal X construye agentes diseñados para invertir como lo hacen los mejores inversores de la firma. Los ingenieros de Terminal X pasan semanas en las instalaciones del cliente, haciendo ingeniería inversa de los memorandos confiables de la firma y capturando procesos que nunca fueron documentados, como la forma en que el escritorio de crédito evalúa a un prestatario o qué fuentes consulta el equipo de coinversión antes de un memorando.
Luego, esos procesos se codifican en cientos de agentes, personalizados por clase de activo y estrategia, con subagentes para cada etapa de inversión. GPT‑6.1 Sol gestiona las etapas que requieren juicio y una enorme ventana de contexto: sintetizar la tesis de inversión, identificar consideraciones clave y evaluar la compatibilidad con el mandato de la firma. GPT‑6 Luna ejecuta los pasos de alto volumen donde la eficiencia de tokens importa más que la profundidad.
Los agentes trabajan dentro de la sala de datos privada de cada firma, un entorno dedicado para que las empresas compartan y gestionen datos de inversión sensibles. Los agentes procesan documentos en inglés, coreano, japonés y chino, y almacenan lo que aprenden como una memoria de la firma: un registro versionado de cómo un escritorio toma un tipo de decisión, incluidos sus análisis pasados, decisiones de comité, instrucciones de flujo de trabajo y opiniones internas.
Los ingenieros convierten cada memoria en un flujo de trabajo repetible en la plataforma de Terminal X, donde cada consulta de producción es auditable con su rastro completo: los pasos realizados, las fuentes recuperadas, el modelo utilizado y el razonamiento.
Según Terminal X, los clientes obtienen ahorros significativos gracias a este enfoque, incluida una firma de capital privado que reportó 2.4 millones de dólares en ahorros anualizados gracias a los flujos de trabajo automatizados de debida diligencia y memorandos de inversión.
Calificar respuestas con un Eval Agent y mejorar el sistema
Para verificar las respuestas de los agentes contra el estándar propio de la firma, Terminal X construyó un Eval Agent. Es un flujo de trabajo orquestado sobre GPT‑6.1 Sol y otros modelos de OpenAI diseñado para leer cada resultado de los agentes de la manera en que un VP lee el trabajo de un analista.
El Eval Agent verifica cada resultado contra una rúbrica de 54 criterios. Pregunta: ¿Los números, comparables, cifras de consenso y citas provienen de las fuentes correctas? ¿La narrativa se sostiene? ¿La recomendación se vincula con la opinión interna?
Cada verificación se califica como aprobada o reprobada. Cada reprobado incluye una razón de una línea y una mejor fuente o texto corregido, y se convierte en una memoria. Por ejemplo, una fuente omitida, un comparable incorrecto o una tesis que se desvía de la opinión interna se codifica como una nueva instrucción de flujo de trabajo o un nuevo caso de prueba para ese escritorio.
“Cada respuesta se evalúa, y todo lo que el analista corrige le enseña al sistema un poco más sobre cómo funciona esa firma”, dice Ken Lee, cofundador y CTO de Terminal X. “Así, cuanto más tiempo la usa una firma, más piensa como su propio equipo”.
Probar cada modelo, elegir por tarea
Terminal X elige los modelos según sus propios resultados de evaluación. En 500 juicios calificados, su Eval Agent sobre GPT‑6.1 Sol coincidió con el revisor humano sénior el 88.6% de las veces, frente al 86.4% del siguiente mejor modelo, una mejora de 220 puntos básicos.
Una clase de error en la que GPT‑6.1 Sol superó a los demás es la deriva de estilo. Por ejemplo, el mandato de un fondo de buyout es encontrar candidatas para tomar privadas que coticen con descuento respecto al NAV, suscribir el negocio y estructurar la financiación. Cuando los modelos de escenarios sugieren un giro del mercado, las operaciones comienzan a recomendar una posición de crédito en dificultades o una financiación de rescate. El Eval Agent sobre GPT‑6.1 Sol detectó aproximadamente un 25% más de estas desviaciones que el siguiente mejor modelo.
La eficiencia de tokens de GPT‑6.1 Sol en trabajos de contexto largo permitió a Terminal X construir un flujo de revisión más profundo dentro del mismo presupuesto. La tesis se prueba primero contra el mandato del fondo y luego contra sus operaciones recientes. Los veredictos inciertos se vuelven a ejecutar, y el agente concilia los resultados antes de reportar.
Esa revisión más profunda marcó operaciones que una sola pasada en un modelo comparable había dejado pasar. GPT‑6.1 Sol también ejecutó los mismos flujos de trabajo con un costo aproximadamente un 30% menor por consulta que el siguiente mejor modelo, a una velocidad similar.
Avanzando hacia una memoria para cada inversor
Usando GPT‑6.1 Sol y GPT‑6 Luna, Terminal X ha construido 1,700 memorias de firma, ejecutado más de 1 millón de flujos de trabajo personalizados y alcanzado un recuento de usuarios activos semanales equivalente al 81% de sus usuarios activos mensuales.
El siguiente paso de Terminal X es extender las Memories firmes desde los escritorios hasta los individuos, de modo que el estándar de cada profesional de la inversión quede capturado tal como se practica, y no solo tal como se describe.
Para Hyun, cofundador y CEO de Terminal X, ese es el punto: «Las firmas que ganen la próxima década serán dueñas de su criterio como datos. Nuestro trabajo es hacer que ese criterio sea medible, para que pueda conservarse, mejorarse y reutilizarse».