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 senior. Cuando se van, la firma asume lo que Terminal X(se 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 de la empresa, antiguos profesionales de finanzas e inversión de JPMorgan y Blackstone, trabajan junto a 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 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 a 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 pipelines de evaluación más profundos. Esto ayuda a nuestros Eval Agents a hacer que el juicio de inversión sea medible y auditable.”—Hyun Hong, cofundador y CEO, Terminal X
Codificando el razonamiento de los mejores inversores de cada firma
Para cada cliente, Terminal X construye agentes diseñados para invertir de la manera en que 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 se habían puesto por escrito, como cómo el departamento 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 sub-agentes para cada etapa de inversión. GPT‑6.1 Sol se encarga de 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 del data room privado 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 Memory de la firma: un registro versionado de cómo un departamento toma un tipo de decisión, incluidos sus análisis pasados, decisiones de comité, instrucciones de flujo de trabajo y opiniones internas.
Los ingenieros convierten cada Memory en un flujo de trabajo repetible en la plataforma de Terminal X, donde cada consulta en producción es auditable con su rastro completo: los pasos realizados, las fuentes recuperadas, el modelo utilizado y el razonamiento.
Según Terminal X, los clientes ven ahorros significativos como resultado de este enfoque, incluida una firma de capital privado que reportó 2.4 millones de dólares en ahorros anualizados gracias a flujos de trabajo automatizados de due diligence y memorandos de inversión.
Calificando respuestas con un Eval Agent y mejorando el sistema
Para verificar las respuestas de los agentes frente al estándar propio de la firma, Terminal X construyó un Eval Agent. Es un flujo de trabajo orquestado en 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, los comparables, las cifras de consenso y las 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 Memory. Por ejemplo, una fuente omitida, un comparable incorrecto o una tesis que se aparta de la opinión interna se codifica como una nueva instrucción de flujo de trabajo o un nuevo caso de prueba para ese departamento.
“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.”
Probando cada modelo, eligiendo por tarea
Terminal X elige los modelos según sus propios resultados de evaluación. Entre 500 juicios calificados, su Eval Agent en GPT‑6.1 Sol coincidió con el revisor humano senior el 88.6% del tiempo, frente al 86.4% del siguiente mejor modelo, una mejora de 220 puntos base.
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 a adquisiciones de empresas que cotizan con descuento respecto al NAV, evaluar el negocio y estructurar el financiamiento. Cuando los modelos de escenarios sugieren un giro del mercado, las operaciones empiezan a recomendar una posición de crédito en dificultades o un financiamiento de rescate. El Eval Agent en 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 trabajo 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 a un costo aproximadamente un 30% menor por consulta que el siguiente mejor modelo, a velocidad similar.
Avanzando hacia una Memory para cada inversor
Usando GPT‑6.1 Sol y GPT‑6 Luna, Terminal X ha construido 1,700 Memories de firmas, ejecutado más de 1 millón de flujos de trabajo personalizados y alcanzado un recuento de usuarios activos semanales igual al 81% de sus usuarios activos mensuales.
El próximo paso de Terminal X es extender las Memories firmes desde los escritorios hasta los individuos, de modo que el estándar de cada profesional de inversiones 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 poseerán su criterio como datos. Nuestro trabajo es hacer que ese criterio sea medible, para que pueda conservarse, mejorarse y reutilizarse."