投資会社の優位性はディールごとに築かれますが、各決定の背後にある判断は通常、数人のシニア投資家の頭の中にあります。彼らが退職すると、会社は Terminal X(新しいウィンドウで開きます) が「メモリーデット(記憶負債)」と呼ぶものを抱えることになります。会社はドキュメントを保持していても、その推論プロセスを失ってしまうのです。
Terminal XのCapital Memoryオペレーティングシステムは、この負債を返済するために設計されました。同社のフォワードデプロイエンジニアは、JPMorganやBlackstoneの元ファイナンス・投資の専門家であり、各顧客の投資チームに同行し、会社のエージェントアーキテクチャを設計し、会社の投資方法を会社が所有するエージェントにエンコードし、オンプレミスまたは自社のクラウドに展開します。
GPT‑6.1 SolやGPT‑6 Lunaを含むOpenAIのモデルが、それらのエージェント内部の推論を担います。さらにTerminal XのEval Agentが、会社の基準に照らしてエージェントの出力を採点します。GPT‑6.1 Solは、Eval Agentがファンドのマンダートから外れた推奨を約25%多く検出するのに役立ち、同じワークフローを次善のモデルと比べてクエリあたり約30%低いコストで実行しました。
「GPT-6.1 Solの長文脈推論とトークン効率により、より深い評価パイプラインを構築できます。これにより、Eval Agentが投資判断を測定可能かつ監査可能なものにするのに役立っています。」—Hyun Hong(ヒョン・ホン)、Terminal X共同創業者兼CEO
各会社の最良の投資家の推論をエンコードする
各顧客について、Terminal Xは会社の最良の投資家と同じように投資するよう設計されたエージェントを構築します。Terminal Xのエンジニアは数週間、顧客のもとでオンサイトで作業し、会社の信頼されているメモをリバースエンジニアリングし、クレジットデスクが借り手をどのようにスクリーニングするか、あるいは共同投資チームがメモの前にどの情報源を参照するかといった、書かれたことのないプロセスを記録します。
次に、それらのプロセスは数百のエージェントにエンコードされ、アセットクラスと戦略ごとにカスタマイズされ、各投資ステージにサブエージェントが配置されます。GPT‑6.1 Solは、判断力と巨大なコンテキストウィンドウを必要とするステージ、すなわち投資テーゼの統合、重要な検討事項の特定、および会社のマンダートとの適合性の評価を担います。GPT‑6 Lunaは、深さよりもトークン効率が重要となる大量処理のステップを実行します。
エージェントは各会社のプライベートデータルーム内で動作します。これは企業が機密性の高い投資データを共有・管理するための専用環境です。エージェントは英語、韓国語、日本語、中国語のドキュメントを処理し、学習した内容をファームMemoryとして保存します。これは、あるデスクがどのようにある種の決定を下すかのバージョン管理された記録であり、過去の分析、委員会の決定、ワークフローの指示、およびハウスビューを含みます。
エンジニアは各MemoryをTerminal Xのプラットフォーム上で繰り返し可能なワークフローに変換します。そこではすべての本番クエリが完全なトレースとともに監査可能です。実行されたステップ、取得された情報源、使用されたモデル、および推論内容です。
Terminal Xによると、このアプローチにより顧客は大幅なコスト削減を実現しており、あるプライベートエクイティ企業は自動化されたデューデリジェンスおよび投資メモのワークフローにより、年間換算で240万ドルのコスト削減を報告しています。
Eval Agentで回答を採点し、システムを改善する
エージェントの回答を会社自身の基準と照らし合わせて確認するため、Terminal XはEval Agentを構築しました。これはGPT‑6.1 Solおよびその他のOpenAIモデル上のオーケストレーションされたワークフローで、VPがアナリストの仕事を読むのと同じようにすべてのエージェント出力を読むよう設計されています。
Eval Agentは各出力を54項目のルーブリックに照らしてチェックします。確認するのは次の点です。数値、コンプ、コンセンサス数値、引用は正しい情報源から取得されているか?筋書きに一貫性があるか?推奨はハウスビューと結びついているか?
各チェックは合格か不合格かで採点されます。すべての不合格には1行の理由と、より良い情報源または修正されたテキストが含まれ、Memoryになります。たとえば、見落とされた情報源、誤ったコンプラブル、またはハウスビューから逸脱したテーゼは、そのデスクの新しいワークフロー指示または新しいテストケースとしてエンコードされます。
「すべての回答が評価され、アナリストが修正した内容は、その会社の働き方についてシステムに少しずつ教えていきます。したがって、会社が使い続けるほど、システムはその会社のチームのように考えるようになるのです。」と、Terminal Xの共同創業者兼CTOのKen Leeは述べています。
すべてのモデルをテストし、タスクごとに選択する
Terminal Xは自社の評価結果に基づいてモデルを選択します。500件の採点済み判断において、GPT‑6.1 Sol上のEval Agentはシニアの人間のレビュアーと88.6%の割合で一致し、次善のモデルの86.4%に対して220ベーシスポイントの改善を示しました。
GPT‑6.1 Solが優れていたエラーの一種はスタイルドリフトです。たとえば、バイアウトファンドのマンダートは、NAVに対して割安で取引されている取締役会主導の買収(Take-Private)候補を発見し、事業をアンダーライトし、ファイナンスを構成することです。シナリオモデルが市場の転換を示唆すると、ディールはディストレストクレジットポジションやレスキューファイナンスを推奨し始めます。GPT‑6.1 Sol上のEval Agentは、次善のモデルと比べてこれらの逸脱を約25%多く検出しました。
GPT‑6.1 Solの長文脈処理におけるトークン効率により、Terminal Xは同じ予算内でより深いレビューワークフローを構築できました。テーゼはまずファンドのマンダートに対してテストされ、次に最近のディールに対してテストされます。不確実な判定は再実行され、報告前にエージェントが結果を照合します。
このより深いレビューにより、同等のモデルでの単一パスでは見逃されていたディールが検出されました。GPT‑6.1 Solはまた、同じワークフローを次善のモデルと比べてクエリあたり約30%低いコストで、類似の速度で実行しました。
すべての投資家のためのMemoryへ向けて
GPT‑6.1 SolとGPT‑6 Lunaを使用して、Terminal Xは1,700のファームMemoryを構築し、100万件以上のカスタムワークフローを実行し、週次アクティブユーザー数が月次アクティブユーザーの81%に達しました。
Terminal Xの次のステップは、ファームのMemoriesをデスクから個人へと拡張し、各投資プロフェッショナルのスタンダードを、記述どおりとしてではなく、実践されているそのままの形で記録することです。
Terminal Xの共同創業者兼CEOであるHyunにとって、それこそがポイントです。「次の10年に勝つファームは、自らのジャッジメントをデータとして所有します。私たちの仕事は、そのジャッジメントを測定可能にし、保持し、改善し、再利用できるようにすることです。」