投資会社の強みは一取引ごとに築かれますが、各決定の背後にある判断は通常、少数のシニア投資家の頭の中にあります。彼らが去ると、会社は次のようなものを抱え込みます。 Terminal X(新しいウィンドウで開く) がメモリ債務と呼ぶものです。会社は文書を保持していても、その推論プロセスを失ってしまいます。
Terminal XのCapital Memoryオペレーティングシステムは、この債務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出身の元金融・投資の専門家であり、各顧客の投資チームに同行し、同社のエージェント型アーキテクチャを設計し、会社がどのように投資するかを会社自身が所有するエージェントにエンコードします。これらはオンプレミスまたは自社のクラウドに展開されます。
GPT‑6.1 SolやGPT‑6 Lunaを含むOpenAIのモデルが、これらのエージェント内部の推論を担います。そして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逸脱した推奨事項を約25%多く検出するのに役立ち、次点のモデルと比較してクエリあたり約30%低コストで同じワークフローを実行しました。
「GPT-6.1 Solの長文コンテキスト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で監査可能なものにします。」—Hyun Hong、Terminal X共同創業者兼CEO
各会社の最高の投資家の推論をエンコードする
各顧客に対して、Terminal Xは同社の最高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のエンジニアは顧客先に数週間常駐し、信頼された投資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、共同投資チームがメモ作成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把握します。
次に、それらのプロセスは、資産クラスや戦略ごとにカスタマイズされ、投資ステージごとにサブエージェントを持つ数百のエージェントにエンコードされます。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、会社のマンダートとの適合性の評価を担当します。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、中国語の文書を処理し、学習内容をファームMemoryとして保存します。これは、あるデスクがある種の決定を下す方法について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、ワークフロー指示、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、つまり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、推論とともに監査可能です。
Terminal Xによると、顧客はこのアプローチにより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ファームは、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を通じて、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。確認するのは次のような点です。数値、コンプス、コンセンサス数値、引用が正しい情報源から取得されているか。物語に一貫性があるか。推奨事項がハウスビューに結びついているか。
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一行の理由と、より良い情報源または修正されたテキストが含まれ、Memoryとして記録されます。たとえば、情報源の欠落、誤ったコンプラブル、ハウスビューから逸脱したテーゼは、そのデスクのため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が、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。つまり、会社が使い続けるほど、システムは自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は独自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、次点のモデルの86.4%を上回り、220ベーシスポイントの改善を達成しました。
GPT‑6.1 Solが優れていたエラーの一つが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に対して割引で取引されているトークンプライベート候補を見つけ、事業をアンダーライトし、資金調達をスキーム化することです。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救済融資を推奨し始めます。GPT‑6.1 Sol上のEval Agentは、次点のモデルと比較してこれらの逸脱を約25%多く検出しました。
GPT‑6.1 Solの長文コンテキスト作業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検証され、次に最近のディールに対して検証されます。不確実な判定は再実行され、レポート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は、同等のモデルでの単一パスでは見逃していたディールを検出しました。また、GPT‑6.1 Solは、次点のモデルと比較してクエリあたり約30%低コストで、同程度の速度で同じワークフローを実行しました。
すべての投資家のためのMemoryに向けて
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、100万件を超えるカスタムワークフローを実行し、月間アクティブユーザー数の81%に相当する週間アクティブユーザー数に達しました。
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基準が、説明されている通りだけでなく、実践されている通りに記録されるようにすることです。
Terminal Xの共同創業者兼CEOであるHyunにとって、それこそが要点です。「次の10年に勝つ企業は、自らの判断をデータとして所有するでしょう。私たちの仕事は、その判断を測定可能にし、保持し、改善し、再利用できるようにすることです。」