Стартап Model ML залучив 250 мільйонів доларів на розробку ШІ-агентів, які мають узяти на себе рутинну роботу в інвестиційних банках. За словами компанії, її агенти розуміють повний контекст угод, над якими працюють банкіри та консультанти, і можуть автоматично оновлювати фінансові моделі та презентації щойно нові події впливають на аналіз.
Саме ця здатність тримати актуальною всю картину угоди є головною обіцянкою продукту. У банківській практиці оновлення моделі після кожної нової цифри, правки в презентації чи нового розвитку подій традиційно займає години ручної роботи аналітиків, які часто працюють допізна перед дедлайном. Якщо агенти справді беруть на себе цю частину, команда отримує більше часу на висновки, оцінку ризиків і переговори, а не на переписування таблиць і звірку показників між файлами.
Для компаній, які працюють із великими угодами, цінність такого інструменту полягає в швидкості реакції. Коли новий фактор змінює припущення в моделі, потрібно оперативно перерахувати оцінку, перевірити вплив на умови угоди та оновити матеріали для клієнта. Ручний процес у таких ситуаціях створює затримки, а затримки в угодах означають втрачені можливості. Саме тому стартапи, що обіцяють автоматизувати цю роботу, привертають увагу інвесторів, які шукають прикладні сценарії застосування ШІ з чіткою бізнес-цінністю.
Для українського ринку це сигнал у два боки. Банківський і фінансовий сектор в Україні поки менший за американський чи європейський, проте аналітичні відділи банків, фондів і консалтингових компаній уже активно використовують генеративні моделі для роботи з документами та звітами. Команди, які займаються фінансовим моделюванням, можуть шукати подібні рішення з огляду на вимогу швидкості та точності, а також оцінювати, наскільки такі агенти здатні працювати з українською мовою, місцевою звітністю та законодавчими вимогами.
Окремо варто бачити контекст ширшого інвестиційного ринку. Залучення такого розміру для стартапу, що автоматизує вузьку, але дорогу роботу, показує, що інвестори вважають професійні фінансові процеси однією з перших ніш, де ШІ-агенти можуть швидко перейти від експериментів до платних контрактів. Питання полягає в тому, чи зможе компанія довести, що її точність і контроль над даними витримують вимоги регуляторів і самих банкірів, для яких помилка в моделі має реальну ціну.
Для українських продуктових і фінансових команд головний висновок простий. Автоматизація аналітичної рутини виходить за межі загальних чат-ботів і стає вузькоспеціалізованими агентами з доступом до контексту конкретної роботи. Перед впровадженням таких інструментів варто перевірити три речі: як вони працюють з даними, що не можна передавати за межі компанії, як вони поводяться з українськими та європейськими форматами звітності, і хто відповідає за помилку, коли агент сам оновив модель.