OpenAI собрала финансовые данные и GPT-6 Astra в отдельном ChatGPT

Финансовый ChatGPT начинается с данных, а не с пустого чата

OpenAI представила ChatGPT for Financial Services — специализированную версию ChatGPT Work для финансовых организаций. В одном рабочем пространстве она соединяет GPT-6 Astra, встроенные финансовые данные и инструменты подготовки исследований, моделей и клиентских материалов. Продукт создавался при участии Morgan Stanley и Evercore; стартовые сценарии сосредоточены на инвестиционном банкинге и equity research.

Главное отличие от универсального корпоративного ассистента — готовый слой данных. В продукт включены наборы Daloopa, PitchBook, LSEG News и Crunchbase: отчётность, стенограммы earnings calls, фундаментальные показатели и сведения о частных компаниях. OpenAI индексирует и размещает эти данные в своей инфраструктуре, чтобы улучшать retrieval, latency и отображение доказательств. Для доступа к встроенным наборам не нужны отдельные договоры и собственноручно настроенные connectors.

Это не означает, что все источники становятся безусловно доступными каждому пользователю. Для уже купленных корпоративных подписок OpenAI работает над shared sign-in и entitlement integrations с S&P Capital IQ, LSEG, MSCI, Dow Jones Factiva и Moody’s. Провайдер должен распознать права пользователя через вход в ChatGPT. Отдельно компания говорит более чем о 50 connectors, среди которых Datasite, Box, Preqin и Intapp, а также об оптимизации популярных MCP-подключений вроде S&P Global и FactSet.

Цитата должна вести к строке таблицы, а не только к документу

OpenAI делает granular citations частью финансового workflow. Пользователь может проследить число или утверждение до конкретной таблицы и фрагмента, увидеть reconciliation и примечания к скорректированной EBITDA, а затем решить, какие исключённые затраты учитывать в оценке. Это важная граница: модель помогает собрать анализ, но профессиональное суждение о трактовке показателя остаётся у человека.

GPT-6 Astra заявлена как базовая модель продукта. OpenAI выделяет три способности, нужные финансовым командам: поиск информации, финансовое рассуждение и создание артефактов. Модель должна понимать числа, таблицы и сноски, выполнять анализ и собирать результат в документы, spreadsheets и slides. После исследования пользователь может строить интерактивные charts с доступом к исходным данным и ссылкам.

В качестве одного измерения компания приводит OfficeQA Pro — задачи поиска и анализа по U.S. Treasury Bulletins, включая сложные таблицы, графики и сноски. В публикации GPT-6 Astra получила 69,9%, а GPT-5.6 Sol — 60,2%. Эта разница относится к указанному benchmark, а не гарантирует такой же прирост на внутренних моделях банка, конфиденциальных сделках или нестандартной отчётности. Локальная проверка должна повторять реальные типы документов и правила команды.

Готовый анализ можно уложить в шаблон фирмы

Администраторы смогут публиковать утверждённые шаблоны Excel, Word и PowerPoint на отдельной admin page. С настроенными templates и style guides сотрудники превращают анализ в valuation models, research notes и pitchbooks в принятом формате организации. Это уменьшает разрыв между ответом модели и материалом, который можно передать коллегам или клиенту, но качество всё равно зависит от корректности входных данных и проверки результата.

Дизайн-партнёры описывают именно совместную настройку рабочего процесса. Morgan Stanley говорит о применении intelligence к исследованию компаний, анализу и подготовке рекомендаций; Evercore — о более глубоких выводах при сохранении профессионального judgment и строгих стандартов. Это отзывы участников разработки в публикации поставщика, а не независимое сравнение производительности банков.

Для внедрения полезно измерять не количество сгенерированных страниц, а долю подтверждённых чисел, время до проверенного результата, число исправлений в формулах и соответствие финального документа утверждённому шаблону. Granular citations позволяют построить такую проверку, но сами по себе не доказывают правильность вывода: ссылка должна вести к релевантному фрагменту, а расчёт — воспроизводиться из показанных исходных данных.

Контроль доступа должен учитывать информационные барьеры

ChatGPT for Financial Services наследует SAML SSO, SCIM provisioning и role-based access controls от ChatGPT Enterprise. OpenAI заявляет, что бизнес-данные клиента по умолчанию не используются для обучения моделей, шифруются при хранении и передаче, а администратор может настроить срок хранения. Поддерживаемые workspace logs можно выгружать через OpenAI Compliance Platform в существующий процесс аудита и расследований.

Администраторы могут управлять доступом к skills и apps по ролям, отдельно разрешать или запрещать поддерживаемые read и write actions и создавать несколько workspaces для информационных барьеров. Для финансовой организации это критичнее общей способности модели: сотрудник не должен увидеть данные сделки или клиента только потому, что ассистент технически умеет найти их в подключённом источнике.

Продукт доступен eligible financial institutions через обращение к sales или account team. OpenAI не публикует в анонсе прайс, полный перечень стран и формальные критерии допуска. Поэтому нынешний релиз следует оценивать как специализированную корпоративную оболочку с данными, model reasoning и document workflows, а не как самостоятельную систему принятия инвестиционных решений. Производственная готовность определяется тестом прав, источников, расчётов и воспроизводимости каждого клиентского материала.