La parte più lenta di un’analisi finanziaria spesso non è formulare la domanda. È trovare il dato giusto, capire a quale periodo appartiene, leggere una nota e portare tutto dentro un modello o una presentazione senza perdere la fonte. OpenAI prova a comprimere questa catena con ChatGPT for Financial Services, annunciato il 10 settembre come esperienza dedicata di ChatGPT Work. Il primo ambito è preciso: investment banking e ricerca azionaria. Morgan Stanley ed Evercore hanno partecipato come design partner, cioè hanno contribuito a indicare problemi e flussi da affrontare; non è una prova indipendente dell’efficacia del prodotto. OpenAI mostra cinque attività: analisi del valore, modelli di leveraged buyout, ricerca di potenziali acquirenti, lettura dei risultati e preparazione di pitchbook. Il motore include GPT-6 Astra, ma il prodotto non coincide con il modello. Integra fonti, diritti di accesso, modelli Excel, Word e PowerPoint e controlli amministrativi. È una distinzione importante rispetto all’articolo sul [[lancio e i prezzi di GPT-6 Astra|/articoli/gpt-6-astra-openai-uscita-prezzo-disponibilita]]: qui la novità è il pacchetto di lavoro costruito attorno al modello, non una nuova versione dell’AI.
Perché è importante
- OpenAI ha presentato un’esperienza ChatGPT Work dedicata inizialmente a investment banking e ricerca azionaria, sviluppata con Morgan Stanley ed Evercore.
- Il prodotto include dati premium e collegamenti a fornitori finanziari, con citazioni fino a tabelle e passaggi specifici: la promessa è ridurre la distanza tra risposta e prova.
- È disponibile soltanto per istituzioni idonee tramite contatto commerciale; OpenAI non pubblica un prezzo, quote d’uso o un accesso individuale per il mercato italiano.
Un prodotto verticale: modello, dati e documenti nello stesso spazio
ChatGPT for Financial Services include dati di Daloopa, PitchBook, LSEG News e Crunchbase, fra cui trascrizioni dei risultati, bilanci, fondamentali e informazioni sulle società private. OpenAI afferma di indicizzarli e ospitarli sulla propria infrastruttura per migliorare recupero, latenza e citazioni. Chi usa il prodotto dovrebbe poter risalire dalla risposta alla tabella o al passaggio che sostiene cifra e affermazione. Le aziende possono inoltre usare abbonamenti esistenti. OpenAI sta lavorando a un accesso condiviso con S&P Capital IQ, LSEG, MSCI, Dow Jones Factiva e Moody’s; il suo ecosistema supera cinquanta connettori e comprende, tra gli altri, FactSet, Preqin, Datasite e Box. Non significa che ogni fonte sia compresa nel prezzo: alcune richiedono diritti e contratti già posseduti dall’istituzione. L’esempio pubblicato dall’azienda riguarda la normalizzazione di un conto economico. Il sistema può mostrare riconciliazione e note dietro un EBITDA rettificato, lasciando all’analista la decisione su quali costi escludere. È il modo corretto di leggere la promessa: l’AI riduce ricerca e trasformazione; non decide da sola quale aggiustamento sia corretto per una valutazione o per il cliente.
GPT-6 Astra può attraversare più fonti, seguire cifre tra periodi e trasformare l’analisi in grafici, fogli, documenti e slide. Gli amministratori possono pubblicare template e guide di stile dell’istituzione. In teoria un team passa dalla domanda a un materiale coerente senza ricopiare manualmente tabelle e formati. Il vantaggio va però misurato sul documento verificato, non sulla qualità visiva della prima bozza. Un modello può associare la colonna sbagliata, confondere dato riportato e rettificato, ignorare una nota o creare un grafico coerente con un’unità errata. Le citazioni granulari rendono questi errori più controllabili, non impossibili. Il test utile prepara cinque casi con eccezioni note: cambio di valuta, esercizio non solare, acquisizione, riclassificazione e nota che contraddice il titolo della tabella. La guida pratica alla scelta tra i modelli OpenAI ricorda che usare il modello più potente ovunque può aumentare costi e tempi. Anche qui il criterio resta il risultato: una ricerca complessa può giustificare Astra; estrazioni ripetitive e controllate potrebbero richiedere strumenti più semplici. Il prodotto verticale ha valore quando riduce passaggi senza nascondere origine e revisione.
Cosa puoi farci concretamente
- Per valutare un prodotto AI verticale, costruire cinque domande con risposta nota e verificare fonte, periodo, valuta, unità e note contabili.
- Separare dati pubblici, dati acquistati e informazioni riservate; assegnare accessi per ruolo e controllare log, conservazione ed esportazione prima del pilota.
- Misurare il lavoro completo: minuti fino al documento verificato, correzioni, errori sui numeri e costo delle licenze dati, non soltanto la velocità della prima risposta.
Accesso, sicurezza e prezzo: ciò che un annuncio non risolve
OpenAI dichiara che i dati aziendali non vengono usati per addestrare i modelli per impostazione predefinita e cita cifratura a riposo e in transito, SAML SSO, provisioning SCIM, accessi basati sui ruoli e conservazione configurabile. I team di conformità possono esportare log tramite la Compliance Platform e creare più workspace per separare gruppi e informazioni. Sono funzioni necessarie per informazioni materiali non pubbliche e dati dei clienti, ma richiedono configurazione, contratti e controlli locali. Un connettore attivo amplia la superficie consultabile; un template può contenere informazioni riservate; un documento convincente può essere inoltrato prima della revisione. Prima del pilota servono privilegi minimi, un campione non sensibile e un’approvazione distinta per ogni output destinato all’esterno. OpenAI dice che il servizio è disponibile per istituzioni finanziarie idonee tramite vendita o account team. Non pubblica listino, quote, Paesi serviti o un piano acquistabile autonomamente in Italia. Il lancio conta perché mostra dove si spostano i prodotti AI: dal chatbot generale a un ambiente con dati, modelli e governance. La prova decisiva sarà se citazioni e controlli accorciano il lavoro senza trasformare una risposta elegante in una decisione non verificata.
Per il business, l’AI diventa rilevante quando modifica una metrica operativa: capacità, qualità, tempo o rischio. Il numero di utenti e di conversazioni descrive l’adozione, ma non dimostra da solo un ritorno. Il collegamento al processo deve essere esplicito. Nel caso di “ChatGPT entra nei servizi finanziari: il punto non è il chatbot, ma i dati”, questo significa leggere la novità oltre l’annuncio e capire quali parti del lavoro vengono realmente modificate. Il rischio è estendere un progetto prima di avere una baseline e criteri di uscita. Costi di integrazione, revisione e cambiamento organizzativo possono superare le licenze. Una valutazione completa considera anche alternative più semplici. Le imprese più efficaci gestiranno un portafoglio di casi, ampliando quelli misurabili e interrompendo gli altri. Governance e formazione non saranno attività separate: diventeranno il metodo con cui la tecnologia viene scelta, controllata e migliorata. La notizia è quindi un indicatore di una trasformazione più ampia, che va seguita attraverso risultati e condizioni operative anziché con la sola successione degli annunci.
La domanda che resta
Per valutare un prodotto AI verticale, costruire cinque domande con risposta nota e verificare fonte, periodo, valuta, unità e note contabili. Questo primo passo serve a trasformare il tema in un perimetro verificabile: un responsabile, un input conosciuto, un risultato atteso e una misura precedente con cui confrontarsi. Senza questi elementi il progetto rimane una dimostrazione difficile da valutare. Separare dati pubblici, dati acquistati e informazioni riservate; assegnare accessi per ruolo e controllare log, conservazione ed esportazione prima del pilota. L’azione deve essere documentata insieme ai criteri di controllo, indicando quali casi possono procedere e quali devono fermarsi. È così che l’esperienza delle persone diventa una regola applicabile e migliorabile nel tempo. Misurare il lavoro completo: minuti fino al documento verificato, correzioni, errori sui numeri e costo delle licenze dati, non soltanto la velocità della prima risposta. Prima di estendere il metodo è utile raccogliere correzioni, tempi e costi per alcune settimane. Gli errori vanno raggruppati per causa: dati, istruzioni, strumenti o eccezioni del processo. Ogni categoria richiede un intervento diverso. OpenAI ha presentato un’esperienza ChatGPT Work dedicata inizialmente a investment banking e ricerca azionaria, sviluppata con Morgan Stanley ed Evercore. È il punto da cui partire perché definisce l’effetto più immediato per professionisti e imprese. La sua importanza va misurata sul lavoro quotidiano: quante attività coinvolge, quali persone tocca e cosa accade quando il risultato non è corretto.
Il prodotto include dati premium e collegamenti a fornitori finanziari, con citazioni fino a tabelle e passaggi specifici: la promessa è ridurre la distanza tra risposta e prova. Questo secondo elemento chiarisce perché non basta scegliere un prodotto. Servono un processo, dati affidabili e una responsabilità finale. L’adozione diventa sostenibile quando la tecnologia può essere osservata e corretta senza interrompere l’operatività. È disponibile soltanto per istituzioni idonee tramite contatto commerciale; OpenAI non pubblica un prezzo, quote d’uso o un accesso individuale per il mercato italiano. Il terzo punto indica la prospettiva di medio periodo. La decisione migliore non è necessariamente quella con più funzioni, ma quella che mantiene valore, controllo e possibilità di evoluzione quando cambiano modelli, prezzi o requisiti.
Fonti
Documenti, comunicati e pubblicazioni consultati per ricostruire dati e contesto.
