OpenAI запускает ChatGPT для финансовых услуг в стремлении покорить Wall Street автоматизированными исследованиями и отчетами

Каждый день аналитики инвестиционно-банковской сферы тратят часы на сбор данных о компаниях и рынке, выверку корректировок в Excel, проверку допущений, перенос анализа в PowerPoint, а затем на повторную проверку всей презентации, чтобы убедиться, что каждую важную цифру можно проследить до исходного источника.

Теперь OpenAI хочет, чтобы ChatGPT выполнял всю эту работу за считанные минуты или даже секунды — и при этом не разрывал цепочку аудита, позволяющую банкиру проверять результаты.

Именно поэтому сегодня компания представила ChatGPT for Financial Services — новую отраслевую версию ChatGPT Work (своего корпоративного инструмента повышения производительности), которая объединяет новую передовую модель ИИ GPT-6 Astra с премиальными финансовыми данными, контролируемыми компаниями шаблонами и корпоративным управлением.

OpenAI разработала этот продукт совместно с крупными инвестиционными банками Morgan Stanley и Evercore, чьи отзывы помогли сформировать первоначальный фокус на инвестиционном банкинге и анализе акционерного капитала. Сообщается, что эти фирмы назвали надежный доступ к данным и создание высококачественных рабочих материалов двумя главными проблемами для своих команд.

OpenAI также сотрудничает с более широким кругом поставщиков финансовых данных и программного обеспечения. Продукт включает премиальные данные от таких провайдеров, как Daloopa, PitchBook и LSEG News; OpenAI разрабатывает общие интеграции для входа и проверки прав (entitlements) с S&P Capital IQ, LSEG, MSCI, Factiva и Moody’s; кроме того, оптимизируются подключения к таким сервисам, как S&P Global и FactSet. Общая экосистема коннекторов продукта включает более 50 интеграций, в том числе Datasite, Box, Preqin и Intapp.

Новый продукт объединяет финансовые исследования, моделирование и создание материалов для клиентов в единой среде ChatGPT. В OpenAI заявляют, что команды могут проводить исследования по нескольким источникам, отслеживать показатели за разные отчетные периоды, интерпретировать примечания в публичных финансовых данных и превращать полученный анализ в электронные таблицы, документы, слайды, интерактивные графики и другие артефакты.

«Мы по сути обучаем ChatGPT проводить исследования подобно аналитику и так же подтверждать свои выводы», — заявил руководитель направления ChatGPT в OpenAI Ник Тёрли (Nick Turley) в ходе пресс-конференции, приуроченной к запуску.

По данным OpenAI, ChatGPT for Financial Services уже доступен для соответствующих критериям финансовых институтов; клиентам предлагается обратиться в компанию или к своим текущим менеджерам по работе с клиентами. Компания пока публично не раскрывает цены, требования к минимальному количеству лицензий, географические ограничения или критерии, используемые для определения того, какие учреждения имеют право на подключение.

Для руководителей по корпоративным технологиям значимость этого шага заключается не столько в том, что очередная модель ИИ может суммировать стенограмму отчета о доходах или создать презентацию для питча. Финансовые институты все чаще располагают множеством моделей, способных выполнять эти задачи.

Вместо этого OpenAI пытается объединить модель, профессиональные данные, права доступа, фирменные шаблоны, коннекторы и административные элементы управления в единую регулируемую среду, где аналитик может пройти путь от исследования и анализа до готового для клиента рабочего продукта.

Клондайк источников финансовых данных в реальном времени

ChatGPT for Financial Services включает премиальные наборы данных от таких провайдеров, как Daloopa, PitchBook и LSEG News, охватывающие такие сведения, как стенограммы доходов, финансовые отчеты, фундаментальные показатели компаний и данные о частных компаниях.

Сама идея внедрения профессиональных финансовых данных в ChatGPT не нова. В ноябре 2025 года PitchBook объявила о создании коннектора OpenAI MCP, в декабре LSEG анонсировала свой коннектор, а в марте 2026 года в рамках запуска GPT-5.4 и ChatGPT for Excel компания OpenAI сделала интеграции финансовых данных центральным элементом платформы.

Главное отличие представленного в четверг продукта заключается в его упаковке и архитектуре: по данным OpenAI, выбранные профессиональные наборы данных теперь включены в специализированный финансовый продукт без необходимости заключения отдельных контрактов или настройки коннекторов, а также проиндексированы и размещены на инфраструктуре OpenAI. Эти существующие партнерские отношения в сфере данных теперь также объединены с моделью GPT-6 Astra в рамках финансово ориентированного продукта.

В отличие от традиционного коннектора, который извлекает информацию из сторонней системы в момент запроса, в OpenAI заявляют, что компания сама индексирует и размещает эти объединенные данные на собственной инфраструктуре. По словам представителей компании, клиенты могут начать использовать эти наборы данных без согласования отдельных контрактов или настройки индивидуальных коннекторов.

OpenAI утверждает, что самостоятельное размещение и индексирование информации позволяют ей повысить точность извлечения данных, снизить задержки и улучшить работу со ссылками на источники.

В продукте предусмотрены фактически три пути доступа к данным. Выбранные премиальные наборы данных — включая информацию от Daloopa, PitchBook и LSEG News — поставляются в комплекте, индексируются и размещаются OpenAI, не требуя отдельного контракта или настройки коннектора.

Отдельно OpenAI работает с компаниями S&P Capital IQ, LSEG, MSCI, Dow Jones Factiva и Moody’s над интеграцией единого входа (SSO) и управления правами доступа, что позволяет провайдерам распознавать пользователя через ChatGPT и применять те права на данные, которыми этот пользователь уже обладает. Третья категория включает MCP и другие коннекторы, включая оптимизированные подключения к таким сервисам, как S&P Global и FactSet, а также более широкую экосистему, насчитывающую более 50 коннекторов.

Это различие имеет значение, поскольку такой провайдер, как LSEG, может фигурировать более чем в одной категории. Предлагаемый в комплекте сервис LSEG News не следует интерпретировать так, будто каждый набор данных LSEG поставляется вместе с ChatGPT for Financial Services; OpenAI отдельно описывает LSEG как часть своей стратегии управления правами для лицензированного контента.

Это архитектурное решение может оказаться важным для компаний, оценивающих продукт. Генеративный ИИ в финансовой сфере все меньше зависит от того, знает ли модель общие финансовые концепции, и все больше — от того, способна ли она надежно извлекать именно ту таблицу, сноску или раскрытие информации, которые лежат в основе анализа.

«Одно дело — номинально подключиться к куче вещей, и совсем другое — по-настоящему научить эти модели понимать смысл таких данных и уметь извлекать их», — отметил Тёрли.

В качестве примера OpenAI описывает работу банкира, проводящего анализ нормализации прибылей и убытков (P&L), которому необходимо изучить сверку (reconciliation) скорректированной EBITDA, определить, какие расходы руководство исключило, и решить, как эти корректировки должны повлиять на оценку. Цель состоит не просто в том, чтобы выдать цифру EBITDA, а в том, чтобы сохранить достаточное количество свидетельств (provenance), чтобы специалист мог изучить доказательства и принять независимое суждение.

Управление данными имеет ключевое значение

OpenAI реализует второй подход в отношении данных, которые организации уже приобретают самостоятельно. Компания заявляет о сотрудничестве с S&P Capital IQ, LSEG, MSCI, Factiva и Moody’s в области интеграции единого входа и проверки прав доступа. В рамках этой системы поставщики данных смогут распознавать пользователя по его учетной записи ChatGPT и автоматически предоставлять информацию, к которой у данного лица уже есть лицензионный доступ.

Это потенциально важно для корпоративных развертываний, поскольку лицензирование финансовых данных редко представляет собой простой общеорганизационный переключатель «вкл./выкл.». Отдельные отделы, бизнес-подразделения и сотрудники могут иметь различные права доступа, и предоставление ChatGPT возможности наследовать эти разрешения может снизить как административные издержки, так и риск того, что ИИ станет непреднамеренным обходным путем для существующих средств контроля доступа.

OpenAI также оптимизирует интеграции на базе протокола MCP с часто используемыми финансовыми провайдерами, такими как S&P Global и FactSet, и заявляет, что ее расширенная экосистема коннекторов теперь насчитывает более 50 интеграций, включая Datasite, Box, Preqin и Intapp. Компания подчеркивает, что сосредоточилась на решении проблем с использованием инструментов и извлечением данных, которые могут делать стандартные подключения по протоколу MCP ненадежными в реальных финансовых рабочих процессах.

Теперь компания подкрепляет некоторые из этих заявлений о надежности цифрами. Согласно оценке OpenAI, показатели ошибок коннекторов снизились с 5,09% до 1,99% для Quartr, с 6,84% до 2,66% для S&P Global, с 9,59% до 6,45% для FactSet и с 7,53% до 2,57% для Daloopa после проведенной работы по оптимизации. В OpenAI отмечают, что этих улучшений удалось добиться за счет автоматизированной оценки и итераций.

В анонсе не раскрывается размер или состав тестового набора данных и не дается точного определения того, что именно считалось ошибкой коннектора, поэтому финансовым институтам все равно потребуется проверять надежность в условиях собственных рабочих нагрузок, разрешений и запросов.

Интеллект Astra выступает в роли движущей силы

Моделью, лежащей в основе работы с этими источниками данных, является GPT-6 Astra. OpenAI описывает Astra как передовое решение по трем направлениям, которые она считает ключевыми для работы в сфере финансовых услуг: извлечение информации, финансовое обоснование (reasoning) и создание артефактов.

Компания заявляет, что Astra способна ориентироваться в цифрах, таблицах и сопутствующих примечаниях в финансовых документах, проводить на их основе финансовый анализ и синтезировать результаты в документы, электронные таблицы и презентации. ChatGPT for Financial Services также будет получать более новые модели OpenAI по мере их выпуска, а не оставаться навсегда привязанным к Astra.

В OfficeQA Pro — независимо разработанном бенчмарке, содержащем 133 вопроса по примерно 89 000 страницам бюллетеней Казначейства США, охватывающим почти вековой период, — модель GPT-6 Astra набрала 69,9% правильных ответов по результатам оценки OpenAI, по сравнению с 60,2% у GPT-5.6 Sol и 62,4% у Claude Fable 5.1, что дает преимущество в 9,7 и 7,5 процентных пункта соответственно.

OfficeQA Pro представляет особую ценность для продвигаемого OpenAI продукта, поскольку этот бенчмарк разрабатывался для проверки обоснованности корпоративных рассуждений, а не общих знаний.

Тем не менее к этому результату следует относиться сдержанно. Показатели в 69,9%, 60,2% и 62.4% получены самим разработчиком в ходе внутренней оценки; в релизе не приводится достаточно деталей об архитектуре агента, настройках логики рассуждений или других конфигурациях тестирования, чтобы превратить эту диаграмму в универсальный рейтинг моделей для финансовых задач. Исследователи OfficeQA Pro обнаружили, что производительность может меняться в зависимости от таких факторов, как выбор модели, представление документов, стратегия извлечения данных и масштабирование во время тестирования.

В ходе пресс-брифинга Тёрли заявил, что компания считает свою новейшую модель примерно в два раза более эффективной по сравнению с ближайшей альтернативой, если измерять показатель затрат на одну задачу, и добавил, что OpenAI сфокусировала свои оценки на извлечении корпоративных данных, финансовых рассуждениях и точности генерируемых артефактов.

Тёрли утверждал, что эти практические показатели имеют для целевого клиента гораздо большее значение, чем традиционные таблицы лидеров моделей. «Академические бенчмарки этой индустрии неинтересны, — сказал он. — Речь идет о реальной практической полезности, а это выражается в стоимости и эффективности».

Это различие имеет решающее значение для покупателей, сравнивающих модели по совокупной стоимости владения (TCO). Стоимость одного токена сама по себе мало что говорит об инвестиционно-банковском рабочем процессе, если одна модель требует большего количества повторных попыток, ручных исправлений или проверок со стороны аналитика, чем другая.

И наоборот, более дорогой процесс рассуждения все равно может оказаться дешевле в целом, если он позволяет точно завершить создание многоступенчатой модели или презентации с меньшими затратами на ручную доработку.

Таким образом, подход OpenAI с оценкой стоимости за задачу вполне актуален, однако финансовым институтам потребуются гораздо более веские доказательства, прежде чем рассматривать это утверждение в качестве метрики для закупок.

Создание артефактов — еще одна важнейшая часть продукта

Администраторы могут публиковать утвержденные шаблоны Excel, Word и PowerPoint через специальную страницу администрирования. Как только шаблоны компании и руководства по стилю настроены, сотрудники, по словам OpenAI, смогут генерировать модели оценки, аналитические записки и презентации для питчей в предпочтительных для организации форматах.

Здесь же, по заявлению OpenAI, проявляется ключевое различие между визуально впечатляющим результатом работы ИИ и финансовой работой производственного уровня. «Очень легко сделать слайды, которые хорошо выглядят, но гораздо сложнее сделать так, чтобы эти слайды действительно имели смысл, поскольку ИИ должен логически рассуждать «под капотом» и видеть правильные данные», — пояснил Тёрли.

В ходе демонстрации OpenAI также показала, как администраторы могут централизованно распространять шаблоны, в то время как отдельные пользователи могут сохранять их для собственного использования в будущем. В ходе другого показа система использовала результаты финансовой модели для создания интерактивного веб-сайта с элементами управления, которые позволяли пользователям менять допущения и видеть, как эти изменения отражаются на прогнозных результатах.

Технический специалист OpenAI Джозеф Ким (Joseph Kim), демонстрировавший продукт на пресс-брифинге для VentureBeat, отметил, что в компании рассматривают подобную генерацию интерфейсов не просто как ускоренную версию существующего рабочего процесса: «Мы не просто пытаемся ускорить то, что есть сейчас, но и уделяем много времени поиску новых способов задействовать эту платформу для нахождения принципиально новых подходов к работе».

Это указывает на более масштабный сдвиг в роли генеративного ИИ внутри финансовых организаций. Вместо того чтобы просто генерировать текст в окне чата, передовые системы все чаще задействуют для создания операционных артефактов — электронных таблиц, презентаций, приложений и интерфейсов, — которые сотрудники продолжают редактировать в привычном для них программном обеспечении.

OpenAI уже заложила основу для этой стратегии ранее в этом году, выпустив ChatGPT for Excel и внедрив интеграции с финансовыми данными. Выпуск мартовской версии позволил осуществлять финансовое моделирование прямо в Excel, а также добавил интеграции с финансовыми наборами данных и корпоративными источниками. Тогда OpenAI заявляла, что ChatGPT может создавать и обновлять модели, производить расчеты по рабочим книгам и отслеживать изменения до конкретных ячеек и формул.

OpenAI — далеко не единственная ИИ-компания, нацеленная на финансы

Anthropic запустила Claude for Financial Services в 2025 году, объединив Claude с подключениями к финансовым данным и поддержкой корпоративного внедрения, а в текущем году расширила предложение специализированными финансовыми агентами для таких задач, как создание презентаций для питчей и проверка клиентов (KYC). Она также внедрила Claude в Excel, PowerPoint, Word и другие приложения Microsoft 365.

Тем временем Microsoft интегрирует многие из тех же источников финансовых данных в свой Copilot. Ее стратегия в сфере финансовых услуг включает коннекторы от таких провайдеров, как LSEG, Moody’s, Daloopa, FactSet, PitchBook и S&P Global, сохраняя при этом работу ИИ внутри Excel, Teams, Outlook и других приложений Microsoft 365, где финансовые специалисты уже ведут свою деятельность.

Традиционные поставщики финансовых данных движутся в том же направлении. В марте компания FactSet представила FactSet AI for Banking совместно с Finster AI в качестве безопасной среды для автоматизации инвестиционно-банковских и исследовательских рабочих процессов, а S&P Global Market Intelligence в июле объявила о партнерстве с Farsight для создания презентаций для питчей, меморандумов о конфиденциальной информации и оценочных материалов прямо в Capital IQ Pro.

Такой конкурентный ландшафт меняет вопрос выбора при покупке. Финансовым учреждениям больше не нужно решать, хотят ли они использовать финансовые исследования с поддержкой ИИ. Все чаще перед ними стоит выбор, где именно должен находиться этот интеллект: внутри платформы данных, внутри Microsoft Office, на автономной платформе передовых моделей или в рамках их комбинации.

Ответ OpenAI заключается в том, чтобы сделать ChatGPT Work уровнем оркестрации, позволяя профессиональным данным и корпоративным системам поступать в него.

Тёрли выразил эту амбицию на брифинге предельно прямо: «Когда речь идет о производительности конечного пользователя, когда речь идет о том, как анализ выполняется на местах, мы надеемся, что индустрия примет этот продукт в качестве канонического».

Это заявление помогает рассматривать ChatGPT for Financial Services не просто как специализированную товарную позицию (SKU). OpenAI фактически борется за интерфейс, через который банкиры проводят исследования, манипулируют данными, строят модели и создают продукты для клиентов — даже если эти артефакты в конечном счете продолжают жить в Excel, PowerPoint и других устоявшихся корпоративных системах.

Администраторы выбирают рабочие пространства

Управление доступом будет иметь критически важное значение, если эта архитектура выйдет за рамки пилотных проектов. ChatGPT for Financial Services опирается на функции контроля ChatGPT Enterprise, включая SAML SSO, подготовку пользователей через SCIM и контроль доступа на основе ролей (RBAC). Администраторы могут управлять доступом к функциям и приложениям в зависимости от роли, а также определять, какие поддерживаемые интеграции имеют права на чтение или запись.

Организации могут создавать несколько рабочих пространств для обеспечения информационных барьеров (этических стен). Это может быть особенно актуально для учреждений, которым необходимо разделять команды, работающие с разными клиентами, сделками или конфиденциальной информацией.

В OpenAI заявляют, что бизнес-данные шифруются при хранении и передаче, сроки хранения данных в рабочих пространствах могут настраиваться администраторами, а поддерживаемые журналы рабочего пространства можно экспортировать через платформу соответствия OpenAI (OpenAI Compliance Platform) для использования в существующих процессах аудита и расследований. В OpenAI отдельно подчеркивают, что данные, которыми делятся с ChatGPT Enterprise, по умолчанию не используются для обучения или улучшения ее моделей.

Руководители самой компании неоднократно возвращались к ограничениям развертывания во время брифинга. Обсуждая такие требования, как управление и администрирование, Тёрли выразился резко: «У вас может быть суперінтеллект; но он просто не имеет значения», если организация не способна его реально развернуть.

Эти средства контроля появляются в то время, когда регулирующие органы уделяют все более пристальное внимание тому, как банки предоставляют системам ИИ доступ к конфиденциальным данным и операционным системам. Банковские регуляторы США изучают такие вопросы, как доступ к данным для ИИ, управление, риски третьих сторон и контроль со стороны человека, по мере того как внедрение охватывает все более ответственные рабочие процессы.

Банки уже действуют быстро. Такие учреждения, как Morgan Stanley, BNY, UBS, Goldman Sachs, JPMorgan и Citi, внедряют или тестируют агентские системы в сферах управления благосостоянием, трейдинга, казначейских операций и других функций, в то время как руководство продолжает подчеркивать необходимость контроля со стороны человека при работе с повышенными рисками.

Таким образом, для корпоративных лиц, принимающих решения, ChatGPT for Financial Services выглядит не столько началом внедрения ИИ на Уолл-стрит, сколько началом борьбы платформ за то, где именно закрепится это внедрение.

Теперь у OpenAI есть более специализированный ответ на несколько вопросов, которые ранее затрудняли масштабные внедрения: как профессиональные данные попадают в модель, как переносятся существующие права доступа, как можно централизованно распространять фирменные шаблоны, как изолировать разные группы пользователей внутри бизнеса и как созданные моделью исследования превращаются в пригодную для использования модель Excel, документ или презентацию.

Но остается ряд вопросов на уровне закупок

OpenAI не раскрыла цены и не сообщила, взимается ли за ChatGPT for Financial Services надбавка по сравнению с существующими корпоративными соглашениями. Компания публично не обозначила минимальные масштабы развертывания, подробные критерии соответствия требованиям или географическую доступность. Она не объяснила экономику премиальных наборов данных, входящих в состав сервиса, и то, как эта экономика может повлиять на ценообразование по мере расширения покрытия. Кроме того, компания не опубликовала достаточно подробностей для независимой проверки своих заявлений о сравнительной финансовой эффективности Astra или стоимости решения задач.

Учреждениям также придется определить, как подход OpenAI с размещением данных на стороне сервиса вписывается в их собственную политику управления данными, как работают информационные барьеры между коннекторами и сгенерированными артефактами, какие средства контроля применяются, когда агенты получают права на запись, и как организации должны проверять изменения моделей или поставщиков данных с течением времени по мере автоматического внедрения новых передовых моделей в продукт.

Эти вопросы не отменяют значимости запуска. Они определяют следующий этап оценки.

Стратегическое предложение становится все более очевидным: OpenAI не просто хочет, чтобы банкиры задавали ChatGPT вопросы. Она хочет, чтобы ChatGPT стал регулируемым рабочим пространством, где профессиональные финансовые данные извлекаются, анализируются, моделируются и преобразуются в рабочие продукты, циркулирующие внутри организации.

То, станут ли банки консолидироваться вокруг этой среды, будет зависеть не столько от качества демонстрации, сколько от происхождения данных (provenance), системы разрешений, надежности, интероперабельности и измеряемой стоимости выполнения реальной работы.

Мы обратились в OpenAI за дополнительной информацией о ценах, критериях отбора, развертывании, лицензировании премиальных данных, методологии оценки моделей и деталях корпоративного управления, и обновим эту статью, когда получим ответ.