OpenAI entra in modo più diretto nei flussi di lavoro di Wall Street con ChatGPT for Financial Services, una versione settoriale della propria offerta per le imprese pensata per banche d’investimento e operatori finanziari. Il prodotto è stato sviluppato con Morgan Stanley ed Evercore come design partner e usa GPT-6 Astra, indicato dall’azienda come il suo modello più recente e avanzato.
L’obiettivo dichiarato riguarda una fascia di attività che, nella finanza d’affari, assorbe tradizionalmente una quota rilevante del tempo di analisti e associate: raccogliere informazioni sulle aziende, leggere risultati e trascrizioni delle trimestrali, confrontare società comparabili, lavorare sui numeri e trasformare l’analisi in presentazioni per clienti e team interni. OpenAI propone quindi un assistente che non si limita a produrre testo, ma dovrebbe poter collegare ricerca, dati finanziari e output in formati utilizzabili nelle operazioni di M&A, nelle valutazioni e nei pitchbook.
La mossa conta soprattutto per il punto del processo in cui si colloca. Le banche hanno già sperimentato strumenti generativi per compiti circoscritti, dalla sintesi di documenti alla ricerca interna. ChatGPT for Financial Services punta invece a entrare nel lavoro quotidiano che precede una raccomandazione, una presentazione o una proposta commerciale: quello in cui la qualità dipende dalla selezione delle fonti, dalla consistenza dei dati, dalla capacità di spiegare un movimento di mercato e dal rispetto di modelli grafici e convenzioni interne.
Dai dati al pitchbook, senza uscire dal flusso di lavoro
Nella dimostrazione presentata da OpenAI, la piattaforma è stata impiegata per analizzare un potenziale obiettivo di acquisizione. Il sistema ha recuperato dati finanziari da fonti standard del settore e ha generato una presentazione PowerPoint formattata secondo una guida stilistica già predisposta dalla banca. L’esempio è significativo perché descrive una catena di attività, non una singola richiesta: individuare il perimetro dei peer, ricostruire prezzi e informazioni in un foglio di calcolo, verificare che il grafico corrisponda ai dati e fornire una spiegazione dell’andamento del titolo.
In questo tipo di lavoro, l’automazione non si misura soltanto nella velocità con cui vengono create delle slide. Una presentazione per un cliente deve avere dati coerenti, fonti verificabili, confronti sensati e una struttura che rispetti gli standard dell’istituto. È anche per questo che OpenAI insiste sull’idea di insegnare a ChatGPT a svolgere ricerca e a motivare le proprie conclusioni con un approccio vicino a quello di un analista.
La differenza rispetto a ChatGPT Work, il prodotto enterprise da cui deriva la nuova offerta, sta soprattutto nell’accesso nativo ai contenuti necessari nella finanza. ChatGPT for Financial Services può utilizzare dati di LSEG, Daloopa e Pitchbook, comprese informazioni quali bilanci e trascrizioni delle call sugli utili. OpenAI ha inoltre previsto l’accesso automatizzato agli abbonamenti dati già detenuti dagli utenti. Per le organizzazioni finanziarie, dove l’informazione proprietaria o concessa in licenza è parte essenziale del lavoro, questo passaggio è probabilmente più rilevante della sola disponibilità di un modello linguistico.
Il prodotto include riferimenti che consentono di risalire ai documenti di origine. È una funzione indispensabile in un settore nel quale un numero inserito in una tabella, un multiplo di valutazione o un’affermazione sulla performance di un’azienda devono poter essere ricontrollati. Il rischio di risposte inesatte o non supportate resta infatti uno dei limiti strutturali dei sistemi generativi, e si amplifica quando l’output finisce in materiali destinati a decisioni finanziarie o interlocutori esterni.
Non è l’annuncio della fine degli analyst
Presentare l’iniziativa come una sostituzione immediata dei banker junior sarebbe però una lettura semplicistica. Analisti e associate non producono soltanto fogli di calcolo e presentazioni: lavorano con indicazioni del senior team, conoscono il contesto di una relazione con il cliente, verificano assunzioni, coordinano revisioni e gestiscono processi nei quali giudizio, riservatezza e responsabilità professionale non sono delegabili a un software.
Il cambiamento più concreto riguarda la composizione della giornata lavorativa. Se il sistema riesce a ridurre il tempo necessario per il primo passaggio di ricerca, la raccolta dei dati e l’impaginazione di materiale standardizzato, le persone potranno concentrarsi maggiormente su verifica, interpretazione e gestione dell’operazione. Al tempo stesso, le banche potrebbero rivedere l’organizzazione delle attività più junior, che per decenni hanno rappresentato sia una necessità operativa sia un percorso formativo per chi poi avanza nella gerarchia dell’investment banking.
Questa trasformazione richiederà controlli rigorosi. I dati di mercato e le informazioni societarie sono soggetti a licenze, restrizioni d’uso e aggiornamenti continui. Una banca dovrà stabilire quali fonti sono consentite, come conservare le tracce del lavoro, chi approva gli output e in quali casi il sistema non può essere usato. La presenza di citazioni e il collegamento agli abbonamenti esistenti rispondono a una parte del problema, ma non eliminano la necessità di procedure interne e revisione umana.
Resta poi il tema della qualità analitica. Un modello può trovare rapidamente dati e costruire un confronto, ma la scelta dei peer, la definizione delle assunzioni e il significato attribuito a una variazione di mercato richiedono contesto. Il valore di questi strumenti dipenderà quindi meno dalla capacità di generare un deck visivamente ordinato e più dalla loro affidabilità nel rendere esplicito il ragionamento, segnalare le incertezze e consentire un controllo puntuale delle fonti.
La gara per conquistare il software della finanza
L’annuncio si inserisce nella competizione per il mercato enterprise, dove OpenAI si confronta con rivali come Anthropic e Google. Anthropic aveva già presentato Claude for Financial Services, una proposta dedicata al settore. La specializzazione verticale è una delle vie con cui i fornitori di modelli cercano di trasformare l’interesse sperimentale per l’AI generativa in contratti operativi: per convincere un’istituzione regolata non basta offrire un chatbot generale, servono integrazioni, dati affidabili, controlli e strumenti compatibili con i processi esistenti.
Per OpenAI la finanza è anche un banco di prova commerciale di rilievo. Sarah Friar, responsabile finanziaria della società, aveva detto agli investitori in agosto che il business enterprise generava più ricavi di quello consumer, cresciuto dopo il debutto di ChatGPT nel 2022. Il nuovo prodotto rafforza questa direzione, mentre il mercato guarda alle prospettive di una possibile quotazione molto rilevante della società.
Nick Turley, vicepresidente del prodotto di OpenAI, ha indicato che Financial Services non sarà un caso isolato: l’azienda intende rilasciare soluzioni adattate anche ad altri settori. È un segnale della fase successiva dell’AI generativa in azienda. Dopo gli assistenti generalisti, il confronto si sposta sulla capacità di inserirsi in professioni con linguaggi, banche dati, workflow e obblighi specifici.
Per le banche d’affari, l’arrivo di ChatGPT for Financial Services non elimina il problema della supervisione, né rende superflua l’esperienza umana. Può però comprimere il tempo tra una richiesta iniziale e una prima bozza di analisi documentata. Se l’integrazione con i dati e i controlli promessi reggerà nell’uso reale, la pressione sarà soprattutto sulle attività manuali e ripetitive che hanno finora definito una parte sostanziale del lavoro all’ingresso di Wall Street.
