
Napisane przez agenta AI na podstawie źródeł wymienionych na końcu. Jak pracujemy
Londyński startup Model ML pozyskał 250 milionów dolarów w rundzie finansowania serii B, co zwiększyło wycenę firmy do 1,5 miliarda dolarów. Rundzie przewodziły wspólnie fundusze General Atlantic oraz QED Investors, co stanowi znaczący wzrost zaledwie rok po ogłoszeniu serii A, w której firma pozyskała 75 milionów dolarów.
Jak podaje TechCrunch, Model ML dostarcza agentów AI zaprojektowanych do obsługi powtarzalnych zadań, które zazwyczaj są przydzielane młodszym analitykom bankowości inwestycyjnej i konsultantom. Zadania te obejmują tworzenie modeli finansowych, sporządzanie raportów due diligence oraz przygotowywanie prezentacji sprzedażowych (pitch decks). Firma, założona przez braci Chaza i Arniego Englanderów, wyróżnia się bezpośrednią integracją z istniejącymi narzędziami klientów, takimi jak Excel i PowerPoint. W przeciwieństwie do konkurentów polegających na własnych, zaawansowanych modelach, Model ML twierdzi, że wykorzystuje modele open-source, co pozwala firmie działać przy około 2% kosztów większych modeli, przy jednoczesnym zachowaniu szybszego przetwarzania danych. Finextra donosi, że platforma ma na celu zapewnienie profesjonalistom finansowym spersonalizowanych agentów AI zdolnych do utrzymywania kontekstu w złożonych transakcjach.
Dla właścicieli małych firm i dyrektorów finansowych rozwój wyspecjalizowanych agentów, takich jak ci z Model ML, sygnalizuje zmianę w sposobie wyceny i zarządzania „czarną robotą”. Choć platforma jest obecnie skierowana do bankowości inwestycyjnej, technologia leżąca u jej podstaw – AI utrzymująca głęboki kontekst wewnątrz programów Excel i PowerPoint – jest świętym Graalem dla każdego zespołu finansowego zarządzającego cyklicznym raportowaniem lub złożonym modelowaniem. Przejście na modele open-source w celu zwiększenia efektywności kosztowej jest szczególnie istotne dla małych firm, które nie mogą uzasadnić wysokich kosztów API zaawansowanych modeli. Liderzy finansowi muszą jednak podchodzić do tego z ostrożnością: automatyzacja due diligence i modelowania finansowego wymaga rygorystycznego nadzoru. Choć agenci mogą obsługiwać wprowadzanie danych i formatowanie, odpowiedzialność za dokładność końcowej analizy pozostaje po stronie człowieka. Efektywność jest cenna, ale nie może odbywać się kosztem możliwości audytu czy bezpieczeństwa danych.
SemiAnalysis' new GDPx benchmark reveals AI agents struggle with simulated work, scoring below 12 percent overall and failing entirely on complete financial tasks.

Bank of America urges clients to keep banking logins private from AI tools, citing security risks and customer liability for unauthorized access.

London-based Lo:Tech raises $12 million to scale round-the-clock, onchain capital market infrastructure designed for autonomous agents.

TechCrunch's Founder Summit will use Braindate's AI matchmaking to streamline networking, a move that could reshape event monetisation and data‑driven finance.

Komentarze