用智能体自动化90%的金融和法律工作

# 用AI代理自动化90%的金融和法律工作 来源: https://openai.com/index/hebbia/ 投资者、银行家、顾问和律师花费无数小时审阅市场和股权研究、虚拟数据室、合同和监管申报，以做出高风险决策。 Hebbia(http://hebbia.com/) 推出了 Matrix，一个多代理AI平台，旨在端到端地处理最复杂的金融和法律工作流程，以改变这一现状。 Matrix 并非依赖单个AI模型，而是同时编排多个AI代理并行运行，同时利用OpenAI的o3-mini、o1和GPT-4o。结果是一个"AI助手"，能在几秒内完成团队过去需要数天或数周的工作，并进行深度研究来处理任何数量的离线数据，从而自动化**90%**的金融和法律工作。 > "我们不仅在构建一个聊天机器人。我们在创建一个能应对世界上最复杂工作的代理操作系统。" — Hebbia CEO George Sivulka 通过与早期客户的合作，Hebbia团队认识到当今AI驱动研究的关键局限不在于模型本身，而在于对世界私有信息的检索。 虽然网络搜索几乎总能从在线来源检索答案，但基于检索增强生成(RAG)的工具在离线文档上表现不佳。通常，答案在文档中并不明确说明，因此传统搜索效果有限。 Hebbia 构建了一个分布式编排引擎，为金融和法律的深度研究任务增强了准确性。 该引擎克服了RAG的局限，有效地为OpenAI模型提供了"无限"的上下文窗口，为高价值离线数据创建了最准确的深度研究代理。 Hebbia与o1的准确率达到92%，相比开箱即用RAG的68%大幅提高，在跨越复杂法律和财务文档的量化和定性任务的严格基准上取得此成绩。 Hebbia的Matrix为OpenAI模型提供了无限的有效上下文窗口。 由OpenAI o1的先进推理能力和Hebbia的代理编排引擎驱动，Matrix平台能够： - 将复杂查询分解为结构化的分析步骤 - 智能地将任务路由到最合适的AI模型 - 处理完整文档而非仅片段 - 综合回答并提供完整引用以确保透明度 - 运行比任何其他AI应用工具更大规模的LLM处理任务 - 构建可主动更新用户的自我完善索引 结果是一个AI代理平台，能够起草投资委员会备忘录、解释复杂法律条款，并从有效无限的文档中提取多步骤洞见。 Matrix的代理群体架构。 Hebbia采用多代理编排而非单代理聊天机器人的方法已为客户带来显著价值： - 投资银行家在每笔交易上节省**30-40小时**用于创建营销材料、准备客户会议和回复交易方。 - 私人信贷团队**自动化贷款条款和契约条款的提取**，消除了数天的手工合同审查和巨额第三方支出。 - 私募股权公司在筛选、尽职调查和专家网络研究上每笔交易节省**20-30小时**。 - 律师事务所将信用协议审查时间减少**75%**，节省**每小时$2,000**的法律费用。 然而，价值不仅限于效率提升。企业也在做以前无法做到的事情。 例如，私募股权公司和银行家利用Matrix的无限有效上下文窗口，利用比任何单个人都能综合处理的更多历史数据。律师甚至开始在实时交易中使用Matrix来参考过去的交易结构，并实时发现新的谈判杠杆。 在这些使用场景中，Hebbia的客户自Matrix推出以来正在快速增加AI采用。在过去一个月，法律和金融专业人士在Hebbia平台上处理的非结构化数据超过了过去12个月的总和。 真实价值推动了OpenAI模型套件的真实使用。 Hebbia的多代理系统使专业人士能够对世界上最复杂、最安全和离线的数据进行深度研究，回答细致入微的问题。凭借用于推理的OpenAI o1、用于常规处理的GPT-4o和用于目标任务的较小模型，Hebbia可以不断改进AI在规模化专业工作中的处理方式。 随着商业AI采用的增长，真正的差异化因素不是模型规模或速度，而是AI能多好地集成到实际工作流中并提供准确、可防御的洞见。 通过OpenAI模型驱动Matrix，金融和法律团队获得了更深入的洞见、更快的工作流程和决策竞争优势。 > "与OpenAI合作使我们能够重新定义工作场所的AI工具。我们共同引入了实现企业AI承诺的代理。" — Hebbia CEO George Sivulka ## 继续阅读