A Endex constrói um analista financeiro autónomo sobre os modelos de raciocínio da OpenAI

O que a Endex mudou realmente nos bastidores

A Endex descreve o abandono da geração aumentada por recuperação (RAG) como abordagem central. Em vez de procurar passagens e gerar a partir delas, os seus agentes usam os modelos de raciocínio da série o da OpenAI para extrair factos, identificar inconsistências e contextualizar métricas da forma como um analista o faria.

A empresa relata ainda ter simplificado um pipeline anteriormente elaborado. Afirma que dependia de prompting complexo, cadeias de completions e múltiplas etapas de verificação, e que o o1 permitiu simplificar esse processo sem perder precisão. Separadamente, o o3-mini apresentou o que a Endex descreve como inteligência comparável a um terço da latência por interação, o que a empresa utiliza em tarefas de vários passos, como analisar pacotes de informação confidencial e reconciliar modelos financeiros.

São duas afirmações distintas que vale a pena separar: uma é uma aposta arquitetural (raciocínio em vez de recuperação), a outra é um compromisso entre custo e latência (um modelo de raciocínio mais pequeno para as etapas de maior volume). Ambas são o tipo de decisão que uma equipa aplicada só toma depois de construir um sistema de avaliação.

O frontend é o entregável, não uma caixa de chat

O detalhe mais concreto para quem constrói interfaces de agentes é aquilo que a Endex devolve ao utilizador. Os agentes entregam resultados como emails, documentos, modelos em Excel ou apresentações — os artefactos com que as equipas financeiras já trabalham — em vez de uma transcrição. As tarefas nomeadas são igualmente específicas: resumos de transações precedentes, sínteses de desempenho de resultados, preparação de memorandos para comités de investimento e due diligence de data rooms.

O CEO Tarun Amasa enquadra a ambição explicitamente em torno da interface, e não da capacidade bruta.

O nosso trabalho vai além das APIs – trata-se de construir as interfaces agente-utilizador que vão mudar a forma como os analistas financeiros trabalham.Montana Labs

Esse enquadramento é importante porque identifica a verdadeira superfície do produto. O modelo produz o raciocínio; o papel do frontend é traduzir esse raciocínio num memorando ou modelo que um profissional possa apresentar a um comité. A funcionalidade de os analistas conseguirem rastrear as conclusões do agente até às suas fontes é tanto um compromisso de UI como de modelo — as citações têm de ser visíveis, clicáveis e associadas a notas de rodapé específicas.

A confiança constrói-se através de verificação cruzada e citações, não apenas de respostas

A Endex foca-se nos modos de falha que as equipas financeiras temem: um ajustamento de reconciliação de EBITDA em falta, uma cláusula de mudança de controlo passada ao lado. A sua resposta são agentes que assinalam reformulações em notas de rodapé e destacam inconsistências com citações específicas, transformando o papel do analista de verificação manual em tomada de decisão.

Para medir se o modelo lê os documentos que realmente importam, a Endex criou o seu próprio benchmark — o Finance Agent Retrieval (FAR) — para avaliar o uso de contexto em dados tabulares e gráficos. A empresa relata usar as capacidades de visão do o1 para processar apresentações a investidores, modelos em Excel e relatórios 8-K. Construir um benchmark específico para tabelas e gráficos é um sinal revelador: as pontuações genéricas de recuperação não captam se um modelo leu a célula correta numa demonstração financeira.

Quanto à preferência, a empresa relata que, em testes cegos com utilizadores, especialistas financeiros preferiram as respostas do o1 em 70% dos casos, em comparação com modelos sem raciocínio. Descreve também o ajuste fino por reforço do GPT-4o mini e do o1 para converter conjuntos de dados personalizados em melhorias de raciocínio em tarefas como análise de transações precedentes e extração de entidades.

A implicação concreta: o raciocínio verificável é a superfície do produto no setor financeiro

A lição da Endex não é que os modelos de raciocínio sejam melhores — é onde o esforço de engenharia foi aplicado. A Endex investiu num benchmark para a compreensão de gráficos e tabelas, numa estrutura de avaliação que acompanha a latência, o tempo até ao primeiro token e a profundidade do raciocínio, e em formatos de output que correspondem aos artefactos financeiros já existentes, com citações rastreáveis.

Num domínio regulado e sensível ao detalhe, o contrato do frontend é que cada conclusão possa ser rastreada até um documento de origem. Essa restrição molda tudo o que vem antes — a escolha do modelo, a decisão de raciocinar em vez de recuperar, e a escolha de um modelo de menor latência para as etapas repetitivas. As equipas que constroem agentes verticais devem ler isto menos como um aval a um único modelo e mais como uma demonstração de que a interface para expor e citar o raciocínio é onde se realiza o trabalho de produto duradouro.