
- Hebbiaが2026年8〜9月にGPT-6 Astraのプレリリース版を金融リサーチ業務で検証した
- 必要な情報源の引用で最良の代替モデルに13.6ポイント差、引用抜粋の99.5%が質問に関連
- スライド要件の充足率は97.9%で14.4ポイント差、仕上がりと指示追従を両立したとされる
何が検証されたのか
OpenAIの顧客事例として、金融リサーチ支援ツール「Matrix」を提供するHebbiaが、GPT-6 Astraを試した結果が公表された。Matrixは、銀行員が買収案件をクライアントに提案する前に必要となる財務諸表や顧客契約、経営陣向け資料の読み解きを支援する。回答を、その根拠となる文書と結びつけて示す点が特徴とされる。
検証は2026年8〜9月にプレリリース版を用いて行われ、同じ金融リサーチ課題と同じ評価基準を各モデルに適用した。評価基準は領域の専門家が原資料と突き合わせて作成・監査したという。記事では、約2,000件のファイルが入ったデータルームを想定した例が示されている。
想定例では、銀行員がMatrixにデータを読み込ませ、顧客集中度や契約条件、解約率を引用付きで確認する。さらに同業他社の開示資料や業界ニュースを取り込み、案件の仮説を組み立てたうえで、デューデリジェンス要約やバリュエーション資料に仕上げる流れが描かれている。
引用と資料作成の成績
Hebbiaのテストでは、質問に必要な種類の情報源を引用する指標で、テストした中で最も良かった代替モデルを13.6ポイント上回った。引用した抜粋のうち99.5%が質問に関連していたという。プレゼン資料については、該当する要件の97.9%を満たし、この指標でも14.4ポイントの差をつけたとしている。
HebbiaのKavita氏は、従来のモデルは資料の仕上がりの良さと指示への追従のどちらかに偏りがちだったと述べている。GPT-6 Astraはその両方で1位だったとする。同氏は、数千件の文書を扱う場面では1ポイントの差でも意味が大きいと話している。
根拠をたどれる仕組み
Matrixでは引用を開くと元の文書とハイライトされた箇所を確認でき、スライドの脚注からも原資料にたどれる。利用者は数百万ドル規模の判断をAIの出力に基づいて行うため、追跡可能性が重要だとKavita氏は説明する。
GPT-6 Astraは、ユーザーの構成やガイドラインに沿ったPowerPointスライドを直接生成する。確認作業は、顧客集中度の数値を原資料の表と照合し、対象期間を修正するといった具体的なレベルになるという。
現時点での留意点
開示されている数値はすべてHebbiaの社内テストに基づくもので、テスト手順の詳細や比較対象となったモデルの名前は記事では明らかにされていない。GPT-6 Astra自体の仕様、料金、一般提供の時期にも触れられていない。
約2,000件のファイルを扱うワークフローは記事中で「想定例」と明記されており、実際の顧客案件で得られた結果ではない。金融リサーチ以外の業務に同じ成果が当てはまるかは分からない。
記事の後半では、バックグラウンドで情報を監視し、金融プロフェッショナルにシグナルを提示するエージェントの将来像にも言及している。ただし、これは今後の役割として語られている構想であり、実装や評価結果の報告ではない。
| 評価指標 | 結果 |
|---|---|
| 必要な種類の情報源の引用 | 最良の代替モデルを13.6ポイント上回る |
| 引用した抜粋の質問への関連性 | 99.5% |
| プレゼン要件の充足率 | 97.9%(最良の代替モデルを14.4ポイント上回る) |
We've been strong partners with OpenAI over the course of Hebbia's lifetime, and the leaps GPT-6 Astra has made in terms of quality outputs and accuracy have truly been surprising.
Hebbiaのこれまでの歩みの中で、当社はOpenAIと強いパートナー関係を築いてきました。GPT-6 Astraが出力の品質と正確さの面で遂げた飛躍には、本当に驚かされています。
今後の見通し
今回の結果は、モデルの評価軸が文章生成の品質から、根拠の提示や指示への追従といった業務適合性に移りつつあることを示す一例とみられる。次に判断材料となるのは、GPT-6 Astraの一般提供の時期と料金、そしてHebbia以外の企業による独立した検証だ。金融リサーチ以外の業務や日本語文書で同様の精度が出るかが明らかになれば、日本企業が導入可否を判断しやすくなる。
日本の開発者・IT企業にとっての意味
投資判断や稟議資料のように出所の追跡が欠かせない業務では、AIの評価を「それらしい文章が出るか」で行うと実務に耐えません。今回の検証は、必要な情報源を網羅して引用できるか、社内テンプレートや指示に従えるかを指標化しており、日本企業が社内ツールを選定する際の評価項目として参考になります。特に金融・法務・コンサルティングのように根拠提示が前提の領域では、精度とトレーサビリティを分けて測る設計が必要です。一方、数値はベンダーと利用企業による共同検証のため、自社の文書や日本語資料で同じ成果が出るかは別途の検証が要ります。
気になる点
- 「13.6ポイント上回った」とは具体的に何を測った数値ですか?
- 質問に対して、求められる種類の資料を正しく引用できた割合を、テストした中で最良だった他のモデルと比較した差です。Hebbiaの社内の評価基準によるもので、比較対象のモデル名や個別のスコアは公表されていません。
- スライド作成はどこまで自動化されるのですか?
- 記事では、ユーザーの構成やガイドラインに沿ってPowerPointスライドを直接生成し、脚注から原資料にたどれると説明されています。ただし提示されているのはHebbiaのテストと想定例に基づくもので、実案件で人手による修正がどれだけ残るかは示されていません。
- GPT-6 Astraはいつから利用できますか?
- 記事で触れられているのは、2026年8〜9月に実施されたプレリリース版のテストのみです。一般提供の開始時期や料金、日本国内での提供可否については現時点で公表されていません。
用語解説
- GPT-6 Astra
- OpenAIのモデル。記事ではHebbiaが2026年8〜9月にプレリリース版を検証したとされるが、仕様や提供時期は明らかにされていない。
- Hebbia / Matrix
- 金融リサーチ向けAIを提供する企業とその製品名。回答を原資料の引用と結びつけて提示する点が特徴とされる。
- トレーサビリティ
- AIの出力がどの資料のどの箇所に基づくかを追跡できること。金融分野では判断根拠の確認に欠かせない。
- データルーム
- M&Aの検討時に、財務資料や契約書などの企業情報をまとめて共有する保管場所。
- エージェント
- 指示を待たずに自律的に情報収集や処理を進めるAIの仕組み。記事では将来の役割として言及されている。
出典
Hebbia sees improvements in financial research with GPT-6 Astra
AI導入も顧問も、お任せください
何から手をつけるか、どこまでAIに任せるか。自社の業務に合わせて整理し、導入から運用まで伴走します。相談だけでも構いません。
AI導入について相談する