Jeg skal gi litt mer presisjon om dette, og glimt av et eksempel. I mange måneder har folk snakket om et «markørøyeblikk» i finans, hvor arbeidsflyten endres så dramatisk at du treffer den bratte delen av en adopsjonskurve. Jeg har vært svært skeptisk til det, av flere grunner. Men den mest grunnleggende grunnen er at LLM-teknologien rett og slett ikke fantes. Grunnlagsmodellene hadde rett og slett ikke nok kraft til å samhandle med Excel-regneark på noen brukbar måte (til tross for imponerende demoer...). Selv om du løser de (veldig vanskelige) datautfordringene, hadde LLM-er fra 2025 rett og slett ikke kraften til å samhandle med regneark. Så vi kunne sette oss ned og snakke om mange ideer og konsepter om hvordan KI kunne supplere institusjonell investeringsforskning. Men det var nettopp det, et konsept. Jeg har en serie tester jeg kjører på nye AI-modeller som er kapabilitetstester for forskningsarbeidsflyter i hedgefondstil. Og det enkleste er bare å laste opp en eksisterende Excel-fil for å se om LLM-en kan forstå hva som skjer. Hvis LLM-er ikke kan lese og forstå en Excel-modell tilstrekkelig, er hele stakken av AI-Excel-arbeidsflyter rett og slett ikke mulig (etter min mening). Og bortkastet tid å prøve å utforske. Dette fungerte ikke i noen imponerende grad (Opus 4.6 kunne gjort det, men ikke bra). Inntil i går, med GPT-5.4 Thinking. Plutselig kan jeg nå få noe som ikke bare er moderat nyttig, men som jeg tror umiddelbart vil bli en del av min investeringsprosess. Jeg kaller det «PM-gjennomgang», eller en strukturert evaluering og motsetter seg en modell. Jeg har deltatt i bokstavelig talt hundrevis av disse som både analytiker og prosjektleder. I praksis bygger analytikeren en modell, sender den til prosjektlederen, og de går gjennom den sammen. Den kloke, erfarne prosjektlederen vil rive modellen fra hverandre, slå tilbake og hjelpe til med å styre modellen mot et brukbart resultat. En god prosjektleder vil kunne fokusere på de to eller tre viktige variablene som betyr noe og identifisere aggressive eller konservative antakelser. En analytiker kan pitche en aksje der kjernekvantitativ input støttes av feilaktig logikk. Og prosjektlederens jobb er å prøve å identifisere den feilaktige logikken. Denne arbeidsflyten er for meg en viktig forskjell mellom gode og dårlige prosjektledere. Men denne arbeidsflyten er ikke bare for prosjektledere; Det er for analytikere som prøver å evaluere sitt eget arbeid, kollegaanalytikere som ønsker å gjøre gjennomtenkt motstand mot ideer teamet kan delta i, våre forskningsdirektører som ønsker å effektivt evaluere idévurderingsprosessen. Eller PM-er for første kutt hvis de ser på mange ideer. Det interessante med å supplere denne prosessen med AI er at den skalerer enormt. Og den kan kjøre autonomt. På tvers av 300 modeller kunne jeg hatt en sverm av agenter som gjør automatisert due diligence på nøkkeldriverne, oppdaterer disse modellene, sender resultatene tilbake til meg, og flagger hvilke av mine dekkede ideer som har potensial for inntektsrevisjon. Denne arbeidsflyten er etter min mening «markørøyeblikket» for offentlig aksjeforskning. Jeg sier ikke at vi er der på noen måte, for datanøyaktighet og strukturene som kreves for å inkludere interne data er fortsatt under utvikling. Men vi tok nettopp et steg fremover i den teknologiske kapasiteten. Jeg testet dette i GPT-5.4. Og selv om det ikke er perfekt, er dette første gang jeg har fått noe nyttig tilbake i denne testen. Jeg skal gå gjennom noen steg for å gjøre dette på egenhånd. Steg 1: hjernedump til Claude. Jeg vet ikke om det er noen logikk i det eller bare min egen vane, men hvis jeg kjører i Chat GPT, bruker jeg meta-prompt og Claude, og omvendt. Jeg er ikke sikker på hvor din meta-prompt betyr så mye for de typene arbeidsflyter jeg gjør, men det har ABSOLUTT noe å si hvis du meta-prompter vs. raw prompt, så ikke hopp over dette steget. Steg 2: ta den prompt-utdataen, gjør den om til Markdown, og legg den inn som egendefinerte instruksjoner i et GPT-prosjekt. Dette er bare en arbeidsflyt-effektivitet, for da har jeg et GPT-prosjekt jeg kan laste opp hvilken som helst modell til. ...