人工智能即将进入投资银行业，当我听说有一家初创公司在整个硅谷掀起热议，旨在简化金融、咨询和法律等领域的日常繁琐工作时，我不得不亲眼目睹。
这家名为 Hebbia 的公司为金融服务公司提供各种人工智能工具，旨在深化和加快他们的工作。这家总部位于纽约的公司在其网站上表示，该公司成立于 2020 年，目前已吸引了 KKR、T. Rowe Price 和 Permira 等客户。
作为一名报道人工智能如何重塑金融的记者，我主要关注银行内部正在构建的内容，例如高盛的内部人工智能助手。我还没有仔细研究过第三方工具。
当我观看一小时的赫比亚现场演示时，我希望它能让我深入了解投资银行业在未来几年将如何变化。
赫比亚的大赌注是，许多机构将决定购买这些工具，而不是专门在内部孵化它们。销售副总裁汤姆·里森·普莱斯 (Tom Reeson Price) 告诉我，赫比亚的“数百个”席位由卖方银行家持有，尽管买方仍然是其最大的市场。赫比亚拒绝透露哪些银行正在使用其工具。
创始人 Geroge Sivulka 在接受采访时告诉我：“当你拥有风险投资支持的初创公司并为像我们这样的 150 个客户提供服务时，每家公司都花费 10 至 2000 万美元，甚至 500 万美元进行内部建设是没有意义的。”
西武卡 (Sivulka) 获得了博士学位。五年前，斯坦福大学启动了这家初创公司的计划。 2024 年，它在 B 轮融资中从 Andreesen Horowitz、Google Ventures 和亿万富翁投资者 Peter Thiel 筹集了 1.3 亿美元。
华尔街已经感受到了影响。曾几何时，拥有 Excel 知识就意味着您能够掌握最新、最先进的技术。现在，银行业新手正在变得精通 Hebbia。 “他们就像赫比亚分析师，”西武尔卡悲伤地说。
“赫比亚分析师”？而不是一个因连续第三个通宵而精疲力尽、眼下有黑圈的分析师？我必须知道：这个工具是否真的会开启一个时代，让投资银行的辛苦工作成为过去——或者它只是帮助交易撮合者从他们的团队中榨取更多的钱？
以下是我在探索该产品是否能够真正改变华尔街运作方式时通过演示学到的知识。
解放银行家“完成最后一英里”
负责产品开发的 Hebbia 高管迪维亚·梅塔 (Divya Mehta) 在演示开始时向我展示了一个电子表格样式的屏幕，其中填满了过去的、未完成的、甚至是未来的交易和问题栏。您可以通过多种不同的方式查询同一数据集，调整措辞或标准来运行多次模拟，从相同的原始信息中生成一系列见解。
例如，我可以想象这如何帮助交易撮合者更有创意地思考公司的收购目标或潜在买家。
该系统旨在增强银行家和投资者已经开展的工作，为更快的交易撮合和更快的任务完成铺平道路。 Hebbia 的销售主管 Tom Reeson Price 告诉我，“他们希望让分析师从 0% 提高到 90%，让他们腾出时间来完成最后一英里”，他描述了华尔街客户的需求。
走进“矩阵”
接下来，Mehta 向我展示了 Hebbia 平台的核心，即所谓的“矩阵”。它是主要的工作空间，用户可以在其中提出复杂的问题，并使用从电子表格和公司文件到 PDF 和幻灯片等大量信息集合观看系统解答这些问题。
Matrix 不像输入一个问题并一次得到一个答案，而是像一位现场研究助理一样，仔细研究文档，提取要点，并以对用户有意义的方式将它们组合起来。
每列代表一个查询，例如“收益快讯”或“债务评论”，用户可以通过这些类别来分析多个公司的活动。每行代表一个交易或文档。 Matrix 从所有这些文件中提取相关信息，并将它们编译成一个包含自定义输出的简单表格。现在，分析师可以同时扫描数百份文件，并了解系统得出结论的原因。
快速浏览问题和幻灯片
以下是赫比亚的提示之一 – 您可以看到它的结构以及可以应用于不同的公司。
肯定会让年轻专业人士高兴的功能之一是能够增强备忘录和演示文稿的创建能力，从而有可能减轻客户通宵处理文件的繁重工作，这些文件通常在阅读之前就被扔进了垃圾箱。这项工作可能会让人心碎。
“你实际上可以根据代理或网格为你创建的输出在赫比亚构建整个幻灯片，”梅塔说。工作时间被压缩为几分钟。
在另一个例子中，她描述了系统如何通过分析历史交易数据和之前的买家行为来识别公司的潜在收购者——这项任务几乎不可能手动执行。她补充说，律师事务所和顾问使用类似的流程来审查大量文件。
即时写出更好的问题
梅塔说，赫比亚的提示开发团队通过数千个示例完善了预先生成的提示。这是一个迭代过程，在找出提示的弱点后，团队会优化查询，直到准备好交付给客户。
赫比亚的即时构建助手对我来说很突出，也许是因为它感觉有点元。它是一种人工智能工具，可以帮助用户编写自己的指令……反馈到人工智能系统中。即使有人不知道从哪里开始，或者如何表达他们的问题，系统也有一个功能可以完善用户想要问的问题。
换句话说，技术能够教会人们如何利用技术进行交流。这让我想知道这是否会很快影响其他行业专业人士的学习方式。
交易语言，并排
梅塔加载了另一个根据公司收益报告构建的示例。此类报告往往内容繁琐，读起来令人不愉快。
该屏幕综合了各种公司的盈利表现、债务负担和其他相关信息。查看这些指标可以发现未被注意到的微妙模式，例如管理层评论中反复出现的主题或交易趋势的变化。
Hebbia 维护着一个可重复使用的常见财务任务提示库，同时让客户可以选择构建自己的提示。一些客户将他们的自定义提示视为专有知识产权，他们可以从中获得优势。西武卡告诉我，这表明赫比亚正在按预期工作。
“这实际上很奇怪，”他说。 “他们使用该软件，但他们不想让我们知道他们的用例，因为它们是创收的阿尔法。”
大规模模式识别
此屏幕比较有关公司事件和股东职位的监管文件和董事会建议。 “我们根据用例构建提示库，”梅塔解释道。 “这就是我们能够快速分析 IC 备忘录和信贷协议等复杂文档的方式。”
Reeson Price 告诉我，Hebbia 大约 60% 的用户是买方，其余的是银行、律师事务所和保险公司。
梅塔补充说，赫比亚的搜索能力比聊天机器人更深入。它可以访问和比较多种大型语言模型生成的结果，包括 OpenAI 的 ChatGPT、Anthropic 的 Claude 和 Google 的 Gemini。
代理特征
人工智能的下一个前沿将是代理人工智能，即自主机器人，它们可以在最少的人类指导下从头到尾执行复杂的任务。此类工具可以独立生成完整的文档，例如综合信用协议。
赫比亚的预建“代理”——用于生成交易备忘录、更新收益摘要以及审查信贷协议和其他常规材料的模板——给我留下了深刻的印象。显然，这不仅仅是 ChatGPT 的装扮版。
该产品会定期更新并扩展产品。最近，它推出了草稿功能，可以在公司模板中生成 Word、PowerPoint 或 Excel 文件，自动执行枯燥的格式化工作，这些工作可能会占用初级银行家的时间。
大问题
Hebbia 等工具的出现引发了新的问题：教授金融的学校是否已做好应对即将发生的事情的准备？银行的分析师计划怎么样？火车已经离开车站，他们需要快速赶上。
但梅塔表示，一些即将入学的青年人走在了前面。在过去几年中，她为一家使用该产品的公司的早期职业投资银行家举办了一次年度研讨会，她对每个进步阶层似乎知道的知识的增长印象深刻。 “每一年我都看到他们在学习和使用工具方面都取得了进步，”她说。
对于 Hebbia 创始人 Sivulka 来说，这是必须的。 “如果你不学习如何使用人工智能，你必然会被淘汰，”他告诉我。
有一点是肯定的：我们都知道他是否正确只是时间问题。
