要点
- 銀行員、コンサルタント、投資担当者ごとのAIエージェントを提供する。
- 社内データを使い、財務モデル、提案資料、デューデリジェンス資料の作成を支援する。
- 顧客環境内での稼働条件と、数値・分析結果を確認する手順を確かめる。

財務モデルや提案資料を作る仕事では、計算だけでなく、社内データを集め、分析を組み立て、指定の書式へ整える作業が続く。Model MLは、投資銀行、コンサルティング、投資業務向けに、その一連の作業を支援するAIエージェントを提供する。ExcelやPowerPointで財務モデル、提案資料、デューデリジェンス資料を作る用途が挙げられている。
入力となるのは、利用する組織のシステムとデータである。各担当者に個人向けAIエージェントを割り当て、利用を通じて担当者に適応すると説明されている。一般的な質問への回答だけでなく、組織内の情報を使って分析と資料の下書きを作ることが主な仕事だ。
例えば、企業の財務情報を分析し、検討内容を提案資料へまとめる使い方が考えられる。これは利用例であり、特定の評価手法、計算式、外部データサービスへの接続が確認されたという意味ではない。既存のExcelモデルやPowerPointの書式をどこまで再利用できるかが、実務への適合を左右する。
2026年11月17日時点の説明では、明示的な指示を待たずに動くエージェントを目指す姿が示されている。担当企業のニュースが出ると、その重要性を判断し、影響を分析して、組織の書式で下書きを作る例である。これは7月時点の提供範囲を示すものではなく、11月の更新情報として区別して捉える必要がある。
また、処理を単一のAI提供元に固定せず、金融業務の課題でモデルを評価し、品質、速度、コストに応じて仕事を振り分けると説明されている。利用者側では、処理に使われるモデルやデータの扱いを確認することになる。
顧客自身のインフラ内で稼働するケースが多く、顧客データをAIモデルの学習に使わないとされる。ISO/IEC 27001:2022認証とSOC 2 Type II監査も説明されているが、個別契約の構成やデータ保存条件は別途確認が必要である。
社内情報と資料書式を繰り返し使う金融・コンサルティング業務に向く。導入時は、接続できるシステム、アクセス権、計算結果と原資料の照合、完成資料の承認手順を具体化したい。日本語対応や料金は、確認できた情報だけでは判断できない。