V7 porządkuje dokumenty firm finansowych z GPT-5.6 Luna. Koszt dokumentu spadł o 78 proc.

Firma V7 opisała, jak jej platforma V7 Go porządkuje rozproszone dokumenty firm finansowych i ubezpieczeniowych za pomocą modeli OpenAI. Najwięcej zmienił tańszy model GPT-5.6 Luna: według V7 obsługa jednego dokumentu kosztuje z nim o 78 proc. mniej niż z GPT-5.4 mini. Historię opublikowało OpenAI 21 września 2026. Przyda się każdemu, kto chce, żeby AI pracowało na dokumentach jego firmy, a nie na ogólnej wiedzy z internetu.

Problem: model nie zna twojej firmy

V7 założyli w 2018 roku Alberto Rizzoli i Simon Edwardsson. Problem opisują tak: model potrafi rozumować, ale nie wie, który raport funduszu jest aktualny ani że ta sama spółka w trzech systemach nazywa się trochę inaczej. Ta wiedza leży w umowach, arkuszach, mailach i folderach. Agent AI, czyli program, który sam wykonuje kolejne kroki zadania, musi jej szukać przy każdym zleceniu od nowa.

Kartoteka zamiast przeszukiwania wszystkiego

V7 Go podłącza się do SharePointa i Dysku Google i czyta nowe pliki. Wyciąga z nich firmy, fundusze, osoby, liczby i powiązania między nimi. Każdy fakt trafia do czegoś w rodzaju kartoteki, którą V7 nazywa grafem kontekstu, razem z odnośnikiem do dokumentu, z którego pochodzi. Agent pyta potem kartotekę, zamiast za każdym razem przekopywać tysiące stron. Gdy w kartotece czegoś brakuje, V7 Go przeszukuje same dokumenty.

Firma dzieli pracę między modele jak w biurze, na trzy półki: szybką, średnią i najmądrzejszą. Szybki GPT-5.6 Luna robi masowe wyciąganie danych z plików. Mocniejsze GPT-5.6 Terra i GPT-5.6 Sol prowadzą rozmowę i zadania, które wymagają wielu kroków albo użycia narzędzi. Po GPT-6 Astra V7 zaczyna sięgać przy najtrudniejszych pytaniach, na przykład przy analizie finansowej na tysiącach dokumentów.

Wyniki według V7

Wszystkie liczby poniżej to pomiary i deklaracje V7 cytowane przez OpenAI, nie niezależne badanie.

Co	Przed	Po
Wstępna ocena transakcji przez zarządzających aktywami	cały dzień	15 minut
Przegląd dokumentów w firmie finansowej	ponad 100 godzin	poniżej 10 godzin
Koszt jednego dokumentu, GPT-5.4 mini wobec GPT-5.6 Luna	100 proc.	o 78 proc. mniej
Błędne wywołania narzędzi, GPT-5.5 wobec GPT-5.6 Sol	2,7 proc.	0,2 proc.
Najtrudniejsze pytania w teście V7, GPT-5.6 Sol wobec GPT-6 Astra	78 proc. trafnych	89 proc. trafnych
Zbudowanie średniej długości procesu w V7 Go	ok. godziny	ok. 20 minut

Przy przeglądzie dokumentów V7 podaje oszczędność 12 tys. dolarów na zadanie na kosztach ekspertów. To ok. 46 tys. zł po kursie NBP z 25 września 2026 (tabela 187/A/NBP/2026, 3,8404 zł za dolara). Zespoły ubezpieczeniowe miały według V7 o 13,5 proc. mniej błędów przy obsłudze szkód niż przy pracy ręcznej.

Czego można się nauczyć

Dwie rzeczy przenoszą się na mniejsze firmy. Pierwsza: zanim dasz AI tysiące plików, uporządkuj, kto jest kim i skąd pochodzi każda liczba, bo odnośnik do źródła pozwala sprawdzić odpowiedź. Druga: nie każde zadanie wymaga najdroższego modelu. V7 oszczędza właśnie dlatego, że przepisywanie danych z dokumentów zostawia modelowi z najszybszej półki.

OpenAI nie podaje, ile kosztuje V7 Go, ani czy platforma ma klientów w Polsce. V7 Go udostępnia swoją kartotekę także w ChatGPT i Codeksie przez standard MCP, który łączy asystentów AI z zewnętrznymi programami. Firma pracuje nad tym, żeby procesy same ruszały, gdy w kartotece zmieni się jakiś fakt, na przykład po korekcie raportu funduszu.