Игорь Алутин: «Знание локальной специфики – конкурентное преимущество для ИИ в инвестициях»

В мире с 2022 г. идет революция искусственного интеллекта (ИИ) – люди и бизнесы ищут способы использовать новую технологию максимально эффективно. Рынок ИИ постепенно насыщается: решений становится все больше, в том числе специализированных. О том, как этот процесс идет в сфере финансов, какие вопросы интересуют инвесторов, в чем плюсы и минусы различных типов ИИ-моделей, рассуждает старший управляющий директор ПАО «Московская биржа» по розничному бизнесу и маркетплейсу «Финуслуги» Игорь Алутин.

Когда компания встает перед выбором, запускать ли создание конкретного решения, ей приходится пройти несколько развилок: определиться, какие данные планируется использовать – только собственные, публичные источники или их комбинацию. Это, в свою очередь, влияет на то, где должны размещаться вычислительные мощности, от чего зависят доступные к использованию модели. В общем случае в финансовом секторе есть два основных подхода: работа через API по факту использования и локальные on-premises решения с необходимостью покупки или аренды оборудования.

Агент, мультиагент

Есть класс ИИ, называемый большими языковыми моделями – LLM. Например, к нему относятся зарубежные ChatGPT от OpenAI и Gemini от Google или российские GigaChat и YandexGPT. На их основе строятся мультиагентные системы, которые для получения наилучшего результата в процессе работы дробят задачи и делегируют их исполнение нескольким специализированным агентам. Так делает, в частности, разработанный Московской биржей FinGPT. Несмотря на то что для пользователя интерфейс выглядит как привычный чат, FinGPT при подготовке ответа вызывает несколько разных LLM-моделей, которые работают в разных LLM-подагентах.

Мультиагентные системы по своей архитектуре и предназначению направлены на то, чтобы снизить количество фактических неточностей и галлюцинаций. Мы тестировали FinGPT в сравнении с зарубежными универсальными LLM на основе нейросетей, и в ответах на вопросы про финансы и инвестиции модель FinGPT гораздо более последовательна, точна в цифрах и оперирует широким набором показателей. Ключевое преимущество даже не в архитектуре (хотя все ключевые инновации именно в ней), а в доступе к точным данным о российском рынке. Такого набора данных просто физически не может быть у ИИ, разработанного за рубежом.

На общие вопросы финансовых категорий все нейросети отвечают хорошо. Но когда дело доходит до вопросов, где критичным становится знание точных цифр или нюансов локального регулирования, ответы универсальных ИИ становятся либо размытыми, либо просто неточными.

Пользователи FinGPT чаще всего интересуются фундаментальным анализом акций, облигациями, банковскими продуктами, а также прогнозами как по отдельным активам, так и по макроэкономике.

Трудности перевода

Для нейросети знание локальной специфики в решении финансовых вопросов не просто важно, а критично.

В финансах цену ответа часто определяет локальная деталь – термин, регламент операции или расписание торгов. Модель, которая «знает» язык и правила, снижает число ошибок и экономит время пользователю.

Знание локальной специфики становится конкурентным преимуществом для ИИ в инвестициях благодаря глубокому пониманию языка, регулирования и рыночных практик.

Яркий пример наименее удачно решаемой зарубежными нейросетями задачи – это подбор активов. Западная универсальная нейросеть не проводит анализ актива в фоновом режиме – просто советует то, что на слуху, что сейчас популярно или о чем пишут. Это далеко не равно формату «сравнить все акции между собой, подобрать лучшие, объяснив, почему эти, а не другие». Мы стараемся развивать FinGPT именно таким путем.

Локальные мультиагентные решения не только тщательно подбирают источники данных и скрупулезно отбирают содержимое, но и проводят большую архитектурную работу, для того чтобы ответы соответствовали реальности: цифры котировок, данные отчетности, прогнозы аналитиков – все должно быть точно.

Лучше всего такие инструменты работают с четкими и подробными запросами, где есть цифры и исходные данные. Например, «собери месячный бюджет при доходе 120 000 руб. так, чтобы откладывать 20%»; «подбери целевую структуру портфеля для умеренного профиля, горизонт 5 лет, ежемесячное пополнение 20 000 руб. с использованием инструментов, торгуемых на бирже»; «предложи правила ребалансировки портфеля с порогом ±3 п. п. и оцени комиссии и налоги». Четкая постановка задачи помогает получить понятный черновик расчетов, а дальше задача инвестора – принять взвешенное решение.

Безопасность превыше всего

Локальные сервисы в отличие от международных подлежат регуляции и работают в правовом поле России. Данные также хранятся на территории России по самым высоким стандартам безопасности.

При этом, например, FinGPT на текущий момент работает без того, чтобы собирать излишние данные. Для него пользователь обезличен. Сейчас мы не видим его брокерские счета, не знаем историю торговли и т. д. Также мы очень тщательно относимся к проверке ответов с точки зрения точности и корректности именно в финансовом контексте и выстроили сильную систему тестирования сервиса, которая позволяет находить и устранять спорные ситуации еще до того, как пользователь их увидит.

Мы полагаем, что локализация нейросетей вполне может стать глобальным трендом. Такие модели предоставляют пользователю множество преимуществ в контексте финансовых и инвестиционных вопросов. ИИ уже массово внедряется на разных рынках и в разных звеньях инфраструктуры – от листинга и надзора до торговых технологий и расчетов. Примеры включают проекты по надзору и ускорению расчетов от NASDAQ, управляемый ИИ биржевой инвестиционный фонд от SGX, ИИ-платформу для перехода на расчеты T+1 от Euroclear, а также планы фондовых бирж Таиланда (SET) и Тель-Авива (TASE) по созданию ассистентов и модернизации систем с опорой на ИИ.

Такой перечень показывает, что страны и площадки делают ставку на собственные внедрения, адаптированные к их процессам и регуляторным режимам. Следовательно, востребован не «перенос модели как есть», а перенос методик и практик: как интегрировать ИИ в конкретные бизнес-линии, как перестраивать процессы, как повышать скорость и качество сервисов. Этот подход универсален и применим к разным юрисдикциям.

Смысл прост: в финансовых вопросах пользователь должен получать пользу здесь и сейчас. Для нашей страны локальный ИИ-ассистент, опирающийся на российские данные и регуляторику, экономит время на поиске и верификации: вместо общих советов – проверяемые расчеты, корректные цифры и прозрачная логика. В результате инвестор принимает решения быстрее и с меньшим риском ошибки. &

ChatGPT, Gemini, GigaChat, YandexGPT, FinGPT – 18+