Как компания Balyasny Asset Management создала поисковую систему на базе искусственного интеллекта06.03.2026 00:00

Balyasny Asset Management⁠⁠ (Balyasny) — это глобальная многостратегическая инвестиционная компания, объединяющая около 180 инвестиционных команд, работающих с различными классами активов по всему миру. Компания функционирует в условиях жесткой конкуренции и динамичной среды, где для успеха критически важны уверенность, точность и скорость. Столкнувшись с растущей сложностью рыночной ситуации и лавинообразным увеличением объемов финансовых данных, Balyasny увидела возможность переосмыслить процесс инвестиционных исследований с помощью искусственного интеллекта.

В конце 2022 года компания Balyasny создала команду по прикладному искусственному интеллекту (Applied AI): централизованную группу из 20 исследователей, инженеров и профильных экспертов, перед которыми была поставлена задача разработки ИИ-инструментов, интегрируемых непосредственно в рабочие процессы на уровне команд. Их флагманский продукт — система инвестиционных исследований на базе ИИ — спроектирована так, чтобы рассуждать, извлекать информацию и действовать подобно квалифицированному аналитику.

Инвестиционные исследования сложны, сопряжены с высокими рисками и зависят от фактора времени. Аналитикам приходится изучать тысячи документов: от рыночных данных и исследований до регуляторных отчетов. Экспертиза человека остается незаменимой, однако традиционные методы требуют слишком много времени и с трудом поддаются масштабированию.

Готовые инструменты искусственного интеллекта зачастую не способны одновременно обрабатывать структурированные и неструктурированные данные, не имеют средств оркестрации рабочих процессов и не соответствуют институциональным стандартам комплаенса. Компании Balyasny требовалось специализированное решение: система ИИ, способная мыслить как аналитик, действовать со скоростью машины и работать в рамках строгих регуляторных ограничений.

Прежде чем внедрять какие-либо модели в производство, компания Balyasny создала один из самых изощренных конвейеров оценки в финансовом секторе. Он оценивает модели по более чем 12 критериям, включая точность прогнозирования, числовые рассуждения, сценарный анализ и устойчивость к зашумленным входным данным. Эти проверки проводятся на основе внутренних бенчмарков, инструментов и проприетарных финансовых данных компании Balyasny.

Этот тщательный процесс выявил сильные стороны семейства моделей GPT‑5.4, особенно в области многошагового планирования, использования инструментов и снижения количества галлюцинаций. Сегодня Balyasny использует GPT‑5.4 в качестве механизма логических выводов (reasoning engine) в своей ИИ-системе наряду с внутренними моделями, которые подбираются под конкретные задачи на основе эмпирической производительности.

Компания Balyasny приняла стратегическое решение привлечь OpenAI к непосредственному участию в рабочих процессах конечных пользователей. Команды OpenAI воочию наблюдали за тем, как инвестиционные группы используют их систему ИИ: где она преуспевает, с какими трудностями сталкивается и как на самом деле выглядит высокая производительность в коммерческом контексте.

Эта прозрачность привела к более быстрым итерациям, более тесным циклам обратной связи по продукту и улучшению поведения моделей при решении специфических финансовых задач. Выступая в качестве партнера по дизайну при выпуске передовых моделей, Balyasny повлияла на дорожную карту OpenAI, предоставив инсайты от реальных аналитиков, а не тестовых примеров.

Поскольку ИИ глубоко интегрирован в повседневные рабочие процессы инвестиционных команд, они могут собирать структурированные отзывы в режиме реального времени обо всем: от пользовательских оценок и аудитов результатов до качества выполнения задач инструментами. Этот цикл обратной связи стимулирует быстрое усовершенствование как самих моделей, так и уровня оркестрации.

Например, ранние отзывы от команд, занимающихся слияниями и поглощениями (M&A / арбитраж сделок), показали, что агентам необходимо непрерывно переоценивать вероятность сделок по мере появления новых документов или пресс-релизов. Команда Balyasny оперативно расширила возможности планирования агентов и доступ к инструментам, заменив медленный ручной рабочий процесс мониторингом вероятностей в реальном времени.

Хотя у каждой инвестиционной команды есть собственная стратегия, Balyasny выбрала централизованный подход к развертыванию искусственного интеллекта. Команда прикладного ИИ разрабатывает базовые компоненты, включая агентские фреймворки, цепочки инструментов и средства соблюдения комплаенса, которые затем развертываются в командах с ограниченным доступом к данным и инструментам.

Такая модель «федеративного развертывания» означает, что каждая инвестиционная команда может разрабатывать и использовать ИИ-агентов, адаптированных под свой класс активов (например, макроэкономика, сырьевые товары и акции), в то время как команда прикладного ИИ сосредоточена на масштабировании архитектуры, исследованиях и оценке моделей. Это также гарантирует неукоснительное соблюдение нормативных требований и стандартов комплаенса, что крайне важно в отрасли, где управление рисками и безопасность данных не подлежат обсуждению.

На сегодняшний день около 95% инвестиционных команд Balyasny активно используют ИИ-платформу компании, что дает измеримый эффект в отношении скорости, качества результатов и опыта аналитиков:

• Сложные исследовательские задачи, которые раньше требовали нескольких дней, теперь выполняются за считанные часы благодаря агентам, синтезирующим десятки тысяч документов, включая отчеты, исследования и данные о доходах.
• Аналитик речей центральных банков (Central Bank Speech Analyst) сократил время макроэкономического сценарного анализа с 2 дней примерно до 30 минут.
• Агент-суперпрогнозист арбитража слияний (Merger Arbitrage Superforecaster) теперь непрерывно отслеживает и обновляет вероятность сделок, заменяя заказные электронные таблицы и ручные оповещения.

Что не менее важно, аналитики Balyasny отмечают более высокую уверенность в получаемых результатах. Благодаря специализированным инструментам, отслеживаемым путям логических выводов и проверяемым агентам они используют ИИ для получения структурированных, объяснимых инсайтов, которые повышают уверенность в решениях и помогают принимать их на человеческом уровне.

Balyasny продолжает расширять дорожную карту ИИ, уделяя особое внимание следующим направлениям:

• Тонкая настройка на основе подкрепления (RFT) для улучшения поведения моделей при выполнении сложных и ценных задач
• Более глубокая оркестрация агентов в финансовых сферах
• Мультимодальные входные данные, включая финансовые графики, отчетность и регламентированные документы

Оценка будущих передовых моделей на предмет их соответствия конкретной предметной области.