Фото: Платон Шиликов

Управление активами – одна из самых консервативных отраслей, однако вы решили строить «автономную управляющую компанию». Что это такое и что подтолкнуло вас к технологическому эксперименту?

Полтора года назад мы сформировали для себя ИИ-повестку, а в последние месяцы оформили ее в концепцию «автономной управляющей компании».

Мы посмотрели на бизнес УК широко: это не только инвестиции, но и клиентский сервис, коммуникации, операционные процессы, комплаенс, риски и, наконец, IT. Сегодня половина нашей команды – айтишники, и это не метафора. Мы строим собственную платформу, которая должна пронизывать все – от фронта до бэка, от клиентских каналов до расчетов.

То есть вы фактически превращаете УК в технологическую платформу?

Именно. Мы сейчас проходим первую фазу миграции на целевую платформу, построенную по модели Platform as a Service. В перспективе сможем предлагать ее клиентам как сервис – управлять не только их средствами, но и технологической инфраструктурой.

ИИ в этой архитектуре не надстройка, он проявляется на всех уровнях: клиентском, инвестиционном и операционном. Начнем с первого из них. Мы делаем цифрового помощника – ассистента клиентского менеджера и самого клиента. Продукты в нашем бизнесе сложные, их по-прежнему продают и обслуживают люди. Но есть масса задач, где искусственный интеллект может быть эффективнее.

Мы тестируем большие языковые модели, которые обрабатывают обращения клиентов по отдельным видам продуктов. Проект близок к промышленному запуску: модели уже генерируют ответы с качеством 70–80% от необходимого, и это по российским решениям. Сложнее оказалось с комментариями к инвестиционной отчетности: здесь нужно не просто понимать текст запроса, а синхронизировать рыночную аналитику, позиции по портфелю и действия управляющего.

Модель должна буквально понимать, что происходит в портфеле клиента?

Да, и это значительно сложнее. ИИ должен знать, какие бумаги входят в портфель, что изменилось на рынке, какие факторы считают значимыми аналитики. Он не принимает решений сам, но должен «сшивать» рыночные события с динамикой конкретного портфеля – понимать, что выросло, что упало, какие сделки были и почему. Мы интегрируемся с партнерами по рыночным новостям, в частности с брокерским бизнесом Сбера – у них сильная модель и контент. Но, чтобы хорошо «срастить» рыночный движок с нашим клиентским движком, нужно больше времени.

Вы используете индикатор тональности заявлений Центробанка. Что это за инструмент?

Мы проанализировали около сотни пресс-­релизов заявлений и стенограмм пресс-­конференций Банка России после заседаний по ставке. Каждое высказывание классифицируется по тональности – «ястребиное» или «голубиное». На основе этого строится индекс, который показывает, в какую сторону склоняется риторика ЦБ: к ужесточению или смягчению денежно-кредитной политики.

Оказалось, что этот индекс действительно работает как опережающий индикатор: изменение тональности начинается за три-четыре месяца до разворота цикла. Мы уже применяем его при управлении процентным риском. Тут, конечно, нельзя сказать, что машина реально подсказывает нам то, чего мы не видим сами. Она скорее подтверждает наши умозаключения. Модель обучали на мнениях аналитиков и управляющих, поэтому она выступает как независимая проверка экспертизы. Это не оракул, а второй голос, который либо соглашается с командой, либо настораживает.

Бывают расхождения?

Пока нет. Но важно понимать, что мы не полагаемся на одну сеть: таких моделей несколько, и они дают консенсус. Когда все три показывают «зеленый сигнал», можно говорить, что система уверена в решении.

Ваш «автономный управляющий» выглядит как целая экосистема агентов.

Есть агенты, отвечающие за выбор бумаг – selection, есть макроагенты, которые решают, добавлять ли риск в портфель или, наоборот, снижать его. Есть агент, связанный с клиентом, – он учитывает риск-профиль и поведенческие особенности. Но, конечно, данных о клиенте у нас как продуктовой фабрики пока недостаточно. Мы можем анализировать какие-то данные, связанные с личными финансами клиента, но не знаем его нерациональных мотивов.

Чтобы агент «понимал» человека, нужна масштабная экосистема данных, которая строится на уровне нашего генерального партнера – всей группы Сбера: это история про навигацию человека в жизни, про его цели, привычки, финансовые и нефинансовые паттерны поведения. Это требует времени. Пока эти агенты работают автономно от человека-­клиента – они видят только действия управляющих. Но мы уже строим архитектуру, которая позволит со временем «подключить» к нашим «движкам» знание о клиенте.

Идея, в общем-то, не уникальна. У BlackRock недавно вышла академическая статья – попытка формализовать «агентизацию» работы управляющих. Мы движемся примерно в том же направлении: у нас есть фундаментальный агент – «Баффетт», условно, который ищет недооцененные акции, есть агент сантиментный – он анализирует новости и тональность, есть макроагент, отслеживающий движение ставок и валют, и технический, который видит микроструктуру рынка. Над ними стоит оркестратор, взвешивающий их сигналы и выдающий итоговое решение.

Но пока это только модель, не действующая система?

Мы уже делаем первый пилотный фонд на российских акциях. Его ядро алгоритмическое, пока без клиентского блока и без полного набора агентов. Планируем вывести его на рынок в начале следующего года. Это будет, скажем так, классический фонд с элементами автономии, но пока без гиперперсонализации.

А когда можно будет говорить о действительно автономной управляющей компании, где ИИ работает без человека?

Сегодняшний уровень развития искусственного интеллекта не подразумевает возможности самосовершенствования, самоанализа. А ведь рынок не круг, который повторяет сам себя, это скорее спираль: паттерны его динамики в прошлом похожи, но никогда не идентичны. Чтобы стать настоящим управляющим, ИИ должен уметь эволюционировать – не просто обучаться на старых данных, а перестраиваться под новую реальность. Этого пока нет. Поэтому говорить о полной автономии пока преждевременно.

Даже если технически это станет возможным, вы ведь не сможете доверить машине все?

Даже если ИИ будет анализировать риски, комплаенс, операционные процессы, его все равно придется донастраивать. Люди останутся, просто их роль изменится. Управляющий превратится в промпт-­инженера – эксперта, который конструирует и калибрует модели и контролирует, когда рынок начинает «ломать» их.

В глобальных квантовых фондах это именно так и устроено: человек – ­дизайнер стратегии следит за алгоритмами и в нужный момент дергает рубильник. Когда искусственный интеллект научится сам распознавать, что мир изменился, и перестраивать себя, вот тогда можно будет говорить о наступлении новой «робоэры». Надо отметить, что многие эксперты говорят о том, что это может быть возможно уже в течение следующих нескольких лет.

Но ведь даже сейчас для клиента это «черный ящик». Он не всегда понимает, как мыслит его управляющий. А если вместо человека нейросеть? Не превращается ли это в «черный ящик в кубе»?

Это действительно одна из главных, почти философских проблем. Именно поэтому сейчас активно развиваются интерпретаторы (reasoning) – режимы, в которых модель объясняет, почему выдала тот или иной ответ. В инвестициях это критично: доверие без понимания невозможно.

Скептики говорят, что и интерпретаторы могут обманывать – объяснять красиво, но неверно. Мы начинаем верить объяснению, а не сути.

Абсолютно верно – это называется «галлюцинацией» модели. В финансовой теории и практике уже давно существует понятие «модельный риск» – и это не фигура речи. Регулятор требует его формально оценивать: как именно устроены расчеты, где границы применимости модели, насколько корректны ее предпосылки и выводы. Возьмите тот же VaR (Value at Risk – широко известная метрика в риск-менеджменте, показатель величины потенциальных финансовых потерь портфеля при заданном уровне вероятности) – исторический, параметрический, Монте-­Карло. Все эти методы выглядят строго, математично, но на деле в каждом из них есть искажения.

Параметрический VaR, например, предполагает, что рынок – это гауссовский случайный процесс с двумя параметрами – стандартным отклонением и дисперсией. Красиво, удобно, но в реальности рынок живет в режиме «толстых хвостов»: редкие события случаются чаще, чем это предписывает нормальное (гауссовское) распределение вероятностей. Исторический подход к расчету VaR чуть ближе к реальности, но и он не спасает, потому что прошлое не исчерпывает всех возможных сценариев будущего. «Черные лебеди» прилетают к нам не из статистики, а из реальности.

Поэтому «черный ящик» управляющего, будь он человеком или машиной, несет в себе тот же модельный риск. И именно это делает человеческое присутствие необходимым. Не для того, чтобы контролировать каждую цифру, а чтобы осознанно учитывать многофакторный экономический контекст – ту самую зону неопределенности, которую алгоритм пока еще может не видеть. Управлять модельным риском – значит управлять не самой моделью, а границами ее адекватности.

Человек в любом случае останется главным действующим элементом системы?

Да. Управление активами – это прежде всего управление риском. А искусственный интеллект лишь обостряет этот вопрос. Появятся новые методы: например, диверсификация по множеству одновременно реализуемых разнородных инвестиционных стратегий и «риск-агент», который следит за всей этой «экосистемой стратегий».

И я бы предложил отделять текущий хайп в больших языковых моделях (LLM) от «большой картины», ретроспективы применения формализованных подходов к управлению инвестиционными портфелями. Алгоритмические фонды существуют десятилетиями, риск-менеджмент тоже зрелая дисциплина. Просто теперь к этому добавилась новая этическая и мировоззренческая надстройка в виде AI.

В российском wealth management основная ставка делалась на людей. Звездные игроки, звездные команды, которые в силу своей высочайшей компетенции выигрывают в конкурентной борьбе, ассоциируются с повышенной доходностью и умением решать любые вопросы.

Это как раз не изменилось, и я вижу, как некоторые из этих звезд уходят в свободное плавание. Причем речь не о консультантах или советниках, а о людях, которые становятся, условно, независимыми fund managers – запускают собственные небольшие фонды, мультисемейные офисы. Мне интересно наблюдать, кто из них действительно достигнет успеха.

Сейчас звезды скорее привлекают капиталы, чем лично управляют ими. И это, кстати, тоже показатель того, что рынок становится многоуровневым, появляется специализация. Но если говорить шире, то важно, что сама конкуренция сохраняет элемент нерационального поведения. Даже сейчас, в эпоху алгоритмов. Потому что, если представить себе мир, где рынком управляют исключительно рациональные машины, рынок мгновенно стал бы эффективным, а на эффективном рынке заработать невозможно. Потому что в таком мире вся информация моментально отражается в цене. Никакой «альфы» – добавленной стоимости управляющего – не остается. Алгоритмы лишь делают рынок более гладким, приближая его к идеальной гауссовской модели. А поведенческая экономика давно доказала, что основное топливо рынка – человеческая иррациональность. Люди принимают решения не по формулам, а по эмоциям, ожиданиям, доверию. Именно поэтому рынок жив.