ИИ вместо инвестаналитика: как в «Сбере» обучили «ГигаЧат» финансам
Колонку подготовили председатель Ассоциации финансовых аналитиков (АФА), главный стратег по экономике казначейства «Сбера» Павел Пикулев и директор дивизиона AI трансформации и исследования данных блока «Финансы» «Сбера» Андрей Духовный.
Чат-боты на основе больших языковых моделей используют уже 1 млрд жителей Земли. А по статистике Стэнфордского университета, 60% людей уверены, что искусственный интеллект серьезно изменит их жизнь. Как показало сентябрьское исследование американского Национального бюро экономических исследований, более 50% всех запросов к ботам приходится на практические советы и поиск информации.
В реальной жизни за помощью в сфере медицины, юриспруденции, инвестиций и финансов мы обращаемся к профессионалам, которые тратят долгие годы жизни на обучение и несут ответственность перед клиентами. Их деятельность регулируется и лицензируется государством и связана с рисками.
То же самое касается искусственного интеллекта. Модели общего назначения обучаются на огромных объемах информации, поэтому они хуже концентрируются на отдельных прикладных областях. Они похожи на эрудитов, которые знают все обо всем, но не обладают знаниями и навыками для решения конкретных задач. Поэтому ИИ в базовой комплектации не сможет качественно разобрать вашу ситуацию как врач, юрист или инвестиционный консультант. Он не даст вам персонализированную инвестиционную рекомендацию.
Но это не значит, что использовать искусственный интеллект в специализированных областях нельзя. Просто, как и в случае с экспертами-людьми, сначала нужно обучить нейросеть на конкретного эксперта, в нашем случае в области финансов. Именно этим мы в «Сбере» и занимаемся в партнерстве с исследователями Института AIRI. Обучать ИИ-эксперта сложнее, чем человека, — это длительный и ресурсоемкий процесс. Нужно воссоздать логику профессионального мышления: как эксперт анализирует информацию, какие вопросы задает, какие выводы делает. Их нужно снабдить предметным инструментарием и методологией работы.
Как проходило обучение «ГигаЧата» и к чему оно привело
Мы развиваем ИИ-эксперта по двум направлениям: теории и практике. Теория — самое простое. Большие языковые модели идеально заточены на сдачу теоретических экзаменов, когда все вопросы имеют однозначные правильные ответы, которым можно обучить ИИ. Чуть сложнее обстоит дело с задачами, требующими вычислений. И все же реально дообучить модель логике вычислений на уровне человека — это уже происходит.
Так, мы дообучили «ГигаЧата» макро- и микроэкономике, финансам, учету и отчетности, управлению бизнесом и финансовой грамотности. В результате наша нейросеть успешно сдала сразу два экзамена в Президентской академии (РАНХиГС): модель подтвердила знания, соответствующие степени бакалавра по направлениям «Экономика и финансы» и «Финансовая грамотность».
«ГигаЧат» также получил сертификат финансового аналитика (СФА). Это совместная сертификация Национальной финансовой ассоциации (НФА) и Ассоциации финансовых аналитиков (АФА), близкая к американской CFA первого уровня и единственная в России такого уровня. В совете, определяющем программу СФА, есть представители Банка России и крупнейших финансовых институтов.
Тестирование СФА состоит из двух трехчасовых сессий по 120 вопросов. Даже профессионалам финансового рынка обычно требуется от трех до шести месяцев интенсивной подготовки для сдачи на сертификат. Мы готовились к сдаче на сертификат около года, дообучая «ГигаЧат» как на тестовых материалах предыдущих экзаменов, так и на материалах для подготовки к CFA.
Однако и люди, и модели учатся, чтобы применять знания на практике, а не сдавать экзамены. И здесь начинаются сложности. На текущем этапе развития технологий мы не можем делегировать ИИ принятие за нас финансовых решений. Решения пока остаются прерогативой человека, а ИИ должен обеспечить нас информацией, которая поможет в кратчайшие сроки их принимать и повысит качество этих решений. Так мы пришли к идее финансового ИИ-аналитика (AIFA).
Как «ГигаЧат» научился анализировать МСФО
Есть разные классы задач, которые решают финансовые аналитики, и одна из самых важных и трудоемких — анализ финансовой отчетности. Эту задачу решают как рейтинговые агентства и управляющие портфелями, так и финансисты и трейдеры. Мы подумали, что если для каждого из них мы сократим время первичной оценки отчетности по компании с нескольких часов до нескольких минут, то наш ИИ-финансовый аналитик уже принесет большую пользу.
Для этого нам нужно не только безошибочно извлекать из многостраничных документов все цифры и смыслы, но и четко представлять, что с этой информацией делать дальше, по какой логике ее обрабатывать и как упаковать итоги обработки в нужный результат. При этом уже с первой частью задачи (извлечь информацию без ошибок) модели общего назначения, даже передовые ChatGPT и DeepSeek, справляются неидеально. Результаты для одной-двух страниц бывают отличными, но на длинных документах, таких как полный отчет по МСФО, качество резко падает.
С настройкой извлечения цифр и смыслов из файлов с отчетностью МСФО нам помогли эксперты AIRI. Затем к работе подключились инвестиционные аналитики SberCIB Investment Research и эксперты РЭШ — они разработали для алгоритма цепочки рассуждений, подобные тем, что присущи человеку в ходе анализа отчетности. Далее специалисты AIRI преобразовали эту экспертную логику в структурированные цепочки рассуждений и упаковали их в ИИ-агентов на базе «ГигаЧата», которые обрабатывают отчетность по заложенной в них логике.
Так мы получили платформу AIFA, которая действует как профессиональный аналитик. Она берет на входе ваш файл с отчетностью и через минуту-другую выдает сводку с ключевыми моментами на одну-две страницы по стандартам аналитиков «Сбера», на которую у эксперта-человека ушло бы несколько часов работы. При этом AIFA не просто извлекает цифры, а проводит полноценный анализ по той же методологии, что и опытный специалист.
ИИ — не панацея, но надежный помощник для человека
Какое будущее нас ждет? Если говорить об AIFA — тут все просто. При анализе финансовой отчетности эксперт в лице человека использует не только данные, которые есть в самом отчете, но и информацию о ситуации в отрасли, компаниях-конкурентах, а также последние новости и ожидания рынка. Снабдить бота этой информацией и включить ее в периметр анализа — вопрос техники и времени, если знать, что с ней делать. Наши аналитики, обучающие AIFA, это знают и продолжают совершенствовать систему.
Если же говорить шире о месте ИИ в нашей жизни, то AIFA — это пример нового подхода к построению специализированных ИИ-систем. Вместо того чтобы просто «накормить» модель большим объемом данных, мы воссоздали архитектуру экспертного мышления через цепочки рассуждений и систему ИИ-агентов. В таком будущем ИИ экономит человеку время на трудоемких задачах, а человек определяет логику работы системы и берет на себя ответственность за результат. И для этого по-прежнему надо быть экспертом: в этой части с внедрением ИИ ничего не меняется.
