AI-трейдинг в Man Group: управление $200 млрд через Claude

Контекст: высокие ставки

Man Group — глобальный управляющий альтернативными инвестициями с активами свыше $200 млрд. Её клиентов — пенсионные фонды и суверенные фонды, для которых каждый процент доходности имеет реальное значение. Ошибки в AI-решениях могут привести к потере огромных сумм.

Систематический трейдинг (алгоритмическая торговля на тысячах рынков) — ключевая область применения AI, где организация может получить серьёзное конкурентное преимущество.

Что такое торговый сигнал

Торговый сигнал — это инвестиционная стратегия, нацеленная на ранжирование активов. Её смысл похож на сбор фэнтези-футбольной команды: выбрать активы, которые принесут прибыль (лонг-позиции), и избежать убыточных (шорт-позиции).

Проверка сигналов: каждый новый сигнал тестируется на исторических данных за 15+ лет (бэктест) для оценки его потенциала:

• Доходность — общий процент прибыли или убытка
• Просадка (drawdown) — максимальное падение от пика
• Коэффициент Шарпа — риск-скорректированная доходность

Айсберг под поверхностью

Сам торговый сигнал — только видимая вершина айсберга. Под ним — сложные рабочие процессы, которые делают сигнал воспроизводимым и надёжным:

• Очистка и подготовка данных — валидация, нормализация, обработка пропусков
• Запуск бэктестов — распределённые вычисления, оценка метрик
• Инфраструктура — хранение, управление версиями, аудит

Без единых стандартизированных рабочих процессов разные команды получают несопоставимые результаты и воспроизводят ошибки друг друга.

Полный цикл: как AI создаёт сигналы

В Man Group AI осуществляет полный производственный цикл:

1. Генерирует идею для торгового сигнала на основе рыночных данных и исторических паттернов
2. Получает требуемые данные из разных источников
3. Проводит бэктест на исторических данных за 15+ лет
4. Анализирует результаты и пишет предложение по стратегии
5. Запускает сигнал в продакшн при позитивной оценке

Роль человека: проверка и контроль вывода AI на каждом этапе. Когда речь идёт о деньгах клиентов, надзор человека не подлежит сокращению. Интеллектуальная собственность созданных сигналов остаётся закрытой.

Кризис масштабирования: первая ошибка

Изначальный подход Man Group к внедрению AI был стандартным: массовые воркшопы, хакатоны, корпоративный блог с примерами. На поверхности — множество инициатив. В реальности — проблемы:

• Навыки писали не те люди. Продвинутые пользователи создавали инструменты, но владельцы бизнес-процессов не были задействованы.
• Локальные оптимизации блокировали масштабирование. Например, навык для управления расходами имел жёстко прописанный код центра затрат, который создал проблемы на уровне одобрения расходов.
• Нет согласованности. Разные команды использовали разные подходы, стандарты, наборы данных. Агенты не могли надёжно взаимодействовать.

Проблема была не в количестве навыков, а в их управлении и происхождении.

Skills Governance: управляемый маркетплейс навыков

Man Group создала управляемый маркетплейс навыков — структуру, похожую на корпоративную библиотеку компонентов в инженерии:

• Видимость и организация. Все навыки видны в едином каталоге, помечены тегами, протестированы и задокументированы.
• Владение и ответственность. Каждый навык имеет определённого владельца — ответственного за рабочий процесс, который он представляет.
• Жизненный цикл. Навыки проходят фазы: создание, тестирование, обзор, отслеживание использования, вывод из эксплуатации (sunset).
• Организация по домену. Навыки структурированы по отделам: финансы, HR, исследования, что облегчает поиск и повторное использование.

Ключевой инсайт: относитесь к навыкам как к production-коду. Продумайте управление (владение, тестирование, вывод из эксплуатации) до запуска первого навыка.

На практике: создание сигнала с помощью навыков

Реальный пример создания торгового сигнала показывает, как Skills Governance работает в действии:

1. Используется управляемый навык «Альтернативные наборы данных» для поиска и получения данных по кредитным картам.
2. AI анализирует траты по кредитным картам Amazon и сравнивает динамику расходов с движением акций компании.
3. Запускается бэктест через навык «Распределённые вычисления», чтобы проверить: предсказывают ли траты потребителей доходность акций?
4. Анализ расширяется на всю розничную отрасль, применяя аналогичный подход к другим компаниям.

Итог: для создания единого сигнала было использовано 4 управляемых навыка, каждый из которых гарантирует согласованность данных и методологии. Без системы управления каждый аналитик писал бы свой код очистки данных, бэктеста и аналитики — с разными результатами.

Результаты и масштаб внедрения

Skills Governance трансформировала способность Man Group применять AI:

• Из примерно 1700 сотрудников 750 активно используют Claude Code
• Создано более 100 управляемых навыков, структурированных по доменам, и столько же общедоступных инструментов
• Появилась прочная основа для использования роёв агентов (swarms), которые будут коллективно искать новые инвестиционные возможности, комбинируя эти навыки

Масштаб — не в количестве инструментов, а в порядке их применения и управления.

Ключевые выводы и конкурентное преимущество

1. Организационный контекст — ваша крепость. Ваши данные, процессы, рабочие процессы не находятся в интернете и не могут быть воспроизведены крупными AI-лабораториями. Ваша задача — сделать этот контекст доступным для AI, упаковав его в управляемые навыки.
2. Навыки — это production-код. Внедрение систем управления навыками (владение, тестирование, жизненный цикл) до начала массового применения AI критично для масштабирования.
3. Внедрение — это проблема людей, а не технологий. Нужно переосмысливать рабочие процессы и организационную структуру, а не просто дополнять их новыми инструментами. Требуются обучение, вовлечение и новые роли (владельцы навыков).
4. Создайте «золотой путь». От вашей AI-платформы (Claude, агенты) к вашим данным и возможностям должна быть чёткая, управляемая, протестированная цепь. Это путь, по которому новые инициативы смогут быстро масштабироваться без переизобретения колеса.