【Волна времени】 Модель AI-инвестирования в управлении активами должна выйти из «ловушки черного ящика»

（Подзаголовок: 【Ветер эпохи】 Модель AI для управления активами и инвестисследований должна выйти из «ловушки чёрного ящика»）

Цзян Гуансцянь

С 2026 года развитие ИИ-агентов стремительно продвигается вперёд под руководством «маленького омара» (прозвище AI-агента OpenClaw: OpenClaw). Поскольку без «выращивания» хотя бы одного появляется ощущение тревоги, что можно отстать, это беспокойство не обходит стороной и индустрию управления активами, включая публичные фонды. Главная ценность ИИ-агентов, представленных OpenClaw, состоит в том, чтобы закрыть «последнюю милю» — от огромных массивов данных до практического применения в инвестисследованиях — позволяя нам вплотную почувствовать крайний рост эффективности. Возьмём, например, ключевые должности в сфере инвестисследований: ИИ-агенты способны круглосуточно 7×24 автоматически собирать данные, очищать информацию, извлекать факторы, генерировать отчёты, освобождая инвесторов от тяжёлого и повторяющегося труда и направляя их усилия на более высокоуровневое стратегическое мышление.

Однако каждый, кто использует от DeepSeek, Юаньбао, Доугэ (豆包) до «маленького омуара», может в какой-то момент столкнуться с тем, что ИИ-модель «серьёзно и по делу несёт откровенную чушь», и это запоминается надолго, оставляя чувство тревоги. В сфере управления активами, где действуют по поручению и обслуживают клиентов, такие «чушь и несоответствия» вполне могут обернуться для инвесторов прямыми денежными потерями. Особенно примечательно в чёрном юморе то, что границы юридической ответственности между текущими ИИ-инструментами и пользователями всё ещё находятся в туманной зоне. Если личный консультант по инвестициям или институциональный инвестконсультант даёт рекомендации, и клиент ими не доволен, у инвестора ещё есть куда пойти, чтобы «восстановить справедливость». Но если инвестор «получает травму» от скачанного им же ИИ-инструмента, похоже, остаётся только «глотать молча» — то есть понести ущерб без возможности возмещения. По сравнению с «откровенной чушью», которую легко распознать сразу, некоторые выводы по инвестисследованиям, которые выглядят правдоподобно, но при этом логически стройны и выражены профессионально, требуют времени, чтобы их опровергнуть, и потому наносят более сильный вред. Пожалуй, наиболее настороженно в отрасли относятся к «риску чёрного ящика» — и он как раз является одним из типичных примеров, а также на данный момент общепризнанным «самым ключевым» и «самым требующим внимания» риском для ИИ-моделей.

Если говорить по существу, у большинства современных передовых ИИ-моделей, особенно моделей глубокого обучения, логика работы всё ещё «необъяснима». Мы знаем только, какие данные были введены и какой результат выдан, но почти ничего не знаем о том, как внутри модели осуществляется вывод и делается заключение. Эта «черноящиковая» особенность может порождать в сфере инвестисследований фатальные риски. Например, когда такие ИИ-модели «обучаются» на огромных массивах текстов и данных из интернета, неизбежно наследуются когнитивные искажения, рыночный шум и даже неверная информация, содержащиеся в этих данных. Многие «чудесные факторы», которые извлекаются, — не более чем статистические случайности, однако создают иллюзию открытия «священного Грааля». К сожалению, когда ИИ генерирует для нас инвестиционный аналитический отчёт или рекомендацию с вышеописанными характеристиками, инвестору без профессиональных знаний очень трудно распознать ошибки. Даже профессиональный инвестменеджер, если слепо полагается на такие рекомендации, может принять катастрофические инвестиционные решения.

Для ИИ-моделей ещё более глубокий вызов проистекает из самой сложности финансового рынка. Рынок — это не статичная лаборатория, а сложная адаптивная система, где действия всех участников взаимно влияют друг на друга и постоянно эволюционируют. Парадокс в том, что исторические данные, используемые для тренировки ИИ-моделей, сами по себе включают в себя поведение всех рыночных участников в прошлом. А как только модель начинает торговать, опираясь на обнаруженные закономерности, само поведение её торгов становится новым рыночным «данными», что затем влияет и меняет дальнейшее развитие рынка. Так формируется самореферентный контур обратной связи. Прежде чем обсуждать, «отравлены» ли данные обучения («投毒»), из этой «самоадаптивной» природы ИИ следует суровая реальность: любые эффективные закономерности, основанные на публичных данных и потому быстро извлекаемые ИИ, имеют крайне короткий жизненный цикл своей сверхдоходности. Без эксклюзивных прозрений и глубокой логики, понятной рынку, надеяться разбогатеть всем вместе, полагаясь на ИИ-инструменты, — разве это не мечта из серии «несбыточных фантазий»?

Хотя глубокая интеграция ИИ и инвестисследований уже необратима, для индустрии управления активами ключ к снятию тревоги не в том, чтобы вырастить несколько «маленьких омаров», а в том, чтобы создать новую экосистему, где сбалансированы эффективность и риски, и где происходит глубокая интеграция человеческих и машинных возможностей. Сейчас, независимо от того, речь о ведущих финансовых институтах или о сетевых органах надзора, все относятся с осторожностью к установке и использованию в корпоративных устройствах и внутренней сети открытых AI-агентов, таких как OpenClaw. Для финансовых организаций с масштабом управления активами в сотни и тысячи миллиардов, инструмент с неконтролируемым поведением — это угроза, которую система риск-менеджмента не может терпеть.

Индустрия управления активами заключается не в том, есть ли в ней ИИ, а в том, кто сможет глубже и лучше соединить ИИ с исследованиями, данными, инженерными практиками и риск-менеджментом. Будь то сегодняшние «омары» или будущие другие новые виды ИИ, самое главное — сохранять за человеком право на ключевые суждения: стать «командиром» группы ИИ-стратегий и «рубильником рисков» и держать контроль в своих руках.

Статья в этой рубрике представляет собой только личное мнение автора