Как Chatham Financial масштабирует экспертизу на рынках капитала с помощью OpenAI

Когда финансовые компании говорят об ИИ, чаще всего речь идёт о чат-ботах и автоответах. Chatham Financial пошла принципиально иным путём: компания переосмыслила сами рабочие процессы с нуля — и сократила время проверки финансовых транзакций с 30 минут до менее чем 4. Это не ускорение старого конвейера, а его полный демонтаж и пересборка.

Кто такая Chatham Financial

Основанная в 1991 году, Chatham Financial начинала как консультант по процентным ставкам для региональных банков, а затем выросла в полноценную практику управления финансовыми рисками. Сегодня компания обслуживает более 4 500 клиентов по всему миру, обеспечивая сопровождение транзакций на сумму свыше $2 трлн в год.

Chatham не управляет дискреционным капиталом как традиционный управляющий активами — вместо этого она выступает технологически ориентированным советником и исполнительным агентом, помогая клиентам структурировать и оценивать свопы, кэпы, коллары и кросс-валютные инструменты.

Компания предлагает разработку стратегий хеджирования, документирование деривативов, исполнение транзакций, хеджинговый учёт и оценку деривативов.

Стратегия: не ускорять старое, а строить новое

По мере развития возможностей ИИ компания увидела возможность превратить проверенные процессы в управляемые, повторяемые рабочие процессы и программное обеспечение, сокращая время на рутинное исполнение, чтобы эксперты могли сосредоточиться на нуждах клиентов.

Для реализации этой идеи Chatham запустила два ключевых направления:

• Chatham Onyx — операционная система нового поколения для рынков капитала
• Process Zero — консалтинговая служба по реинжинирингу бизнес-процессов

По данным кейса OpenAI, Chatham использует Codex для создания внутренних и клиентских инструментов, а GPT-5.6 — для работы AI-функций. Эта работа охватывает приложения, созданные сотрудниками, операционную систему рынков капитала Chatham Onyx и консалтинговый сервис Process Zero.

Философия Process Zero: не автоматизировать устаревший процесс, а начать с нуля — определить желаемый результат и выстроить путь к нему заново.

Process Zero: реинжиниринг от результата к процессу

Идея Process Zero (или P-Zero) — проектировать рабочий процесс с нуля, а не просто ускорять унаследованный. Это не только про ИИ. Это про саму работу. Команда начинает с результата, движется назад и перепроектирует процесс, убирая шаги, которые существовали только ради старого способа работы.

Через Process Zero Chatham перестраивает рабочие процессы вокруг результатов. Для каждого процесса компания определяет минимальный набор входных данных и доказательств, фиксирует, где человеческое суждение остаётся незаменимым, и указывает, как ИИ и созданные с его помощью инструменты должны поддерживать работу.

flowchart TD
    A[Определение желаемого результата] --> B[Анализ минимально необходимых данных]
    B --> C[Выявление точек обязательного
человеческого контроля]
    C --> D[Проектирование AI-поддержки
для остальных шагов]
    D --> E[Запуск нового процесса]
    E --> F[Сравнение с результатами
опытных сотрудников]
    F --> G{Качество достаточное?}
    G -->|Да| H[Масштабирование]
    G -->|Нет| D

Главный кейс: валидация сделок

Валидация сделок — один из наиболее критичных и трудоёмких процессов в работе с деривативами. Каждая транзакция должна быть сверена: данные в системе должны совпадать с тем, что клиент авторизовал, и с тем, что было реально исполнено на рынке.

Команда Controls and Data Integrity (контроля и целостности данных) защищает точность транзакционных данных, проверяя, что каждая запись в системе отражает то, что клиент санкционировал и что было исполнено.

С помощью Codex Chatham разработала приложение для валидации сделок, которое собирает подтверждающие доказательства транзакций, сравнивает ключевые условия и помечает расхождения для проверки.

По первичным замерам, приложение сократило время проверки примерно с 30 минут до менее чем 4 минут.

Chatham сравнивает результаты приложения с результатами опытных проверяющих. Компания планирует расширить приложение на дополнительные типы сделок и автоматизировать больше шагов, сохраняя при этом надлежащий контроль и профессиональный надзор.

Платформа Chatham Onyx: архитектура AI-стека

Платформа Onyx использует GPT-5.6 Sol, GPT-5.6 Terra, GPT-4.4 и GPT-4.1. Простые задачи анализа и непроизводственное тестирование направляются к наиболее экономичным моделям, тогда как GPT-5.6 применяется для сложных задач, требующих максимальной точности и ценности.

Это типичная для зрелых AI-внедрений стратегия model routing (маршрутизации между моделями): использовать дорогие и мощные модели только там, где это оправдано, и снижать затраты на рутинных задачах.

Приложения, созданные сотрудниками

Один из интересных аспектов подхода Chatham — распределённая разработка. Компания не создала централизованную AI-команду, которая пишет всё за всех.

Сотрудники Chatham используют ChatGPT и Codex в исследованиях, анализе, подготовке документов, разработке программного обеспечения и других повседневных задачах. ИИ стал практическим инструментом, широко принятым во всей компании.

Эти приложения всё больше поддерживают клиентские рабочие процессы. Одно из них помогает командам проверять сделки с истекающими кэпами и готовить рабочие книги с ценообразованием и клиентские коммуникации. Другие поддерживают рабочие процессы: подготовку листов ставок по инструментам с фиксированным доходом, подготовку хеджинговых дашбордов и проверку торговых подтверждений.

Результат: от исполнителя к интерпретатору

Chatham использует OpenAI для структурированных сравнений, организации доказательств, выявления исключений и помощи командам в более эффективном изучении информации. В результате консультанты могут тратить меньше времени на сборку данных и больше — на их интерпретацию, работу со сложными случаями и консультирование клиентов.

Это принципиальный сдвиг в роли специалиста: от человека, который механически проверяет цифры, к эксперту, который принимает суждения на основе уже собранной и структурированной информации.

Цифры и масштаб

Почему это важно для индустрии

Кейс Chatham Financial показателен по нескольким причинам:

1. Не «пилот», а производство. Компания не тестирует ИИ в изолированной среде — это реальные клиентские данные и реальные транзакции.

2. Человек в контуре сохраняется. Для каждого процесса компания фиксирует, где человеческое суждение остаётся незаменимым, и строит AI-поддержку вокруг этих точек.

3. Масштабируемость экспертизы. Chatham применяет одинаковый подход в работе с клиентами, на пересечении трёх ключевых компетенций компании: рынков капитала, технологий и реинжиниринга процессов.

4. Экономика модели. Умная маршрутизация между моделями разного уровня позволяет контролировать стоимость и не переплачивать за каждый запрос.

Выводы

Chatham Financial демонстрирует, как зрелая финансовая компания может использовать ИИ не как дополнение, а как архитектурный принцип. Ключевые уроки:

• Начинай с результата, а не с технологии
• Разграничивай задачи для ИИ и для человека ещё на этапе проектирования
• Распределяй разработку — дай сотрудникам инструменты для создания собственных приложений
• Маршрутизируй между моделями в зависимости от сложности задачи
• Сравнивай результаты ИИ с результатами опытных специалистов до полного перехода

Для российских финансовых компаний — управляющих активами, брокеров, инвестиционных банков — этот кейс особенно актуален: огромный объём ручных операций по сверке данных, подготовке отчётности и валидации сделок — именно те области, где подход Process Zero может дать многократный выигрыш в эффективности.