Franklin Templeton и OpenAI: AI для инвестиционного анализа
Как Franklin Templeton использует AI-инструменты OpenAI для трансформации equity research и управления инвестиционными рисками.
Franklin Templeton и OpenAI: как AI меняет инвестиционный анализ
Один из крупнейших мировых управляющих активами — компания Franklin Templeton — официально объявила о разработке AI-воркфлоу (автоматизированных рабочих процессов на основе искусственного интеллекта) совместно с OpenAI. Запуск кейс-стади состоялся 5 ноября 2026 года и охватывает первый этап трансформации: анализ акций (equity research — исследование и оценка ценных бумаг).
Зачем Franklin Templeton понадобился AI?
Традиционный исследовательский процесс компании строился на последовательной работе людей: анализ акций, просмотр звонков с инвесторами, оценка конкурентов по каждому направлению бизнеса. Теперь Franklin Templeton внедряет AI, чтобы оптимизировать и улучшить эти процессы.
Цель — помочь портфельным менеджерам изучать различные исследовательские точки зрения и риски, стоящие за той или иной инвестиционной идеей.
Катрина Дадли (Katrina Dudley), старший вице-президент по инвестициям на публичных рынках Franklin Templeton, описывает масштаб изменений так:
«Мы перешли от дополнения нашего исследовательского процесса к его полному переосмыслению.»
Первая попытка напрямую подключить AI-модели к базе данных не оправдала ожиданий — модели не могли понять связи между данными. Это стало отправной точкой для более глубокой архитектурной работы.
От базы данных к «слою связанного интеллекта»
Добавление агентов и семантического слоя позволило создать «connected intelligence layer» (слой связанного интеллекта), объединяющий данные из исследовательских, риск-, комплаенс- и трейдинговых функций для портфельных менеджеров.
В рамках создаваемого воркфлоу инвестиционные команды получат доступ к управляемой, многоразовой интеллектуальной базе, объединяющей доверенные коннекторы, контекст портфеля и рабочего процесса, а также агентные возможности для генерации действенных инсайтов для аналитиков и портфельных менеджеров.
Как выглядит новый воркфлоу?
graph TD
A[Аналитик готовит идею] --> B[Анализ акций / конкурентов / earnings calls]
B --> C[Семантический слой + AI-агенты]
C --> D[Агрегация данных: исследования, риски, комплаенс, трейдинг]
D --> E[Единый дашборд для портфельного менеджера]
E --> F{Инвестиционное решение}
F --> G[Принято]
F --> H[Отклонено / Пересмотрено]
Роль OpenAI Codex в проекте
Franklin Templeton разрабатывает AI-воркфлоу для equity research, используя Codex от OpenAI и другие инструменты.
Метод включает хакатоны, в которых технические специалисты работают бок о бок с инвестиционными практиками и создают собственные инструменты, а затем «AI-чемпионы» компании переводят прототипы в промышленные решения через проверки безопасности, экспертную поддержку и контроль данных.
OpenAI Codex — это платформа для генерации и анализа кода на основе больших языковых моделей. В данном случае она используется не только для разработки, но и как инструмент, позволяющий инвестиционным специалистам без глубоких технических знаний создавать собственные аналитические инструменты.
Ключевой принцип: разнообразие мнений и явный акцент на риски
Одно из главных архитектурных решений проекта напрямую связано с природой инвестиционного процесса.
Franklin Templeton рассматривает «схлопывание» мнений как потенциальный источник предвзятости и вместо этого хочет, чтобы аналитики и портфельные менеджеры имели доступ к разнообразию исследований и точек зрения.
Это принципиальное отличие от потребительских AI-продуктов: обычные чат-боты стремятся дать один «лучший» ответ. В инвестиционном контексте это опасно — консенсус может скрывать реальные риски.
«Нам нужно, чтобы AI понимал: великая инвестиционная идея — это та, которая хорошо обоснована, но при этом анализирует риски и информирует наших портфельных менеджеров о них. Если в исследовательской записке кто-то выявил инвестиционные риски — это не плохо с нашей точки зрения. Это делает инвестиционное решение более взвешенным.»
Сравнение: старый и новый подход к исследованию
| Параметр | Традиционный процесс | AI-воркфлоу с OpenAI |
|---|---|---|
| Агрегация данных | Вручную, аналитиком | Автоматически, через семантический слой |
| Охват точек зрения | Ограничен временем аналитика | Множество источников параллельно |
| Выявление рисков | По усмотрению аналитика | Явно выделено AI-системой |
| Участие комплаенса | Отдельный этап | Встроено в единый воркфлоу |
| Роль портфельного менеджера | Получает готовое резюме | Видит весь спектр мнений и рисков |
| Скорость подготовки идеи | Часы / дни | Значительно сокращается |
Роль «AI-чемпионов» внутри компании
«AI-чемпионы» по инвестициям работают над тем, чтобы превратить эксперименты в готовые к производству воркфлоу — с проверкой безопасности, экспертной поддержкой и контролем данных как частью этого процесса.
Эта роль особенно важна для больших финансовых организаций: внутренние энтузиасты, понимающие одновременно специфику инвестиционного процесса и возможности AI, становятся мостом между разработчиками и конечными пользователями.
Портфельные менеджеры остаются центральными фигурами в принятии инвестиционных решений — AI предназначен для организации информации для их изучения, а не для замены суждения специалистов.
Что это означает для индустрии управления активами?
Компании по управлению инвестициями всё активнее исследуют применение AI для синтеза исследований, оценки рисков и анализа портфелей. Данная модель внедрения может повлиять на то, как другие управляющие активами подойдут к интеграции AI в свои исследовательские операции.
Финансовый сектор традиционно консервативен в отношении новых технологий — и не без причины. Ошибки здесь стоят дорого. Именно поэтому подход Franklin Templeton показателен: компания не стремится автоматизировать решения, а строит систему, которая делает людей информированнее.
Переход от «дополнения процесса» к «переосмыслению воркфлоу» — это не просто смена инструментов. Это смена философии работы с информацией в управлении инвестициями.
Выводы
Кейс Franklin Templeton и OpenAI демонстрирует зрелый, взвешенный подход к внедрению AI в сложной регулируемой индустрии:
- Начинают с конкретного сегмента (equity research), а не пытаются автоматизировать всё сразу
- Строят семантический слой, чтобы AI понимал контекст и связи между данными
- Принципиально сохраняют разнообразие мнений, защищаясь от предвзятости консенсуса
- Акцентируют риски, а не только инвестиционные тезисы
- Оставляют финальное решение за человеком
Это модель, которую стоит изучать — не только инвестиционным компаниям, но и любой организации, работающей с большими объёмами аналитической информации и несущей ответственность за качество принимаемых решений.