Мэтт Рейстл, инвестор и ведущий подкаста Business Breakdowns, в эфире шоу Excess Returns рассказал о трансформации подходов к инвестиционному анализу под влиянием искусственного интеллекта. Он объяснил, как переход от простых языковых моделей к продвинутым агентам меняет повседневную работу фондов, и почему умение формулировать точные запросы становится ключевым навыком для современной генерации альфы. В основе его тезисов лежит идея о том, что ИИ не заменяет человека в принятии финальных решений, но кардинально повышает операционную эффективность команд.
🔄 Эволюция ИИ: От «интерна» к «младшему аналитику» 2:26
Ведущий Мэтт Сиглер напомнил, как несколько лет назад ИИ воспринимался скорее как улучшенная альтернатива поиску в Google. Мэтт Рейстл признал, что ранние версии ChatGPT создавали обманчивое впечатление: они казались социальным феноменом и удобным инструментом коммуникации, но при попытке профессионального применения обнаруживали множество «трещин». Из-за этого многие инвесторы поначалу забросили технологию, но сейчас вынуждены стремительно наверстывать упущенное.
Важнейший перелом, по мнению Рейстла, произошел в конце 2024 — начале 2025 года с появлением моделей глубокого исследования (deep research models) и премиальных корпоративных тарифов. По его оценке, этот этап ознаменовал полноценный переход от классических больших языковых моделей (LLM) к «агентскому ИИ» (agentic AI).
Различие между ними Рейстл формулирует через следующую аналогию:
- Базовая бесплатная LLM работает как калькулятор — она дает один ответ на один конкретный вопрос, собирая информацию по поверхности. Если спросить ее о перспективах роста атомной компании, она просто продублирует презентацию для инвесторов и добавит один общеизвестный отраслевой пример.
- Агентский рабочий процесс (agentic workflow) задействует логическое рассуждение (reasoning). Модель понимает контекст, ищет скрытые драйверы роста и уязвимости в прогнозах менеджмента. Она делает множество самостоятельных шагов, тратит больше времени, но выдает глубокий аналитический отчет.
Спикер резюмирует, что бесплатная LLM находится на уровне посредственного интерна, тогда как агентский ИИ поднялся до уровня полноценного младшего аналитика или ассоциата инвестиционного фонда.
📈 Оптимизация рабочих процессов и автоматический мониторинг 6:51
ИИ способен брать на себя самые разные задачи на всех этапах инвестиционного процесса. В качестве примера Мэтт Рейстл вспомнил свой прошлый опыт работы sell-side аналитиком в транспортном секторе: во время сезона отчетности ему приходилось вручную просматривать (через Ctrl+F) сотни транскриптов звонков компаний из смежных отраслей, чтобы узнать, что их клиенты говорят о логистических издержках. Это отнимало огромное количество времени по ночам, пока коллеги отдыхали на Манхэттене.
Сегодня, как отмечает инвестор, эта рутина полностью исчезает. Системы на базе ИИ можно настроить как автоматические скраперы данных для непрерывного real-time мониторинга. В отличие от старых оповещений Bloomberg, которые заваливали почту мусорными релизами (например, о победе ExxonMobil в локальном конкурсе производителей), современные ИИ-агенты фильтруют контент строго по заданным критериям.
Кроме того, автоматизация ускоряет фазу предварительной проверки (due diligence). Вместо ожидания устаревших на несколько кварталов аналитических обзоров (sell-side primers), инвестор может мгновенно сгенерировать глубокий кастомный отчет. Рейстл подчеркивает, что прирост производительности виден сразу. Разрыв между возможностями человека и машины стремительно сокращается.
🛑 Искусство быстрого отказа: Как ИИ помогает «убивать» инвестиционные идеи 19:28
Важнейшей функцией ИИ в инвестициях Рейстл считает способность быстро отсеивать неперспективные сделки. Он сослался на опыт Дэвида Плауна (David Plawn) из Portrait Analytics, который отмечал, как много времени раньше уходило на то, чтобы принять решение «убить» идею.
У каждого инвестора есть специфические критерии-киллеры (deal-breakers). Для Рейстла и его коллег ключевыми факторами являются следующие параметры:
- Аномалии и явные нарушения в бухгалтерском учете.
- Неэффективная структура вознаграждения и мотивации топ-менеджмента, не связанная с успехами бизнеса.
- Отсутствие у компании реальной ценовой власти (pricing power) на своем рынке.
Рейстл объясняет, что инвестор может настроить шаблон в модели глубокого исследования, указав все критически важные для него темы. ИИ будет автоматически сканировать поступающие на стол проекты и подсвечивать критические риски. Это позволяет моментально списывать бесперспективные кейсы со счетов, освобождая ресурсы.
🛠️ Инструментарий инвестора: Технологический стек Мэтта Рейстла 25:35
Рейстл признался, что не придерживается «моногамии» в выборе ИИ и активно экспериментирует со множеством платформ. Его текущий стек разделен по задачам:
- Claude: Основной инструмент для написания текстов, редактуры и подбора аналогий. По словам спикера, Claude лучше всего справляется с адаптацией тональности — например, помогает переформулировать мысли так, чтобы они не звучали излишне снисходительно.
- ChatGPT: Универсальная модель для повседневных личных и общих задач. Рейстл также регулярно использует функции Deep Research в ChatGPT, отмечая, что в последнее время качество выдачи там ему нравится больше, чем у конкурентов.
- Gemini: Применяется спикером для проведения глубоких исследовательских задач.
- DIA (браузер): Инструмент, ставший неожиданно ценным открытием. Работая в DIA с открытыми Google Таблицами, инвестор может общаться с ИИ напрямую через интерфейс браузера. Это избавляет от необходимости вручную загружать документы или копировать текст с сайтов.
- Cursor и Claude Code: Продвинутые агентские инструменты для написания кода, с которыми Рейстл начал экспериментировать. Спикер добавил, что благодаря платформе Cursor процесс создания программ стал «безумно проще», позволив ему реализовывать технические идеи без привлечения сторонних разработчиков.
📝 Секреты эффективного промптинга и экспериментов 30:10
Качество работы ИИ напрямую зависит от промптинга. Прорывным моментом для Рейстла стало знакомство с готовыми шаблонами в Portrait Analytics (такими как экспресс-анализ по методологии «Семь сил» Хэмилтона Хелмера). Сравнив их со своими запросами, он понял, что недооценивал важность специфичности. Если модель кажется чересчур оптимистичной, Рейстл рекомендует прямо добавлять в промпт указание: «Менеджмент всегда настроен оптимистично. Найди альтернативные мнения и включи абзац с жесткой критикой этого анализа».
Для генерации и валидации инвестиционных идей Рейстл советует использовать многоуровневую структуру промпта:
- Роль и контекст: Задать ИИ четкое мышление (например: «Ты младший аналитик в long-only фонде акций, который ищет недооцененные активы со следующими характеристиками...»).
- Целевая аудитория: Указать, для кого пишется текст (например, для инвестиционного комитета, принимающего финальное решение).
- Приоритет источников: Приказать делать упор на официальные отчеты 10-K, презентации менеджмента и транскрипты звонков, но также проверять альтернативные каналы.
- Формат выдачи: Четко ограничить объем и структуру (например, строго две страницы текста с тезисными выводами в конце).
Рейстл отмечает, что лучшие специалисты по ИИ проводят контролируемые эксперименты: при выходе новой модели они прогоняют через нее свои стандартизированные детальные промпты и по пунктам сравнивают результаты со старой версией. Сам спикер признает, что его подход менее системный и более линейный, так как он не всегда готов тратить время на преодоление «J-кривой» освоения новых фич. Для проверки качества работы ИИ он рекомендует тестировать его на темах, в которых инвестор сам является глубоким экспертом.
🎯 Сжатие альфы и новая суперсила инвесторов-генералистов 43:40
Отвечая на вопрос о том, не приведет ли массовое внедрение ИИ к размыванию конкурентного преимущества (альфы), Рейстл соглашается, что в теории это возможно. На рынке все имеют доступ к одной и той же информации, и ценность заключается в интерпретации данных и принятии решений. В качестве аналогии он приводит квантовую торговлю (quant trading), где даже крупнейшие фонды вроде Renaissance Technologies или Jane Street сталкиваются с ограничениями при масштабировании стратегий в жестко ограниченных средах.
Однако, по мнению Рейстла, ИИ создает тектонический сдвиг в пользу инвесторов-генералистов. Ранее специализированные аналитики (например, по энергетике) имели непреодолимый барьер из-за колоссального объема узких знаний. Теперь ИИ настолько сильно сокращает разрыв, позволяя генералистам мгновенно входить в курс дела и поглощать массивы информации, что их широкое инвестиционное видение становится гораздо более ценным активом. ИИ не открывает прямую линейную дорогу к альфе, но через радикальное повышение эффективности и сокращение слепых зон дает инвесторам ключевое преимущество — свободное время для глубоких размышлений.
🏢 Внедрение ИИ в фондах: Ошибки «сверху вниз» и корпоративная маскировка 45:57
Исследуя опыт различных финансовых институтов, Рейстл пришел к выводу, что принудительное внедрение ИИ «сверху вниз» (top-down) не работает. Компании, пытавшиеся нанять программистов и построить собственные закрытые ИИ-платформы с нуля, в итоге обнаружили, что их сотрудники просто не пользуются этими инструментами.
Наиболее эффективная стратегия, по словам спикера, — поощрение индивидуальных экспериментов (bottom-up) и регулярный обмен опытом. Лучшие инсайты рождаются на коротких еженедельных 30-минутных встречах, где увлеченные сотрудники делятся реальными кейсами использования ИИ в своих уникальных воркфлоу. При этом фондам, обладающим огромными собственными архивами исторических данных о действиях менеджмента, имеет смысл не создавать ИИ с нуля, а кастомизировать готовые коммерческие решения (buy vs build).
Спикер также выделил забавный культурный раскол: если на Западном побережье США в Кремниевой долине неиспользование ИИ считается позором, то в консервативной финансовой среде Уолл-стрит использование ИИ часто воспринимается негативно. В результате молодым аналитикам приходится буквально маскировать применение ChatGPT и Claude в своей работе, выдавая сгенерированные и отредактированные материалы за продукт собственного круглосуточного труда. Умение эффективно использовать ИИ, не афишируя это перед консервативным руководством, Рейстл назвал важным карьерным навыком сегодняшнего дня.
