«Базар» — независимая социальная сеть для инвесторов, то есть площадка, где частные инвесторы обсуждают бумаги между собой, — запустила встроенного ИИ-бота «Финансовый аналитик». За три месяца тестирования он собрал больше 20 тысяч запросов. Треть из них — про «голубые фишки»: Сбербанк, Газпром, Лукойл, Яндекс.
Сама идея не новая: ИИ, который разбирает бумагу по запросу, есть у многих. Интересно другое — что у этого бота лежит внутри. Там есть слой данных, которого нет ни у одного конкурента, и это тот случай, с которого стоит списывать логику любому бизнесу, а не только бирже.
Что он выдаёт
Пользователь называет бумагу — бот за несколько секунд возвращает разбор. Покрытие: акции, облигации, ETF и драгоценные металлы, торгующиеся на Московской бирже.
В ответе — аналитическое резюме: динамика, сценарии роста и падения, риски. Плюс ссылки на посты и обсуждения по этой бумаге за последние четыре месяца.
Владислав Никонов, основатель и CEO «Базара», описывает результат так: «Мы превратили ленту постов в рабочий инструмент инвестора». Формулировка точная, и в ней вся суть — переработали не рынок, а собственный архив.
Инвестиции и трейдинг — это разные инструменты
Прежде чем идти дальше, стоит развести два запроса, которые часто путают. Разница определяет, что вам вообще нужно искать.
Нейросеть для инвестиций помогает принять решение: разобрать компанию, сопоставить показатели, увидеть риски, сформулировать сценарии. Горизонт — месяцы и годы. Решение принимает человек, ИИ готовит материал. Это то, что делает бот «Базара».
Нейросеть для трейдинга — про другое: алгоритм, который ищет краткосрочные закономерности в движении цены и часто торгует сам. Горизонт — часы и дни. Здесь ценится не качество объяснения, а скорость и статистическое преимущество.
Практически это значит вот что. Инструмент первого типа полезен, даже когда ошибается: вы читаете его разбор, спорите с ним и в итоге думаете глубже. Инструмент второго типа полезен, только если его модель действительно работает на ваших данных и вашем горизонте — а проверить это можно исключительно долгим тестом на исторических данных, а не отзывами.
Если вы выбираете первое, а покупаете второе, результат обычно печальный.
Где проходит граница между обёрткой и продуктом
Технически бот собран на собственной архитектуре с подключением нескольких внешних источников: Yahoo Finance, TradingView, данные Московской биржи.
Если бы всё заканчивалось на этом, получилась бы обёртка. Котировки и мультипликаторы — общедоступные данные, их берёт кто угодно, и ответ у всех выйдет примерно одинаковый. Отличаться будет только формулировка.
Уникальный слой — внутренняя аналитика самой платформы: история торгов её пользователей, обсуждения бумаги, динамика интереса к ней. То есть модель видит не только «что происходит с бумагой», но и «что про неё думают и делают люди прямо сейчас, и как это менялось». Таких данных нет ни у Yahoo Finance, ни у биржи. Они есть только у площадки, где эти люди сидят.
Вот на этом стыке и появляется продукт, который нельзя скопировать за выходные.
Как это работает под капотом
Механика здесь проще, чем кажется, и она типовая — её стоит понимать, чтобы отличать работающий инструмент от красивой обёртки.
Языковая модель не «знает» текущую цену Газпрома. Её обучали давно, и рыночные данные она бы выдумала — уверенно и неправильно.
Поэтому перед тем как отвечать, система собирает факты сама: тянет свежие котировки из подключённых источников, достаёт из собственной базы релевантные посты и статистику интереса за последние месяцы, складывает всё это в один пакет и передаёт модели как контекст. Модель уже не вспоминает — она читает поданные ей факты и формулирует по ним связный разбор.
Подход называют RAG — генерация с опорой на найденные данные. Разница принципиальная: без него модель придумывает правдоподобные цифры, с ним — работает с реальными. Как эта обвязка устроена со стороны компании, которая её строит, я разбирал отдельно — какая инфраструктура нужна ИИ-агентам.
Практический вывод для пользователя: качество такого инструмента определяется не «умом» модели, а тем, какие источники к ней подключены и насколько свежие. Спрашивайте не «какая там нейросеть», а «откуда данные и как часто обновляются».
Почему это касается не только инвестплощадок
Мой основной вывод из этого кейса вообще не про фондовый рынок.
У большинства компаний, с которыми я разговариваю, есть точно такой же слой данных — накопленный, уникальный и не используемый. Переписка с клиентами за пять лет. История заявок и того, чем они закончились. Записи разговоров отдела продаж. Внутренняя база решений техподдержки. Всё это лежит мёртвым грузом, потому что искать там руками невозможно, а строить по этому отчёты некому.
Именно поверх такого архива ИИ даёт эффект, который не воспроизведёт конкурент. Общедоступные данные обрабатывают все одинаково — на них преимущества не построишь. Ваша собственная история есть только у вас.
Задайте себе один вопрос: какие данные у вашей компании есть, а у конкурента их нет? Если ответ находится — там и стоит начинать.
Проверка на осмысленность простая. Данные должны быть, во-первых, в цифровом виде и доступны программно, а не только глазами через интерфейс. Во-вторых, их должно быть достаточно много, чтобы человек физически не мог их перечитать. Если оба условия выполняются — задача для ИИ реальная.
Чего этот бот не делает
Четыре ограничения, которые в пресс-релизах обычно не пишут.
Разбор на основе обсуждений — это отражение мнения толпы, а не независимая оценка. Если по бумаге на площадке разогнали хайп, ИИ добросовестно покажет вам этот хайп как «рост интереса». Эхо-камера не перестаёт быть эхо-камерой оттого, что её пересказала нейросеть.
«Несколько секунд» — характеристика скорости, а не глубины. Быстрый ответ по бумаге не равен инвестиционному анализу и не заменяет ни решение, ни человека, который за это решение отвечает.
Это не инвестиционная рекомендация. Формально — потому что такой статус в России требует лицензии и регулируется отдельно. По существу — потому что модель не знает ни вашего горизонта, ни вашей терпимости к риску, ни того, что у вас уже в портфеле.
20 тысяч запросов за три месяца — метрика интереса, а не пользы. Она говорит, что люди попробовали. Сколько из них вернулись на второй месяц, компания не раскрывает, а именно эта цифра показала бы, работает инструмент или это была любопытная игрушка.
При всём этом ход правильный. Компания взяла то, что у неё уже было и лежало без дела, и сделала из этого функцию, за которой возвращаются. Такой архив есть почти у каждого бизнеса — просто на него редко смотрят как на актив.