How Balyasny Asset Management built an AI research engine for investing

厳密なモデル評価、OpenAIプラットフォームの全面活用、そして洗練されたエージェントワークフローを組み合わせることで、Balyasnyは投資研究を再発明しています。

概要

Balyasny Asset Management（Balyasny）は、多様な資産クラスと地域にわたって約180の投資チームを擁するグローバルなマルチストラテジー投資会社です。同社は、確信、精度、スピードがすべて成功に不可欠な、非常に競争が激しく動的な業界で事業を展開しています。

金融データの量が急増する複雑な市場環境に直面し、BalyasnyはAIを使用して投資研究プロセスを再構築する機会を見出しました。2022年後半、Balyasnyは応用AI チームを設立しました。これは、チームレベルのワークフローに直接組み込まれるAIネイティブツールの構築を任務とする、20名の研究者、エンジニア、ドメインエキスパートからなる中央集権的なグループです。

彼らの主力製品であるAI投資研究システムは、熟練したアナリストのように推論し、検索し、行動するよう設計されています。

「AIにより、私たちのチームはより多くのデータに対して、より構造化された方法で、より迅速に第一原理思考を適用できるようになっています。」 —Charlie Flanagan、最高AI責任者

レガシー研究ワークフローの限界への対処

投資研究は複雑で、リスクが高く、時間に敏感です。アナリストは、市場データや研究から規制当局への提出書類まで、数千の文書を解析する必要があります。人間の専門知識は依然として不可欠ですが、従来の方法は時間がかかり、スケールが困難です。

既製のAIツールは、構造化データと非構造化データを一緒に処理できないことが多く、ワークフローオーケストレーションが不足し、機関投資家のコンプライアンス基準を満たすように構築されていません。

Balyasnyには専用に構築されたものが必要でした：アナリストのように考え、機械の速度で動き、厳格なコンプライアンス境界内で動作するAIシステムです。

大規模AIに対するBalyasnyのアプローチから得られた4つの教訓

1. モデルをデプロイする前に評価する

モデルが本番環境に投入される前に、Balyasnyは金融業界で最も洗練された評価パイプラインの1つを構築し、予測精度、数値推論、シナリオ分析、ノイズの多い入力に対する堅牢性を含む12以上の次元でモデルを測定しました。

これらの評価は、Balyasnyの内部ベンチマーク、ツール、独自の金融データに対して実行されます。この厳密なプロセスにより、GPT-5.4モデルファミリーの強み、特にマルチステップ計画、ツール実行、幻覚の削減における強みが明らかになりました。

現在、Balyasnyは内部モデルと並んで、AIシステム内の推論エンジンとしてGPT-5.4を使用しており、これらは実証的パフォーマンスに基づいてタスクごとに選択されます。

「私たちは投資を評価するのと同じように、基本原則に基づいてモデルを評価します。GPT-5.4は真の厳密さをもって計画し、推論し、実行できることを証明しました。」 —Su Wang、シニアリサーチサイエンティスト

2. ユーザーとAIパートナー間の深いコラボレーションを促進する

Balyasnyは、OpenAIをユーザー向けワークフローに直接関与させる戦略的決定を下しました。OpenAIチームは、投資チームがAIシステムをどのように使用するかを直接観察しました：成功する場所、苦戦する場所、そして商業的文脈で高いパフォーマンスが実際にどのようなものかを。

その可視性により、より迅速な反復、より緊密な製品フィードバックループ、そして金融固有のタスクにおけるより良いモデル動作が実現しました。フロンティアモデルリリースの設計パートナーとして、Balyasnyはテストケースではなく実際のアナリストからの洞察を表面化することで、OpenAIのロードマップに影響を与えています。

「私たちはOpenAIに必要なものを伝えただけではありませんでした。実際に見せたのです。そしてそれがすべての違いを生みました。」 —Jonathan Park、プロダクトマネージャー

3. 静的ツールではなく、フィードバックループのために設計する

AIが投資チームの日常ワークフローに深く組み込まれているため、ユーザー評価や結果監査からツール実行品質まで、すべてについてリアルタイムで構造化されたフィードバックを収集できます。そのループは、モデルとオーケストレーション層の両方の迅速な改善を推進します。

例えば、合併裁定取引チームからの初期フィードバックにより、新しい提出書類やプレスリリースが入ってくるにつれて、エージェントが取引確率を継続的に再評価する必要があることが明らかになりました。Balyasnyチームは迅速にエージェント計画機能とツールアクセスを拡張し、遅くて手動のワークフローをリアルタイムの確率的監視に置き換えました。

4. AIシステムを中央集権化し、ローカルでカスタマイズする

各投資チームが独自の投資戦略を持っているにもかかわらず、BalyasnyはAIデプロイメントに中央集権的なアプローチを取りました。応用AIチームは、エージェントフレームワーク、ツールチェーン、コンプライアンスガードレールを含むコアコンポーネントを開発し、これらはデータとツールへのスコープ付きアクセスでチーム全体にデプロイされます。

この「連邦デプロイメント」モデルは、各投資チームが資産クラス（例：マクロ、商品、株式）に合わせたAIエージェントを開発・使用できることを意味し、一方で応用AIチームはアーキテクチャのスケーリング、研究、モデル評価に集中できます。

また、コンプライアンスと規制基準が普遍的に尊重されることも保証します—リスク管理とデータセキュリティが交渉の余地のない業界では重要です。

「AIへの初期投資は報われました。今日、私たちの投資チーム全員が、安全な環境でリアルタイムの専門家ガイダンスとともに、最新のAIを自分たちのプロセスにどのように適用するかを決定できます。」 —Kevin Byrne、最高執行責任者

数日ではなく数時間で結果を提供するプレイブック

現在、Balyasny投資チームの約95%がAIプラットフォームを積極的に使用しており、速度、出力品質、アナリスト体験全体で測定可能な影響を与えています：

• かつて数日を要した深い研究タスクが数時間で完了し、エージェントが提出書類、研究、決算を含む数万の文書を合成
• 中央銀行演説アナリストがマクロ経済シナリオ分析時間を2日から約30分に短縮
• 合併裁定取引スーパーフォーキャスターエージェントが取引確率を継続的に監視・更新し、専用スプレッドシートと手動アラートを置き換え

同様に重要なことは、Balyasnyのアナリストがアウトプットにより高い信頼を報告していることです。スコープ付きツール、追跡可能な推論パス、テスト可能なエージェントにより、彼らはAIを使用して構造化された説明可能な洞察を提供し、確信を高め、人間の意思決定に情報を提供しています。

Balyasnyは以下に焦点を当ててAIロードマップを拡大し続けています：

• 複雑で高価値なタスクでのモデル動作を鋭くするための強化学習ファインチューニング（RFT）
• 金融ドメイン全体でのより深いエージェントオーケストレーション
• 金融チャート、ステートメント、提出書類を含むマルチモーダル入力
• ドメイン適合性のための将来のフロンティアモデルの評価

「決して忘れず、常にソースを引用し、何かを送り返す前に詳細を再確認するチームメイトを追加するようなものです。」 —Charlie Sweat、ポートフォリオマネージャー

新しい働き方の時代に参加する

世界中の100万を超える企業がOpenAIで有意義な結果を達成しています。営業にお問い合わせください。