AI agenti v NBIM: transformace fondů

Víceagentní systémy umělé inteligence v řízení investičního fondu NBIM

Norges Bank Investment Management (NBIM), správce největšího suverénního fondu na světě, integroval umělou inteligenci do všech oddělení během dvou let. Namísto zaměření na jednotlivé projekty byly zavedeny víceagentní architektury do 171 obchodních procesů. Více než 50 % zaměstnanců se naučilo programovat, čas na přípravu schůzek se zkrátil o 80 % a obchodní náklady se snížily. Školení se stalo povinným pro všechny, Scrum byl nahrazen mikrotýmy složenými ze dvou vývojářů a jednoho obchodního specialisty.

Analýza mimoburzovních obchodů v investičním oddělení

V investičním oddělení byl nasazen víceagentní systém pro hodnocení velkých block trades. Agenti paralelně agregují data z externích zdrojů, interních databází, textů obchodů a zpráv. Vypočítávají indexový efekt, kontext prodávajícího a spravedlivou cenu.

Příklad případu: nabídka Goldman Sachs na balík akcií Ferrari v hodnotě 30 miliard korun. Dříve sběr dat trval hodinu, nyní minuty. Tým pěti lidí spravuje aktiva v hodnotě 2 bilionů korun a generuje nadměrný výnos v miliardách korun ročně.

Architektura agentů:

• Agent 1 (webový vyhledávač): určuje konečné vlastníky prostřednictvím holdingových struktur.
• Agent 2 (parsování): extrahuje podmínky, termíny, sankce z textu obchodu.
• Agent 3 (algoritmický): modeluje dopad na indexové trackery.
• Další agenti: analyzují historii obchodů, tržní očekávání, cenotvorbu.

Prototyp byl vyvinut uvnitř týmu, poté upraven jedním specialistou. Poměr času: sběr dat – 20 %, analýza – 80 %. Fond zpracovává přibližně 200 takových žádostí ročně.

Monitorování médií a sociálních sítí v komunikacích

Oddělení komunikací vytvořilo platformu Echo pro analýzu 50 000+ publikací ročně. Systém klasifikuje tón, prioritu médií, roli fondu v materiálu, témata a osoby. Chatbot postavený na Snowflake generuje reporty ze sociálních sítí (LinkedIn, Instagram, YouTube).

Tým dvou specialistů postavil řešení samostatně, odmítl drahé externí služby. Data jsou uložena v korporátním Snowflake.

Komponenty hlavního agenta:

• Klasifikace tónu (pozitivní/negativní/neutrální).
• Hodnocení role fondu (zmínka/citace/hlavní subjekt).
• Priorita zdroje (top média vs. blog).
• Typ obsahu (zpráva/analýza/šetření).
• Extrakce témat a osob.

Funkcionalita:

• Časová osa nárůstů negativity s detaily.
• AI insighty o klíčových hybatelích.
• Echobot: dotazy jako „analýza zapojení na sociálních sítích“ poskytují trendy a doporučení.

V roce 2025 – 50 000 zmínek, v roce 2026 – přes 5000 za čtvrtletí. Systém je levnější a přesnější než komerční alternativy.

Automatizace vyšetřování v kybernetické bezpečnosti

AI agent v oddělení kybernetické bezpečnosti vyšetřuje incidenty paralelně s člověkem. Z bilionu logů ročně zužuje na stovky tisíc podezření, vydává report za 5 minut.

Scénář: noční anomálie – připojení k podezřelému webu. Agent shromažďuje kontext: logy, historii, úsudky o relevanci.

Výhody: fixní rychlost (6x rychlejší než člověk), absence únavy na rutině. Analytik dostane hotový report pro rozhodování.

Příprava na schůzky s top manažery

AI asistent pro 3000 ročních schůzek s CEO a předsedy. Multiagentní systém vytváří plány, zkoumá zdroje, kontroluje kvalitu podle interních best practices.

Proces:

• Nahrání interních dat (hypotézy, poznámky).
• Plánovací agent vytváří strukturu.
• 3–5 subagentů skenuje zprávy, reporty.
• Finální agent validuje podle top příkladů a technik fondu.

Úspora: 10 000 hodin ročně (3 hodiny na schůzku). Závěry traceable – s prompty a zdroji proti halucinacím. Plány: simulace protějšku se syntézou řeči a feedbackem na vyjednávání.

Compliance: agent EVA pro tržní upozornění

Systém EVA vyšetřuje podezření na insider trading a manipulace. Šest subagentů kontroluje každé upozornění:

• Kontext obchodu.
• Indexové rebalancování.
• Zprávy společnosti.
• Odvětvové události.
• Timingové vzory.
• Kontakty s emitentem.

Master agent agreguje, vytváří auditní stopu. Člověk zasahuje ve 3 případech: nejednoznačnost, neautomatizovatelnost, právní odpovědnost. Stejný tým zpracovává více incidentů bez falešných poplachů.

Co je důležité

• Rozsah implementace: AI v 171 procesech, 50 % zaměstnanců programuje.
• Agentní architektury: klíč k paralelní analýze složitých dat.
• Úspora zdrojů: 80 % na schůzkách, 6x v bezpečnosti, nadměrný výnos v obchodování.
• Samostatný vývoj: odmítnutí externích nástrojů ve prospěch vlastních.
• Traceability: ochrana před halucinacemi prostřednictvím zdrojů a promptů.

— Editorial Team