Goldman Sachs и Deutsche Bank запускают «агентный» ИИ для слежки за трейдерами

Что произошло

Goldman Sachs и Deutsche Bank начали тестировать так называемый агентный ИИ для контроля торговых операций, пишет Bloomberg со ссылкой на источники в банках.

Deutsche Bank разрабатывает такие системы вместе с Google Cloud. ИИ-агенты анализируют потоки ордеров и сделок почти в реальном времени и выносят на проверку аномальное поведение.

Goldman Sachs параллельно строит собственный стек агентного ИИ для комплаенса. Банк уже несколько лет вкладывается в ИИ в трейдинге и риск-менеджменте, теперь переносит эти наработки в область надзора за сделками.

Сделок по покупке стартапов или публичных контрактов в материале Bloomberg нет. Речь именно о пилотных и ранних внедрениях внутри существующих инфраструктур торговых площадок и комплаенс-систем.

Зачем это нужно

Крупные банки давно используют автоматический надзор за торгами. Но классический подход опирается на жёсткие правила: превысил объём, отклонился от бенчмарка, попал в известный риск-паттерн — прилетает алерт.

Рынок стал слишком сложным. Миллионы сделок, разные классы активов, часовые пояса и площадки. Статические правила плодят ложные срабатывания, а более тонкие схемы манипуляций проходят мимо.

Агентный ИИ должен решать именно эту задачу. Он не просто сверяет сделку со списком триггеров, а смотрит на поведение трейдера в динамике и в контексте: историю операций, связки ордеров, рыночные условия, временные паттерны.

Deutsche Bank и Google Cloud пытаются научить агентов видеть «сложные аномалии» — не один подозрительный ордер, а комбинации действий, которые раньше почти невозможно было формализовать правилами.

Goldman Sachs делает ставку на ИИ-агентов, которые работают относительно автономно: сами выбирают, какие данные досмотреть, какие сигналы сравнить и что эскалировать людям.

Что меняет для рынка

Для регуляторов США и Европы это идеальный сценарий: банки получают более раннее обнаружение потенциальных манипуляций и снижают репутационные риски. Формально правила не требуют агентного ИИ, но требуют «эффективных систем и контролей». Если ИИ помогает это доказать, давление на остальных игроков вырастет.

Для конкурентов Goldman Sachs и Deutsche Bank это сигнал: старые системы мониторинга с жёсткими правилами скоро начнут выглядеть устаревшими. Придётся инвестировать в собственные LLM- и агентные стеки или идти к облачным провайдерам.

Инвесторы увидят двоякий эффект. С одной стороны, больше затрат на комплаенс и ИИ-инфраструктуру. С другой — снижение риска крупных штрафов за манипуляции и недосмотр, а значит, более предсказуемый профиль риска банка.

Полной автоматизации не будет. Решения о дисциплинарных мерах по-прежнему принимают люди. Но нагрузка на комплаенс-команды может сместиться: меньше рутины по разбору «шума», больше времени на сложные кейсы и общение с регуляторами.

При этом у рынка появятся новые вопросы к прозрачности. Банкам придётся доказывать, что их ИИ не дискриминирует отдельных трейдеров или стратегии, что модели объяснимы и оставляют чёткий аудит-трейл для проверок.

Что это значит для вас

Если вы работаете в банке или финтехе на стороне комплаенса, риск-менеджмента или ИТ, история про агентный ИИ — не про далёкое будущее, а про ближайшие несколько лет. Регуляторы начнут спрашивать: почему у конкурентов уже есть такие системы, а у вас нет.

Если вы трейдер в крупном доме, готовьтесь к более «умному» надзору. Системы будут смотреть не только на размер ордеров, но и на связки сделок, тайминг, реакцию на новости и ваш личный паттерн поведения. Серая зона станет уже.

Если вы строите продукты на базе генеративного ИИ, это хороший маркер нового сегмента: применение LLM и агентных архитектур не для чат-ботов, а для внутренних контуров контроля и безопасности.

Для частного инвестора прямого эффекта пока нет: ваши сделки в розничных приложениях вряд ли первыми попадут под такие пилоты. Но более жёсткий и точный надзор за крупными игроками снижает вероятность крупных манипуляций на рынке, а значит — риск «необъяснимых» движений цен.

Главный минус для всех — рост зависимости от сложных моделей, которые сложно проверять. Ошибки ИИ могут либо пропускать реальные нарушения, либо метить в «подозрительные» вполне легальные стратегии. За баланс между эффективностью и прозрачностью теперь будут отвечать не только юристы, но и ML-команды внутри банков.