Transcription
В июле Anthropic продемонстрировали свой первый в истории ИИ-финансовый аналитик. За две минуты он в прямом эфире на сцене построил полностью проверяемую модель дисконтированных денежных потоков. И >> вот где начинается мощь без необходимости подсказок. Она попросила Claw создать инвестиционную записку, со всеми надлежащими ссылками. >> И теперь они внедряют финансового аналитика в два крупнейших в мире суверенных фонда благосостояния. BCI из Канады, который управляет более чем 200 миллиардами, и Norges из Норвегии, который управляет более чем двумя триллионами, что фактически делает их крупнейшим суверенным фондом благосостояния в мире. Но они нацелены не только на инвестиционных менеджеров. В октябре Anthropic также объявили, что внедряют Claude для всех 450 000 глобальных сотрудников Deloitte. Я >> думаю, мы все еще находимся в самом начале этого пути. >> Поэтому сегодня я беру интервью у Ника Линна, который возглавляет финансовые услуги и продукты в Anthropic. Мы поговорим о том, почему они углубляются в вертикаль финансовых услуг. >> Финансы составляют 10% ВВП. Это огромная индустрия, где, я думаю, мы только начинаем осваивать поверхность в плане проблем, которые мы можем решить. >> И это, по сути, первая вертикаль, которую они запустили. Так почему же они выбрали ее вместо других? Мы также углубимся в то, как возможности и варианты использования этих инструментов быстро развиваются. Ник, очень рад, что вы здесь. >> Спасибо, что пригласили. Рад быть здесь. Итак, вы запустили вертикального ИИ-агента, но первый вопрос, который я хочу обсудить, это зачем вообще заниматься вертикализацией в первую очередь? Почему бы не дождаться AGI или ASI? >> Да, конечно. Итак, давайте поговорим о том, какова миссия Anthropic на самом деле, верно? Мы, по сути, исследовательская лаборатория, которая очень сосредоточена на максимально безопасном развертывании наших моделей для решения того, что я бы назвал наиболее сложными и трудными проблемами, где, я думаю, ошибки имеют реальные последствия. Вот почему безопасность действительно важна, верно? >> Вы знаете, мир знает, что мы отлично справляемся с программированием. 0,5% населения мира — разработчики программного обеспечения, но я думаю, что программирование — это отличная отправная точка для нас, чтобы подумать о том, как решить некоторые из этих более сложных проблем, верно? >> Программирование является основополагающим для каждой компании, верно? И это сложные системы, где нам действительно нужно понимать логику, анализировать данные и делать вещи структурированным и логичным образом. Итак, многое из того, что мы обучили в Claude как модели, мы считаем, также может быть очень фундаментальным в решении некоторых из этих более сложных проблем в других отраслях. Теперь вы можете спросить, почему финансы? Финансы составляют 10% ВВП, >> верно? Это огромная индустрия, где, я думаю, мы только начинаем осваивать поверхность в плане проблем, которые мы можем решить. То, что вы все видели в июле, — это лишь малая часть этой проблемы для инвестиционного анализа. Верно. >> Итак, чтобы подытожить, мы хотим решать реальные крупные проблемы. Финансы — это огромный сектор. Дайте мне хронологию Enthropic 2, например, занимались ли вы раньше какой-либо вертикальной деятельностью? Например, и почему финансы — это первая, если не первая, вертикаль, которую вы tackled? >> Да, финансы, вероятно, первая вертикаль, которую мы действительно начали осваивать сверху вниз. Итак, исследования, продукты и выход на рынок. Мы в восторге от этого, потому что, опять же, финансы составляют 10% мирового ВВП, и я думаю, что они имеют много схожих характеристик с кодом: очень сложные системы в регулируемых отраслях, где понимание логики и наличие аудиторских следов действительно важны для доверия к этим системам, верно, и точность в конечном итоге чрезвычайно важна. >> Это то, что мы действительно подразумеваем под >> у вас есть доменно-специфический язык, вы знаете, для программирования у вас есть языки программирования, для здесь у вас есть бухгалтерский учет и множество других специфических >> тысяча процентов. Да. >> Да. Поэтому я думаю, что создание этого опыта на уровне интеллекта модели чрезвычайно важно. Как мы достигнем AGI? Мы достигнем AGI, решая эти проблемы, верно? И сосредоточившись на развитии интеллекта Claude в этих областях. Поэтому я думаю, что это очень важная часть нашего пути к AGI и ASI. >> Да. И решение этих вертикалей дает вам некоторый импульс в некоторых из этих категорий. Давайте углубимся в понимание финансовой вертикали в частности и почему вы там запустились и насколько хорош Claude в этих вертикалях. Так что расскажите немного о бенчмарках для Claude по финансовым задачам. >> Да, конечно. Я думаю, также важно подумать о том, каково назначение бенчмарков, верно? Вы видите много опубликованных бенчмарков, которые являются скорее академическими представлениями того, что эти вещи могли бы делать в теории. Я бы всегда призывал всех моих корпоративных клиентов использовать эти бенчмарки в качестве ориентира, но действительно больше думать о том, какие проблемы они надеются решить внутри компании, разрабатывая свои собственные версии. >> Тем не менее, публичные бенчмарки — это отличная отправная точка, верно? И у вас была эта замечательная идея разбить бенчмарки на три категории. И у нас есть бенчмарки только для первых, возможно, наименее интересных, но фундаментальных категорий. Итак, каковы эти таксономии, а затем давайте поговорим об этих фактических бенчмарках. >> Да, конечно. Знаете, наша работа в Anthropic — это создание виртуальных агентов или коллег, которые полностью автономны и могут принимать решения и проекты от начала до конца. Есть три глагола, о которых я люблю думать в плане того, что эти агенты могли бы делать. очень похоже на то, что можем делать мы. Да. >> Как работники умственного труда, как ведущие подкастов, как менеджеры продуктов, верно? И это: извлекать, анализировать и создавать. >> Угу. >> Верно. Все начинается с исследований, которые мы должны провести, и данных, которые мы должны собрать. >> Да. >> Далее мы проводим качественный, количественный анализ этих данных. И в идеале мы создаем выходные данные, которыми можно поделиться с другими в виде текстовых документов, электронных таблиц и презентаций PowerPoint. Итак, вы знаете, один бенчмарк, который набрал много оборотов в отрасли, опубликованный нашими хорошими друзьями из vows.ai, называется Finest Agent. >> Finest Agent действительно охватывает только первую категорию, >> которая является извлечением и исследованием. >> Да. >> Верно. Он задает вопросы начального уровня финансового аналитика, такие как, >> знаете, как выглядит выручка Apple и как она росла за последние 10 лет? >> Я выбрал несколько примеров вопросов. Например, каково общее количество выкупленных акций Netflix? какой процент выручки AWS получила в каждом году в трехлетней категории? Так что да, вроде как извлечение данных, небольшая обработка, но это в основном чистое исследование, в отличие от >> Да. тысяча процентов. И, знаете, что вы делаете с этой информацией дальше? >> Да, >> вам нужно поместить ее в электронную таблицу, чтобы построить модель дисконтированных денежных потоков, провести больше анализов чувствительности, а затем представить свои выводы в виде презентации или инвестиционной записки для обмена с другими. Верно. Я думаю, что все последующие шаги действительно не имеют хорошего бенчмарка для оценки производительности. Так что, >> и это супер, это то, на чем я хочу настаивать в этом разговоре: насколько мы на ранней стадии всего этого, как ИИ-модели относительно ранние, но вертикализация, вы занимаетесь этим три месяца, а затем бенчмарки, в которых вы участвуете, это действительно только этот первый исследовательский бенчмарк, а не аналитические компоненты, но поговорите об этом исследовательском бенчмарке, что это такое, как вы работаете по сравнению с другими и какие улучшения производительности вы видели между моделями. >> Да, я думаю, что бенчмарк хорошо справляется с некоторыми тестами начального уровня финансового аналитика, связанными с извлечением данных. Как вы упомянули, например, копание в документах SEC для проведения некоторого поверхностного качественного и количественного анализа. Я думаю, что это хорошая отправная точка, и мы провели некоторое специальное обучение по этому бенчмарку в рамках нашего запуска Sonnet 4.5 несколько недель назад. >> И даже просто с таким уровнем внимания Sonnet 4.5 превосходит нашу модель Opus 4.1, которая ранее лидировала в рейтингах, на пять полных процентных пунктов. >> Да. Так что я думаю, что это 55%, я думаю, 03 находится примерно на 48% прямо сейчас. >> Точно. А Opus — это просто чуть-чуть >> вроде 49 или около того. >> Да. Поэтому я думаю, что это просто показывает, что есть много легкодоступных возможностей. Во-первых, 55% — это лучший результат по бенчмарку, но, конечно, все еще не 80-90%, как Sweetbench сегодня, верно? И мы инвестировали в это в последние несколько месяцев и уже увидели пятипроцентные приросты по этому бенчмарку. Поэтому я думаю, что мы можем многое сделать здесь вместе даже по этому одному бенчмарку, который охватывает лишь малую часть >> того, что >> Я думаю, с одной стороны, вы можете послушать так: "О, 55% — это не очень хорошо, если я попрошу >> Клода найти полностью разбавленное количество акций публичной компании, и в 40% случаев он ошибается, насколько это полезно? >> но с другой стороны, это худшие инструменты, которые когда-либо были или когда-либо будут, и вы действительно работали над их улучшением всего три месяца. >> Точно. >> Да. И я думаю, что способ, которым мы думаем о том, как мы улучшаем эти возможности в будущем, — это термин, который мы часто используем внутри компании: цикл исследований, продуктов и клиентов. >> Опять же, в конечном итоге Anthropic — это исследовательская лаборатория. >> Да. >> Я считаю, что продуктовые функции, которые мы создаем, дают нашим клиентам доступ к этим возможностям моделей. >> Не все являются разработчиками, которые комфортно общаются с Claude просто, знаете ли, без прикрас в терминале, верно? Вам нужно создавать инструменты, интеграции и интерфейсы, чтобы сделать эти возможности модели действительно полезными для вас. >> Поэтому мы хотим это сделать. Это моя основная работа, верно? Создавать эти возможности моделей и продуктовые функции, чтобы мои корпоративные клиенты могли взаимодействовать с Claude, и они сообщают мне, что работает, а что нет. И мы возвращаем всю эту обратную связь нашим исследовательским командам. >> Да. И я хочу вернуться к этому позже в разговоре, потому что я чувствую, что у нас есть компонент модели, но >> зритель и контроллер, что это вообще значит, полностью открыто. Так же, как и в 90-х, мы даже не знали, что может быть графический браузер, верно? Это совершенно новое явление пользовательского интерфейса. Мы все еще на ранней стадии этого для вертикальных агентов. Но вернемся к бенчмаркам. Итак, хорошо, вот некоторые количественные бенчмарки. 55% вы работаете очень хорошо. Дайте мне какое-то качественное представление о том, почему эти модели кажутся умными в финансовой работе. Например, когда вы использовали одну из этих моделей? Например, это интересно, удивительно и полезно, потому что вы раньше были аналитиком в инвестиционном банке. >> Да, мы этого не затрагивали, но я то, что я называю "выздоравливающим инвестиционным банкиром и частным инвестором". Поэтому до Anthropic я провел всю свою карьеру в сфере финансов и финтеха. Поэтому многие из проблем, которые мы надеемся решить, так близки моему сердцу, потому что я тратил, знаете ли, вероятно, 75% своего времени просто на ручной анализ данных, создание презентаций PowerPoint, убеждаясь, что текстовые поля действительно соответствуют тому же оттенку синего, верно? Поэтому существует много ручной работы, которую аналитики выполняют каждый день. >> Мы хотим начать разгружать часть этого, чтобы мы могли сосредоточиться на том, что действительно важно, верно? построение отношений, фактическое понимание бизнес-модели компании, не тратя весь день на изучение этих источников данных, которые трудно проверить. >> Поэтому я много думал о том, как Claude может быть намного лучше для того, что я делаю ежедневно как аналитик, а именно для создания электронных таблиц и моделей Excel. И я был очень воодушевлен тем фактом, что, я думаю, большая часть интеллекта в области программирования, логики и рассуждений действительно переносится. Угу. >> Поэтому я просто играл с нашим Excel-агентом на днях. Знаете, одна из вещей, которую я часто делаю в финансах, — это когда модели рассчитывают, что должен быть результат, верно? Например, если мне нужно увеличить, знаете ли, темпы роста выручки с 15% до 18%. >> Да, выручка >> и это звучит просто, но представьте себе одну ячейку в Excel. Ну, на самом деле след может вести к 15 или 20. Так что это довольно сложная задача оптимизации, чтобы понять, как все это связано. Итак, в любом случае, >> именно так. Рост выручки разбит по количеству магазинов, которые у вас есть. Это, скажем, Chipotle, и рост продаж в тех же магазинах, верно? Даже в этом примере Claude должен манипулировать этими двумя входными данными, чтобы конечный результат составил 18%. Он сделал именно это. Он сохранил рост в тех же магазинах постоянным, чтобы он мог варьировать то, что, вероятно, находится под контролем Chipotle, а именно количество ресторанов, и он рассчитывает, чтобы достичь 18%. Поэтому я был искренне впечатлен этим одним маленьким кусочком интеллекта, который я начинаю видеть. >> Да. Итак, вы видите, как эта одна маленькая вещь в ячейке меняется, но на самом деле она подстраивает около 18 входных данных на бэкенде, чтобы точно выяснить >> как это выглядит, что, если вы аналитик и вы разбираете модель Excel, и вы пытаетесь сделать это, и она еще не настроена в правильной архитектуре, вы говорите: "О, боже, это займет много времени". >> 100%. >> Да. >> Вы знаете, у нас есть функция Goal Seek в Excel, которая строит множество логики за ней и, вероятно, сделала бы это за четыре-пять минут, >> верно? Но Claude делает это практически мгновенно, просто благодаря своему интеллекту. >> Да. И я думаю, что это отличный пример. Давайте перейдем к вашим клиентам и почему они его используют. Итак, вы объявили о Nors и BCI. Давайте начнем с BCI, канадского суверенного фонда благосостояния. Почему они решили начать использовать Claude? Для чего они используют Claude? Какие преимущества они имеют сейчас, когда он запущен? >> Да, конечно. BCI был для нас фантастическим "дизайн-партнером". Как я уже упоминал ранее, мы не можем существовать без тесного партнерства с нашими корпоративными клиентами. Поэтому мы как можно раньше делимся идеями с такими людьми, как BCI, чтобы получить обратную связь и подтверждение того, что мы решаем эти проблемы и это правильный подход к их решению. Поэтому они тесно сотрудничают с нами уже несколько месяцев. Я бы сказал, что действительно интересно в BCI то, что мы знаем, что они не самые крупные суверенные фонды в мире, но они очень быстро двигаются. Поэтому они также начали осознавать множество внутренних проблем, где они управляют большим количеством различных стратегий. Поэтому каждая команда имеет немного разные требования, которые очень трудно удовлетворить с помощью любого общего ИИ-решения. >> Я думаю, что BCI действительно привлекло гибкость нашей платформы, >> верно? Мы можем подключаться к ряду различных интеграций и серверам MCP. >> Мы можем адаптировать конкретные рабочие процессы для частных и публичных компаний. И я думаю, что одно, что действительно воодушевляет таких людей, как BCI, — это сильное движение сверху вниз, которое также поощряет эксперименты и внедрение. Поэтому, знаете ли, Бен, наш главный сторонник в BCI, тратит много времени просто на создание этих действительно интересных, сложных подсказок для своей команды. Поэтому я бы действительно призвал всех моих корпоративных клиентов подумать о том, как стимулировать это внедрение снизу вверх. И когда я думаю о суверенном фонде благосостояния, таком как BCI, как об интересном дизайн-партнере, я сразу думаю о том, что у них есть 200 миллиардов долларов активов, но всего 200 человек. Так что это не так много людей, но у них на самом деле огромное количество данных, которые им нужно анализировать для всех их инвестиций, которые разбросаны по всему миру. И поэтому вам нужен этот инструментарий, как вы сказали, вам нужны все эти серверы MCP и т. д., чтобы фактически получить некоторый анализ. Какую работу пришлось выполнить BCI в качестве дизайн-партнера, чтобы оказаться в положении, когда они могли бы получить какую-либо ценность? Потому что вы не можете просто появиться с моделью. им действительно пришлось выполнить всю интеграцию. Так, например, у них уже был озеро данных? Пришлось ли вам помочь им построить озеро данных? Помогли ли вы им? У них уже были серверы MCP? Дали ли вы им рекомендации о том, как думать о создании и архитектуре серверов MCP? Как выглядела подготовка к ИИ, чтобы они могли начать получать какую-либо ценность от этих инструментов? >> Да, конечно. Я на самом деле не думаю, что требуется много интеграционной работы, чтобы получить ценность от этих систем, потому что они настолько гибкие и мощные, >> если вы знаете, какие проблемы вы надеетесь решить, верно? Даже без интеграции MCP эти системы отлично справляются с анализом общедоступных источников данных. >> Да. >> Верно. И выявление тенденций, и вы также можете загружать много вещей в Claude. У нас есть контекстное окно в 1 миллион токенов, что является одним из самых больших на рынке. Поэтому многие из этих основных фундаментальных возможностей модели чрезвычайно полезны для наших клиентов. >> Тем не менее, мы хотим начать думать о том, как мы можем еще больше расширить эти возможности модели с помощью таких инструментов, как MCP. Угу. >> Прелесть MCP в том, что он очень гибкий. >> Это, по сути, API плюс набор подсказок о том, как взаимодействовать с этими API, верно? Поэтому все, что у вас есть в виде API-слоя, вы можете встроить в MCP. >> Поэтому я думаю, что именно поэтому BCI также очень воодушевлен этим. Они не очень большая организация, поэтому они могут двигаться быстро, и я думаю, что у них уже было много структур данных. Но даже без них, знаете ли, ручная загрузка, веб-поиск уже могут дать Claude много возможностей для работы. Какие истории они рассказывают вам о вещах, преимуществах, которые они получают сейчас, когда Claude запущен, и когда ИИ-аналитик запущен? >> Знаете, действительно интересно подумать о том, как они меняют свой образ работы. Например, анализ сопоставимых компаний — это то, что все аналитики делают очень часто каждый день, очень утомительно, очень вручную. >> Вам нужно определить правильную корзину сопоставимых компаний. Вам нужно извлечь соответствующую информацию из S&P. Вы загружаете ее в статическую электронную таблицу, а затем создаете из нее графики. Верно? Я думаю, все мы можем, вероятно, связать себя с этим рабочим процессом. Есть функция в claw.ai под названием "Артефакты". >> Артефакты, по сути, являются способом подключения к информации и позволяют Claude использовать то, в чем он лучше всего, а именно программирование. Claude использует код, рендерит код в реальном времени для отображения большого количества информации. Поэтому вместо использования этих статических электронных таблиц в качестве листов сопоставления, BCI интегрировался с S&P и FactSet и создал живые ландшафты артефактов, >> да, >> для себя, для своих управляющих директоров, чтобы взаимодействовать, даже их управляющие директора ежедневно общаются с этими артефактами вместо того, чтобы просить аналитиков пересчитывать. Поэтому я думаю, что мы видим, как меняются способы работы с помощью ИИ, что действительно захватывающе. Да, это интересно, почему программирование делает вас хорошим в финансах? Это как, ну, вам нужен слой просмотра, и вы можете писать HTML и CSS, и у вас могут быть живые панели, которые получают живые данные из источников в реальном времени. Я хочу поговорить и о данных. Так что, конечно, общедоступные данные легко доступны, внутренние данные, знаете ли, некоторая интеграция, но серверы MCP довольно гибкие, но у вас также есть другие источники, такие как FactSet. Так как же финансовая организация получает все эти данные в нужное место? Как вы работаете с FactSet, который является третьей стороной, но у них могут быть лицензии. >> Да, конечно. Знаете, действительно интересная вещь в нашем подходе к ИИ заключается в том, что мы хотим развивать и строить экосистему вокруг Anthropic. Поэтому все, что мы делаем, открыто, верно? MCP как концепция — это протокол с открытым исходным кодом. >> Мы действительно хотим побудить мир задуматься о том, как подключать системы к ИИ, верно? Благодаря этому MCP могут быть построены несколькими способами. У нас будут свои серверы MCP. Мы только что объявили сегодня, что SharePoint как сервер вышел. Очевидно, очень полезно >> для большинства корпоративных клиентов. >> Наши партнеры сами думают о том, как интегрироваться с ИИ-системами. Это одна вещь, которая меня действительно воодушевляет: способность Anthropic также объединять рынок и помогать продвигать отрасль вперед. Верно. Концепция MCP существует шесть месяцев, и даже в течение этих шести месяцев >> крупные игроки, такие как S&P, FactSet, Pitchbook, опубликовали функциональные рабочие MCP, которые получают действительно хорошие отзывы от наших клиентов. Это замечательно, если подумать, сколько времени заняло получение API от некоторых из этих организаций, а затем у них был XML API, и переход на современный RESTful JSON не произошел для некоторых из этих людей, а затем появились серверы MCP, и за шесть месяцев, и часть этого связана с гибкой природой того, как вы даже проектируете эти системы, но часть этого — просто готовность предприятий к внедрению прямо сейчас, что очень интересно. >> Давайте поговорим о Nors. Так чем Nors отличается от BCI, и поэтому чем отличается то, что они делают с вами? >> Да, конечно. Nors — это крупнейший суверенный фонд благосостояния в мире, я полагаю, с более чем двумя триллионами активов под управлением. И, знаете ли, прелесть Nors в том, что они очень техничны, и у них есть технический набор сторонников, которые являются строителями в нашей экосистеме, что фантастически видеть. Верно. В конечном итоге Anthropic — это не просто чат-приложение. Мы не просто набор API. Мы не просто Claude Code. >> Я думаю, что прелесть работы с Anthropic в том, что у нас есть все эти продуктовые услуги, чтобы вы действительно могли внедрять их в соответствии с вашими потребностями. >> Да. >> Верно. И наш API и наш Claude Code делают его очень гибким для создания ваших собственных внутренних решений. В то время как наш прикладной сервис делает его очень простым для внедрения с минимальными усилиями по интеграции. Верно. >> То, что сделал Nors, — это то, что они построили свои собственные внутренние рабочие процессы. >> Например, они построили свой собственный Snowflake MCP >> еще до того, как Snowflake анонсировал свой сервер MCP. И я считаю, что сегодня они ежедневно запрашивают у своих портфельных менеджеров информацию о, вероятно, 9000 различных портфельных компаний. >> Поэтому я думаю, что мы видим, как способность иметь мнение и строить самостоятельно также действительно поощряет внедрение в организациях. >> Да, это интересно, что у BCI около 200 сотрудников. Я не знаю размера их инженерной команды, но я представляю, что она не может превышать 20. Вероятно, около 10, в то время как у Nors 2000 человек. У них, вероятно, есть по крайней мере сотня инженеров где-то там, верно? Это значительная команда, с которой вы можете работать и учиться. >> И я думаю, что команда Nors по работе с публичными рынками также намного больше. Поэтому больше технических квотов и трейдеров, которые действительно имеют возможность встраивать свои собственные рабочие процессы. >> Да. И они кодируют, если они квоты и делают много такого рода вещей. >> И поэтому, что вы чувствуете? Итак, они выполняют много запросов. Как выглядят эти запросы? Они делают то же самое, что и анализ сопоставимых компаний? Какие конкретные вещи, по вашему мнению, приносят им пользу? Мы видим большой объем внедрения в их сценариях использования на публичных рынках, где они углубляются в структурированные данные в Snowflake. Я думаю, что Nors также проделал действительно хорошую работу: они тратят много времени на то, чтобы убедиться, что их озеро данных, как вы сказали, в порядке, и они поглощают все основные источники данных. Это то, где, конечно, на публичной стороне вам нужна согласованная стратегия, но я думаю, что многие из похожих исследований, >> которые мы видим, действительно понимают, улавливают тенденции в этих больших наборах данных, которые легко упустить, и именно там в конечном итоге находится альфа, верно? >> дело не только в более быстрой обработке данных. >> Я думаю, что это также делается лучше, верно? Замечать некоторые идеи, которые вы могли бы упустить. >> Да, и это, возможно, незначительный момент, но он очень важен: многие финансовые учреждения не построили отличные озера данных, верно? И поэтому, о, мне нужна стратегия ИИ. Вы говорите: "Ну, вы уже говорили со Snowflake? И как, вы построили? И поэтому существует огромный стимул, и некоторые из крупных победителей, я думаю, прямо сейчас, будут те, кто помогает этим организациям просто построить слой данных, прежде чем они смогут применить к нему интеллект. >> Но объедините эти две вещи, и это будет очень мощно. >> Для Nors, как вы думаете о взаимодействии с ними в целом, чтобы интегрировать обратную связь по продукту? У вас есть четыре развернутых инженера? Вы проводите еженедельные стендапы с текущими, как выглядит сотрудничество между вами и некоторыми из ваших дизайн-партнеров? Потому что это вопрос, который задают многие основатели. Как я могу строить с дизайн-партнерами в целом в сфере финансовых услуг? >> Да, конечно. Для всех наших развернутых клиентов у нас есть четыре команды менеджеров по работе с клиентами и прикладного ИИ, которые действительно поддерживают их ежедневные рабочие процессы. >> Поэтому это действительно, знаете ли, наша стандартная модель развертывания и поддержки для всех наших корпоративных клиентов. Я бы сказал, что для создания конкретных продуктовых возможностей мы гораздо более целенаправленно относимся к тому, каких клиентов мы надеемся привлечь, и как привлечь их в жизненный цикл разработки продукта. Я думаю, знаете ли, существует заблуждение, что дизайн-партнерство должно быть очень программным. >> Это не обязательно так. >> Да. >> Пока у вас есть регулярные контакты с вашими клиентами. Поэтому у меня еженедельный стендап с BCI, например, где я делюсь всеми этими идеями, которые у меня есть в голове, и нам действительно важно получить от вас подтверждение. >> Да. >> Я думаю, что прелесть этих ИИ-систем в том, что они не детерминированы, верно? У вас может быть набор гипотез о проблемах, которые вы надеетесь решить, но ваши клиенты могут найти совершенно другие варианты использования этих систем. Поэтому я думаю, что как можно раньше обратиться к вашим клиентам, чтобы действительно поделиться своими идеями и получить обратную связь, даже с дизайнами, даже с макетами и прототипами, — это то, что я бы действительно рекомендовал. >> Да. Я хочу перейти от разговора о некоторых клиентах. Я думаю, что просто для ориентации, знаете ли, вы занимаетесь вертикализацией три месяца, они, знаете ли, три месяца занимаются развертыванием, и поэтому есть много возможностей для изменений. Ожидаете ли вы, что что-то изменится? Например, есть ли у вас что-то вроде "вот следующая большая вещь, над которой мы с нетерпением ждем работы" или "что наши клиенты разблокируют"? >> Да, я думаю, я, вероятно, вернусь к трем глаголам, о которых мы говорили, верно? Я думаю, что агенты для исследований и извлечения данных были наиболее зрелыми на рынке и, очевидно, имели отличный продукт-рынок. Но далее — аналитические агенты, агенты для электронных таблиц, агенты для PowerPoint. >> очень рано. Да. >> Мы действительно хотим начать замыкать цикл по всей этой цепочке создания стоимости и действительно убедиться, что наши агенты могут быть полностью функциональными автономными, >> своего рода коллегами в наших корпоративных клиентах. >> Да. И если вы думаете о первой категории, исследованиях, то, безусловно, команда Nors по работе с публичными рынками получает наибольшее использование, и это в основном общедоступные наборы данных, иногда дополненные сторонними поставщиками, а затем, хорошо, следующее, вероятно, частные компании в рамках этого, а затем вы действительно углубляетесь в >> аналитическую часть. По мере того, как вы становились вертикальными, как вы, Anthropic, вообще думаете о конкуренции? Потому что, конечно, у вас есть, знаете ли, OpenAI и другие компании, производящие фундаментальные модели, но теперь у вас также есть собственные клиенты, такие как Abbie, например, если вы зайдете на их веб-сайт, там также написано "ИИ-финансовый агент". Так как вы думаете о том, что значит быть конкурентоспособным в других измерениях, чем раньше, до того, как вы запустили >> эту вертикаль? >> Знаете, опять же, Anthropic — это, в конечном итоге, исследовательская лаборатория. Что нас действительно волнует, так это предоставление наиболее качественного модельного интеллекта отраслям, которые нас действительно волнуют. >> И моя цель — чтобы Claude стал основой для индустрии финансовых услуг, независимо от того, как наши корпоративные клиенты хотят его внедрять. Да. >> Как мы все знаем, корпоративный рынок не является "победитель получает все". >> Финансовые услуги — это рынок стоимостью более трех триллионов долларов. Поэтому некоторые предприятия предпочтут работать с Anthropic как с универсальным магазином, потому что мы можем удовлетворить их потребности от фронт-офиса инвестиционного банкинга до бэк-офиса KYC-сверки, до мидл-офиса и да, даже до трансформации жизненного цикла разработки программного обеспечения Claude. Но другие могут иметь очень специфические потребности и нуждаться в более глубоком погружении для конкретных рабочих процессов, таких как инвестиционный банкинг и создание питч-деков и симуляций. >> Мы хотим убедиться, что Claude — лучшая модель для всего вышеперечисленного, но в отношении ваших предпочтений к конкретному пользовательскому интерфейсу и рабочему процессу, >> который строится поверх моделей, мы своего рода окси, пока Claude обеспечивает их. >> Я думаю, у вас есть мантра: "Claude везде". Что это значит и как это связано? >> Да, конечно. Знаете, способ, которым мы думаем о внедрении Claude в корпоративный мир, заключается в том, чтобы решить проблему управления изменениями. >> Принятие происходит очень быстро. Даже если эти возможности модели, продуктовые функциональные возможности, знаете ли, полностью способны, полностью функциональны сегодня, это не имеет значения, >> если нашим пользователям приходится значительно менять свое поведение, чтобы использовать эти возможности модели. >> Да. И где сегодня проводят время наши корпоративные клиенты — это в Excel, в PowerPoint, >> пакет Microsoft Office является большой частью ответа. >> Или, знаете ли, Slack и Google Suite для наших цифровых компаний, верно? >> Мы только что объявили несколько недель назад, что у нас также есть интеграция со Slack. Это двусторонняя. Поэтому вы можете напрямую общаться с Claude в Slack. В конечном итоге мы хотим, чтобы Claude ощущался как еще один из ваших коллег, с которым вы можете общаться во всех этих различных сервисах, в которых вы работаете, и действительно понимать контекст между этими различными сервисами. >> Да. Я думаю, Microsoft недавно объявила, что Claude теперь доступен внутри пакета Office, и они создают ИИ-инструменты, и вы можете переключаться между различными компаниями, производящими фундаментальные модели. >> Точно. >> >> внутри. >> Одна компания, о которой мы не говорили, Deloitte, очень отличается от суверенных фондов благосостояния. Какова история Deloitte и каковы их варианты использования? >> Да, конечно. Deloitte был одним из первых клиентов Claude for Enterprise, которого мы подписали, возможно, около полутора лет назад. >> И, знаете ли, консалтинговые фирмы очень интересны, потому что, во-первых, у них есть несколько направлений. >> Да. >> У них есть интеграционное направление, у них есть управленческий консалтинг, у них есть четыре развернутых инженера. >> Поэтому, я думаю, их потребности весьма разнообразны по всей организации. >> Да. И у них 450 000 сотрудников, и управленческий консалтинг сильно отличается от консалтинга по внедрению, который сильно отличается от бухгалтерского учета, и это все крупные бизнесы среди нескольких других внутри Deloitte, но вы работаете со всеми 450 000 сейчас. >> Точно. Поэтому, знаете ли, я думаю, что гибкость самой платформы в конечном итоге очень важна для этих корпоративных клиентов, пока у нас есть основные компоненты, которые действительно обеспечивают эти варианты использования. Вот почему, опять же, я всегда возвращаюсь к этим трем глаголам, верно? >> Да. >> Извлекать, анализировать и создавать. Это не только для банкиров, это также для консультантов, это также для налоговых специалистов и бухгалтеров, верно? >> Но как мы можем взять эти возможности и расширить их и адаптировать к конкретным рабочим процессам? Это через внедрение с помощью таких вещей, как MCP, инструменты, рабочие процессы и компоненты пользовательского интерфейса, которые мы можем создавать поверх них. >> Но в конечном итоге, знаете ли, я также часто получаю этот вопрос: вы все создаете вертикально-специфические модели? >> Угу. >> Прямо сейчас мы этого не делаем. Наше твердое убеждение заключается в том, что существует много перекрестного обучения между всеми этими различными областями, и, знаете ли, быть отличным в кодировании отлично переносится на то, чтобы быть отличным в финансах, и, знаете ли, эти аналитические возможности в финансах также хорошо переносятся на консалтинг и другие функции. Поэтому я думаю, что этот набор гибкости как горизонтального слоя очень важен для нас. >> Да. >> Что-то еще, на что я хотел бы обратить внимание, я думаю, с Deloitte тоже, это подумать о том, что шесть месяцев назад я исследовал, какой процент банкиров имеют доступ к ИИ-инструментам на работе, и ближайший ответ, который я мог получить, был 1%. Около шести месяцев назад. >> Да. >> Где, по вашему мнению, мы находимся сегодня в плане количества банкиров, консультантов, знаете ли, крупных корпоративных компаний, которые имеют доступ к ИИ? >> Знаете, я бы, вероятно, все еще сказал, что это в пределах однозначных чисел. Да. Да, >> я думаю, опять же, мы все еще находимся в самом начале этого пути. Многое из того, о чем мы не говорили, это то, как на самом деле безопасно развертывать эти решения в корпоративной среде. >> И безопасность имеет несколько уровней, верно? Первое — это обеспечение того, чтобы с точки зрения безопасности данных системы, которые мы строим, были пуленепробиваемыми. >> Второе — это понимание того, что производимые ответы точны для вариантов использования. Третье — это обеспечение того, чтобы у людей был способ доверять этим точным ответам с помощью аудиторской проверки и цитирования. Верно. Я думаю, мы много думаем обо всех трех этих компонентах как о лаборатории безопасности. И я бы сказал, что мы становимся довольно хороши в двух и трех, но номер один, это все еще требует времени, знаете ли, чтобы пройти эти процессы соответствия, знаете ли, вырвать ваши существующие решения и просто подумать об этом обычном 6-12-месячном или более длительном цикле продаж в корпоративной среде. Тем не менее, я думаю, что мы действительно начинаем видеть большие, знаете ли, области внедрения. Как вы упомянули, Deloitte развертывает его для 450 000 >> сотрудников по всему миру. Поэтому я думаю, знаете ли, мы находимся в начале этого пути, но начинаем видеть, как меняется прилив. >> Да. И это будет похоже, я думаю, мы перейдем от 1% к 10% за 12 месяцев. И за следующие 12 месяцев, знаете ли, если Microsoft начнет продвигать, вы можете довольно быстро достичь высоких показателей, что является невероятно быстрым внедрением корпоративной новой платформы по сравнению с некоторыми отличными историями в других интервью о том, как выглядело внедрение электронной почты в, скажем, RAIA, и насколько это было сложно. Вы говорите: "О, боже, просто просто электронная почта". >> >> Я хочу немного увеличить масштаб и подумать о более широких социальных последствиях наличия ИИ-финансового аналитика, верно? Или люди думают, автоматизируем ли мы рабочие места? Исчезнет ли работа финансового аналитика? Будет ли у нас безработица в индустрии финансовых услуг? Что это значит теперь, когда у нас есть эти инструменты, которые делают некоторую работу, которую раньше делали люди? >> Да, конечно. Знаете, в конечном итоге это все еще инструменты и системы, с которыми вы взаимодействуете, верно? Наша основная область сосредоточения прямо сейчас, как я уже упоминал ранее, заключается в том, чтобы начать отсекать всю эту рутинную, механическую работу, на которую, вероятно, аналитики тратят 60-70% своего времени, по крайней мере. >> Да. >> Верно. Вы знаете, каждый раз перестраивать модель с нуля и переподключать все эти ячейки, убеждаясь, что у вас все круговые ссылки, знаете ли, все проверены и безошибочны, и опять же, все создание PowerPoint, которое, я думаю, в основном связано с форматированием и переводом, и убеждаясь, что размеры шрифтов и цвета действительно совпадают, верно? >> Поэтому существует так много ручной работы, которую аналитики выполняют ежедневно. Но о чем действительно должны думать и на чем сосредоточиться аналитики? И чем они увлечены? Они увлечены пониманием рынков. Они увлечены пониманием бизнес-моделей. И они увлечены проведением времени с основателями и их инвестиционными компаниями, чтобы лучше понять эти бизнес-модели. Поэтому мы хотим начать освобождать время для всего этого, что действительно важно. >> Да, это определенно изменит рабочие места. Я думаю, когда люди, которые были аналитиками в инвестиционном банкинге, как вы и я, смотрят на это, с одной стороны, вы говорите: "Вау, это потрясающе", с другой стороны, вы говорите: "Что произойдет с финансовыми аналитиками в целом?" >> Я хочу переключиться на более легкие, веселые вопросы. Итак, первый вопрос: какие ИИ-инструменты вам действительно нравилось использовать в последнее время, особенно связанные с финансами, но не Claude? >> И мы можем это вырезать, но то, что вы упомянули мне раньше, это инструмент "ярлык". Это забавная вещь, которую люди могут >> использовать сами, чтобы получить некоторые из этих вещей. >> Да, конечно. Знаете, я думаю, что я фанат Excel, потому что я провел, знаете ли, восемь лет своей жизни, полностью живя в Excel каждый день. Поэтому начинать видеть инновации в Excel — это очень волнующе для меня. Один из клиентов, с которыми мы очень тесно работаем в Fundamental Labs, они создали Excel-агента под названием Shortcut на базе Opus. Они фактически воссоздали весь интерфейс приложения Excel в браузере и проделали огромную работу по воспроизведению многих из этих возможностей и встраиванию интеллекта Claude в сам продукт. Поэтому я видел действительно потрясающие результаты, играя с некоторыми из ранних прототипов. >> Да. Поэтому, если вы хотите попробовать >> Claude в Excel, вы можете проверить Shortcut. У меня есть друг, который управляет Source Table, и Source Table довольно потрясающий. Это нативный для ИИ электронный таблицы, который делает много других вещей. Так что это один из моих. >> Вопрос: Сан-Франциско против Нью-Йорка. Вы жили в обоих. >> О, черт. >> Я люблю обоих. Я провел много времени на обоих побережьях, но, знаете ли, я восточноамериканец в душе. Я вырос в Азии, поэтому очень привык к >> суете и шуму городской жизни. >> Отлично, что можно проводить много времени на обоих побережьях. >> Я думаю, что в Нью-Йорке просто непревзойденный уровень энергии, который я нигде в мире не мог найти. Поэтому я люблю Нью-Йорк, но имея возможность вернуться в Сан-Франциско, знаете ли, видеть своих друзей здесь, иметь возможность подняться до Дворца изящных искусств, спуститься к Марине. >> Что вам больше всего нравится делать, когда вы возвращаетесь? >> О, черт. Я большой бегун. Поэтому я люблю бегать по холмам Сан-Франциско, что, вероятно, непопулярно, но я раньше жил в районе Японии. Я бегал до Альта Плаза, вниз к Дворцу изящных искусств, через Марину, а затем обратно домой. Шесть миль. Это, вероятно, было мое любимое занятие каждые выходные. >> Да. Если вы бегун, плоское — скучно. Холмы — это весело. >> Тысяча процентов. >> Да. >> Кроме того, какие анонсы могут быть у вас в будущем? Потому что мы только три месяца занимаемся вертикализацией того, что делают Claude и Anthropic. Так на что нам следует обратить внимание в будущем? >> Да, конечно. Знаете, это для нас постоянное движение, и, как мы уже упоминали, финансовые услуги, вероятно, являются одной из самых важных вертикалей в Anthropic, и ожидайте увидеть от нас гораздо больше улучшений по трем направлениям, которые мы сегодня рассмотрели. Модельный интеллект: мы тратим много времени как на предварительное, так и на пост-обучение, чтобы убедиться, что модели действительно хороши в финансовых задачах. Продуктовый слой: мы создаем сервисы, инструменты и дифференцированные пользовательские интерфейсы для финансовых рабочих процессов, чтобы действительно снизить барьер внедрения этих вариантов использования. >> Я думаю, в конечном итоге я думаю, что работа продукта заключается в том, чтобы сделать возможности модели доступными для мира. И затем третье — это просто размышление об экосистеме, верно? Как мы можем продолжать продвигать отрасль вперед? Как мы можем работать с большим количеством партнеров, таких как S&P и FactSet, для создания интеграций и размышлений о том, как их бизнес должен развиваться с помощью ИИ. Поэтому я думаю, что над всеми тремя этими компонентами мы продолжаем работать, и я с нетерпением жду, что будет дальше. >> Да, я с нетерпением жду вашей следующей демонстрации, вашего следующего запуска продукта. Возможно, нам придется провести короткий разговор, >> когда это произойдет. >> Я был бы рад. >> А пока спасибо, что пришли. Было здорово. Спасибо, что пригласили.