OpenAI выпустила ChatGPT для финансистов. Сам разработчик показал, что модель ошибается почти в трети случаев

10 сентября OpenAI представила ChatGPT for Financial Services — версию чат-бота для инвестиционных банков на модели GPT-6 Astra, со встроенными данными Daloopa, PitchBook и LSEG News. Партнёрами по разработке выступили Morgan Stanley и Evercore. В том же анонсе компания опубликовала результат профильного теста: 69,9% правильных ответов. То есть примерно три ответа из десяти оказываются неверными — и это лучший результат среди сравниваемых моделей. Разбираем, что на самом деле продали Уолл-стрит, почему это не переносится в Казахстан механически и что из этого действительно приедет сюда.

Что именно запустили

Продукт собран вокруг модели GPT-6 Astra, которую OpenAI называет «передовой в трёх ключевых способностях, необходимых для работы в финансовых услугах: поиск информации, финансовые рассуждения и создание артефактов».

Заявленные задачи — не переписка с ботом, а конкретные операции инвестбанковского цеха: анализ стоимости компании, моделирование сделок с долговым выкупом (LBO), скрининг покупателей, анализ отчётности, нормализация прибылей и убытков и подготовка питчбуков. Администраторы могут загрузить фирменные шаблоны Excel, Word и PowerPoint, чтобы результат сразу выходил в корпоративном стиле.

Главное в устройстве продукта — не модель, а то, что под ней. Данные подключены тремя слоями:

Читается это так: OpenAI продала не чат-бота, а слой доступа поверх платных баз данных. Модель здесь — интерфейс. Ценность создаёт то, что лежит под интерфейсом, и за что банк и так платит подписку.

Цифра, которую стоит прочитать буквально

В анонсе приведены результаты теста OfficeQA Pro — профильного бенчмарка для офисной и аналитической работы:

Astra опережает ближайшего конкурента на 7,5 процентного пункта, а предыдущую модель самой OpenAI — на 9,7 пункта. Это заметный отрыв.

И одновременно это означает, что 30,1% ответов на профильном тесте неверны — примерно три из десяти. Не в разговоре о погоде, а на задачах, ради которых продукт и покупают.

Отдельно опубликована статистика отказов коннекторов — насколько часто подключение к внешней базе отдаёт неверный результат:

Улучшение реальное — от полутора до почти трёх раз. Но у FactSet ошибается каждый пятнадцатый запрос, и это уже после доработки.

Две честные оговорки. Первая: бенчмарк опубликован разработчиком и проведён разработчиком — независимой проверки этих цифр нет. Вторая, более важная: то, что компания вообще опубликовала долю своих ошибок, — это плюс, а не минус. Именно поэтому в продукте сделана подробная система ссылок: «отследить цифры и утверждения до конкретных таблиц и фрагментов с подсветкой подтверждающей информации». Разработчик заранее исходит из того, что проверять придётся.

Это та самая Astra, о которой мы писали 2 сентября

В Banker.kz 2 сентября вышел материал «OpenAI готовит Astra — первую модель компании с критическим уровнем в кибербезопасности». Тогда OpenAI впервые отнесла собственную модель к критическому уровню киберопасности по внутренней шкале Preparedness Framework — то есть признала, что модель способна без участия человека находить неизвестные уязвимости и выстраивать цепочки атак.

Мы тогда написали, что Astra ещё не выпущена. Теперь выпущена — и сразу внутри финансового продукта. Поправку фиксируем прямо здесь.

Это не повод для паники, и важно понимать, почему. Критический уровень в той шкале описывает способностьмодели, а не её поведение. Сама OpenAI вместе с этим уровнем объявляла набор защитных мер. Но для финансовой организации отсюда следует конкретный вопрос к поставщику, а не общая тревога: модель с такими возможностями получает доступ к сделкам, отчётности и внутренним документам клиента.

Что OpenAI обещает по этому поводу: «данные вашей фирмы по умолчанию не используются для обучения наших моделей», шифрование при хранении и передаче, SAML SSO, SCIM, ролевой доступ, настраиваемые сроки хранения, выгрузка комплаенс-логов и раздельные рабочие пространства для построения информационных барьеров — то есть китайских стен между подразделениями, которые в инвестбанке обязательны по регулированию.

Ключевые слова здесь — «по умолчанию». Это настройка, а не закон физики. Проверять её — работа комплаенса, а не маркетинга.

Чего в этой новости нет

Первое: это не первый такой продукт. Anthropic выпустила Claude для финансового анализа ещё в июле 2025 года. OpenAI здесь догоняет рынок, а не открывает его. Формулировка руководителя ChatGPT Ника Тёрли — «это канонический продукт, который, как мы надеемся, примет отрасль» — описывает амбицию, а не состоявшийся факт.

Второе: цена не объявлена. Ни в анонсе, ни в публикациях профильных изданий нет ни стоимости, ни минимального размера внедрения. Сказано лишь, что продукт «доступен соответствующим финансовым организациям» и что за условиями нужно обращаться в компанию. Без цены оценить экономику внедрения нельзя — а именно она решает, дойдёт ли технология до среднего банка.

Третье: связывать движение акций с анонсом нельзя. Бумаги обоих партнёров по разработке 10 сентября закрылись в минусе — Morgan Stanley около −1,25%, Evercore около −1,49%. Но в тот же день падал весь американский рынок: S&P 500 потерял 0,6% на фоне скачка нефти выше ста долларов и роста доходности десятилетних казначейских бумаг до 4,93% — максимума с октября 2023 года. Приписывать дневное движение отдельной бумаги новости о продукте в такой день — ошибка чтения.

Четвёртое: про рабочие места сказано меньше, чем кажется. Отвечая на вопрос об увольнениях, Ник Тёрли сравнил продукт с появлением Excel и заметил про младших аналитиков: «они работают по сто часов в неделю». Сто часов — это 14,3 часа в день без единого выходного. Ни цифр по сокращениям, ни списка подписавшихся банков компания не раскрыла.

Почему это не переносится в Казахстан напрямую

Здесь и находится главный разрыв, о котором стоит думать казахстанскому финансисту.

Ценность продукта создаёт не модель, а данные под ней. А перечисленные поставщики — LSEG, PitchBook, S&P Capital IQ, MSCI, Moody's, FactSet, Preqin — построены вокруг глобальных публичных рынков и мировой индустрии прямых инвестиций. Первичное раскрытие казахстанских эмитентов живёт на KASE, на русском и казахском языках, и попадает в глобальные базы далеко не полностью и не сразу.

Это наша оценка, а не измеренный показатель покрытия — точных данных о том, какая доля казахстанских эмитентов представлена в каждой из этих баз, в открытых источниках нет. Но практическое следствие проверяется просто: любой ответ такой системы о казахстанской компании нужно сверять с раскрытием на бирже, а не принимать на веру.

Добавьте к этому масштаб. Капитализация индекса KASE — 47,19 трлн тенге, по курсу 450,79 это около 104,7 млрд долларов. Инвестбанковского цеха, ради которого строился продукт с моделированием LBO и скринингом покупателей, в стране попросту нет в сопоставимом объёме. Реформа рынка капитала готовится, налоговые стимулы для IPO и отдельный розничный транш предложены, но это будущее, а не сегодняшний рынок. Напомним и о том, что после окончательного отказа от объединения KASE и AIX данные о торгах разведены по двум разным площадкам.

Сравнение бюджетов делает разрыв наглядным. По оценке, которую приводили в начале сентября, банки Казахстана могут направить на ИТ 0,9–1 млрд долларов за весь 2026 год — это 6,5–7% чистого операционного дохода сектора, из которых Kaspi.kz свыше 200 млн и Halyk Bank около 120 млн. Один JPMorgan тратит на технологии больше 15 млрд долларов в год. По нашему расчёту — в 15–17 раз больше, чем весь банковский сектор Казахстана.

Что из этого действительно приедет сюда

Не продукт для инвестбанков. Приедет всё остальное, и кое-что уже приехало.

• 75% банков Казахстана уже используют искусственный интеллект в тех или иных процессах — оценка АРРФР, приводившаяся в феврале. Речь о скоринге, антифроде и обслуживании, а не о построении моделей сделок.
• Freedom Bank сообщал о сокращении времени рассмотрения заявок с трёх часов до восьми минут — ускорение примерно в 22 раза — и о снижении доли рутинных операций наполовину. Это тот эффект, который в Казахстане достижим уже сейчас.
• 9 сентября на встрече президента с главой АРРФР прозвучало, что до конца года будет разработана Стратегия внедрения ИИ во всех секторах финансового рынка. 2026 год объявлен Годом цифровизации и искусственного интеллекта указом от 6 января.
• Сегодня, 11 сентября, в Алматы проходит Central Asia Fintech Summit под темой «Эпоха доверия: каким будет финансовый рынок следующего десятилетия». В программе — ИИ в финансах, цифровые активы и антифрод; выступают председатель Нацбанка Тимур Сулейменов и председатель АРРФР Мадина Абылкасымова. Там же представят третий годовой доклад «ИИ в финансах» с выборкой в 160 участников — это будут первые свежие цифры по отрасли, и мы к ним вернёмся.

Асимметрия, которую стоит назвать вслух. Пока в мире выпускают продукт, в Казахстане разрабатывают стратегию. Это не упрёк: регулятор обязан идти вторым. Но разрыв между скоростью продукта и скоростью регулирования — самостоятельный риск, и он уже проявился в другой области. Мы писали 2 сентября, что автоматизация меняет не качество атак, а их себестоимость — и дешёвая атака идёт туда, куда дорогая не шла. Тот же механизм работает и здесь: сначала приходит доступная технология, потом правила.

Что делать

Финансовому специалисту. Ценность смещается от того, кто собирает и сводит цифры, к тому, кто проверяет и интерпретирует. Тест на 69,9% — это описание новой должностной обязанности: человек в контуре нужен не вместо машины, а после неё. Рынок труда при этом и без ИИ тесный: во втором квартале число активных вакансий сократилось на 15,5% до 118 тысяч, а на одну вакансию приходится 15,9 соискателя — почти на треть больше, чем год назад, при 1,9 млн соискателей в целом (данные hh.kz). Отдельно о положении в отрасли — «Финансистам стало сложнее найти работу в Казахстане». Оценка Министерства труда сдержаннее алармистской: к 2035 году влияние ИИ почувствуют 41% рабочей силы, но увольнение грозит примерно 1%, а в 53% профессий автоматизируются отдельные функции, а не профессия целиком.

Банку или финансовой организации. Три вопроса поставщику любого подобного решения, и все три проверяемы на бумаге: используются ли данные организации для обучения модели и можно ли это отключить договором; где физически хранятся данные и как настроено их удаление; поддерживаются ли информационные барьеры между подразделениями. Четвёртый вопрос — к себе: на каких данных система будет работать по казахстанским эмитентам и кто отвечает за проверку её ответа.

Частному инвестору. Самое практичное следствие простое. Если вы спрашиваете у любого ИИ-помощника о казахстанской компании — о её отчётности, дивидендах, сроках размещения, — считайте ответ черновиком. Проверяйте по раскрытию эмитента на бирже. Даже профильная система с подключёнными платными базами ошибается в измеримой доле случаев, а у бесплатного помощника доступа к этим базам нет вовсе.

Это не индивидуальная инвестиционная рекомендация. Упоминания компаний и их бумаг приведены как описание события, а не как оценка привлекательности вложений.