Finansowa precyzja taniej niż u gigantów. Bridgewater rzuca wyzwanie modelom zamkniętym

Największy fundusz hedgingowy świata, Bridgewater Associates, przestał tylko teoretyzować o technologii i przeszedł do ofensywy, która wstrząsa Doliną Krzemową. Najnowszy raport opublikowany wspólnie z Thinking Machines Lab — nowym startupem Miry Murati — uderza w fundamenty biznesowe OpenAI i Google. Dowodzi on, że wyspecjalizowany, otwarty model Qwen3-235B potrafi zmiażdżyć rynkowych liderów w analizie danych finansowych, oferując przy tym czternastokrotną redukcję kosztów.

To starcie ma szerszy wymiar niż tylko walka o ułamki procent na giełdzie. Jak zauważyli w raporcie Bob Prince, Greg Jensen i Karen Karniol-Tambour, — AI stanowi egzystencjalne zagrożenie dla tradycyjnych firm zajmujących się oprogramowaniem, porównując sytuację do tego, jak Amazon zrewolucjonizował rynek księgarń w latach 90.—. Dowodem na tę tezę jest radykalna rekonstrukcja portfela Bridgewater. Fundusz całkowicie wyeliminował z niego gigantów zajmujących się oprogramowaniem takich jak Salesforce czy Workday, stawiając miliardy na producentów czipów, w tym Taiwan Semiconductor Manufacturing Company (TSMC).

Maszyna do selekcji w świecie szumu

W sektorze finansowym problemem nie jest brak danych, lecz ich nadmiar. Codzienny potok komunikatów banków centralnych i raportów korporacyjnych tworzy szum, w którym kluczowe decyzje sprowadzają się do setek drobnych osądów. To właśnie ten proces selekcji stał się celem badaczy z AIA Labs oraz Thinking Machines Lab. Wyniki są bezlitosne dla generycznych asystentów: bazowe wersje Gemini czy GPT osiągały w testach zaledwie 50 proc. skuteczności.

Dopiero precyzyjne instrukcje podniosły ten wynik do 70 proc., co wciąż pozostawało poniżej progu 80 proc. uznawanego za bezpieczny dla wdrożeń komercyjnych. Przełom przyniosło dopiero wykorzystanie modelu Qwen3 i poddanie go procesowi dostrajania na wewnętrznych danych Bridgewater. Mechanizm był prosty, ale skuteczny: model uczył się na błędach, wskazując rozbieżności, które ostatecznie rozstrzygali doświadczeni inwestorzy.

Przewaga własnych danych i suwerenność

Efekty tej strategii widać w liczbach. Wyspecjalizowany model osiągnął 84,7 proc. dokładności, deklasując najsilniejsze modele komercyjne, które zatrzymały się na poziomie 78,2 proc. Skuteczność ta przekłada się na realne wyniki finansowe. W pierwszym półroczu 2026 roku, gdy indeks S&P500 spadł o 20,6 proc., flagowy fundusz Bridgewater wypracował aż 32 proc. zwrotu.

Analitycy AIA Labs ostrzegają jednak przed pójściem na łatwiznę. Według nich — dla firm dysponujących unikalnym know-how, droga ‘na skróty’ poprzez gotowe API od OpenAI czy Google może być ślepą uliczką, zarówno pod względem merytorycznym, jak i ekonomicznym.—. Wykorzystanie otwartych platform pozwala korporacjom zachować pełną kontrolę nad wagami modelu i własną wiedzą ekspercką.

Nowy standard operacyjny

Analiza przygotowana przez fundusz uderza w czuły punkt gigantów technologicznych, sugerując, że najbardziej wartościowe dane wciąż pozostają poza zasięgiem publicznych modeli. Firmy przekazujące swoje zasoby do zamkniętych chmur ryzykują utratę przewagi konkurencyjnej. Podczas gdy indeks obligacji ICE BofA Treasury notował najgorsze wyniki w historii, Bridgewater zdołał obronić kapitał, agresywnie skracając pozycje na europejskie akcje (szacowane na 13,1 mld dolarów) i inwestując w konkrety, jak Moderna czy Micron Technology. To jasny sygnał: przyszłość profesjonalnego AI należy do mniejszych, wysoce wyspecjalizowanych systemów, które zamiast wiedzieć wszystko o wszystkim, wiedzą dokładnie to, czego potrzebuje ich właściciel.