Wilson Chan, grundlægger og administrerende direktør for Permutable AI – Intervju-serie

Wilson Chan er grundlægger og administrerende direktør for Permutable AI, et london-baseret selskab, der specialiserer sig i realtids global data og sentiment intelligens for finansielle institutioner. Med en baggrund i AI, finansielle markeder og dataingeniørarbejde bygger Wilson systemer, der oversætter enorme informationsstrømme til forklarelige, handlebare indsigt. Han er en hyppig kommentator på AI-innovation i finansielle markeder, markedssentiment og fremtiden for data-drevne beslutninger, og han forkaster teknologi, der udvikler menneskelig ekspertise snarere end erstatter den.

Du startede din karriere hos Merrill Lynch og Citi, før du grundlagde Permutable AI. Hvad inspirerede dig til at skifte fra traditionel finans til at bygge et AI-selskab med fokus på markedss indsigt?

Jeg startede min karriere som kvantitativ trader hos Merrill Lynch på obligationsderivat-afdelingen, hvor vi allerede dengang eksperimenterede med tidlige maskinlærings-teknikker for at accelerere arbitrage over rentekurven. Det meste af finansverdenen var stadig i en “software 1.0”-tankegang – håndkodede regler og manuelt justerede modeller.

Over de seneste ti år har vi set en hurtig udvikling: først til “software 2.0”, hvor neurale netværk erstattede eksplisit logik, og nu ind i “software 3.0”, hvor store sprogmodeller kan direkte resonere over enorme mængder ustuktureret data. At se disse skift happen indefra gjorde det tydeligt, at markederne til sidst ville blive formet af AI-native systemer i stand til at fortolke global information hurtigere og mere holistisk end nogen traditionel stak.

Permutable AI blev skabt for at gribe netop den mulighed – bygge moderne LLM- og multi-agent-systemer, der forudser markedsskift i realtid i stedet for at reagere efter faktum.

Permutable AI’s mission om at “forudse, ikke blot reagere på, markedsskift” er overbevisende. Hvordan formede denne filosofi den tidlige design af jeres vertikale LLM-arkitektur?

Vi har bygget resonansmodeller designet til at forstå relationer og årsagssammenhæng, ikke blot korrelationer. Arkitekturen tilpasser sig kontinuerligt til nye makro-betingelser, nyhedsstrømme og geopolitiske udviklinger. Den adaptive lag er kerne til vores filosofi: hvis du vil forudse markederne, skal systemet udvikle sig lige så hurtigt som verden selv.

Kan du forklare, hvordan vertikale store sprogmodeller adskiller sig fra generelle formål-sprogmodeller som GPT, og hvorfor de er bedre egnet til finansielle og varemarkeder?

Hos Permutable bygger vi multi-agent-stakke designet til at arbejde samarbejdende og udføre end-to-end-workflows traditionelt håndteret af hele hold. Vi er sikre på, at de allerede overgår meget af markedet (se vores 1-års resultater), men vi tror også, at de bedste resultater kommer fra at kombinere disse agenter med højt kvalificerede ingeniører og domæne-eksperter.

En vertikal LLM indlejrer finansielle ontologi – enheder, strømme, forsyningskæder, makro-drivere, korrelationer. Dens output ikke blot tekst, men strukturerede beslutninger: drivere, påvirkningsniveauer, tillidsniveauer, sådan designet til markedsspecifikke formål.

Mange institutioner kæmper med at modernisere deres analytics-infrastruktur. Hvordan erstatter jeres resonans-baserede, adaptive arkitektur legacy-systemer på en praktisk måde?

Vi har bygget LLM-systemer med selv-evaluering og kontinuerlig overvågning i deres kerne. Formålet er at holde menneskelig oversigt fokuseret og minimal, samtidig med at sikre pålidelighed. Sandheden er, at innovation inden for store institutioner er utrolig svær, fordi kulturelle og strukturelle barrierer ofte kommer i vejen.

Hvor organisationer har den rette kultur og ledelse, er transformationen dramatisk. Til sidst vil de, der omfavner dette skift, accelerere; de, der ikke gør det, kan have svært ved at forblive relevante.

Trading Co-Pilot er en spændende udvikling. Hvordan udnytter det realtids-sentiment og makroøkonomisk data for at give handlende en fordel?

Vores system scanner hundredtusinder af artikler i realtid og fremhæver de, der virkelig betyder noget – komplet med analyse genereret næsten øjeblikkeligt. Det går langt ud over, hvad en standard søgeaktiveret LLM kan producere. Det er grundlæggende en live resonans-motor, der sidder ved siden af hver enkelt handlende, konstant opdaterer sin læsning af verden.

Forklarbar AI bliver mere og mere kritisk i regulerede brancher. Hvordan sikrer Permutable gennemsigtighed og ansvarlighed inden for jeres modeller og beslutningsoutput?

Vores nøgle-differentiator er, at hver model-output er fuldt sporbart ned til den præcise artikel, tidsstempel og kilde. Vi reducerer hallucinationer ved at tæt kontrollere opgave-grænserne for hvert model. Alt kommer med en indbygget revisions-spor med gennemsigtighed indlejret i kerne-arkitekturen.

Jeres partnerskaber omfatter nu data-udbydere, handelsplatforme og analytics-firmaer. Hvad ser et ideelt strategisk partnerskab ud for Permutable, og hvordan forbedrer disse samarbejder jeres globale rækkevidde?

Vi søger efter partnere, der er aligneret med Permutables langsigtede vision: at bringe AI-drevet, realtids markedss indsigt ind i kernebeslutningsfladerne for globale markeder. Den ideelle partner har international rækkevidde, stærk økosystem-godkendelse og evnen til at hjælpe med at skala vores intelligens og indsigt på tværs af multiple regioner og aktiver.

Du har nævnt målet om at bygge en “verdensmodel for kapitalmarkeder”. Hvad ville en sådan model se ud i praksis, og hvilke udfordringer skal overvindes for at opnå det?

En verdensmodel kartografisk og forstår, hvordan handels-aktiver priser interagerer og påvirker hinanden – uanset om aktiverne er suveræne gæld, valuta, råvarer eller noget så specifikt som kaffeprisen. Det er en samlet repræsentation af globale markedssdynamikker.

Hvordan ser du til, at adaptiv AI forvandler hastigheden og nøjagtigheden af beslutningstagning for aktie-investorer, hedgefonde og andre finansielle institutioner over de næste fem år?

Når jeg er inviteret til et bestyrelsesmøde, ved jeg inden for det første minut, om organisationen er i stand til at gå igennem en AI-transformation. Kultur er alt.

Det er en kendsgerning, at multi-modal AI vil samle rapporter, nyheder, billeder, datastrømme og pris-signaler i en enkelt resonans-lag. Og at hedgefonde vil flytte endnu længere frem, fordi de tilpasser sig hurtigere. Men mange store handelsorganisationer ved siden af de mest begavede og bedste har stadig hold, der modstår innovation – de forstår bare ikke, hvor hurtigt landskabet skifter.

Til sidst, da AI fortsætter med at forme handel og analytics, hvad begejstrer dig mest om den næste front for Permutable AI og det bredere fintech-økosystem?

Vi tror, at multi-agent-systemer vil blive den dominerende ramme, selvom værktøjerne stadig er under udvikling. Det, der begejstrer mig mest, er, at vinderne i handel og analytics vil være institutionerne, der er mest villige og i stand til at tilpasse sig – og det er netop, hvor Permutables vision sidder.

Tak for det gode interview, læsere, der ønsker at lære mere, skal besøge Permutable AI.