Wilson Chan, grundare och VD för Permutable AI – Intervjuserie

Wilson Chan är grundare och VD för Permutable AI, ett Londonbaserat företag som specialiserar sig på realtidsdata och sentimentanalys för finansiella institutioner. Med en bakgrund inom AI, finansiella marknader och dataingenjörskap bygger Wilson system som översätter stora informationsflöden till förklarliga och handlingsbara insikter. Han är en frekvent kommentator om AI-innovation inom finansiella marknader, marknadssentiment och framtiden för datadriven beslutsfattning, och förespråkar teknologi som förbättrar mänsklig expertis snarare än ersätter den.

Du började din karriär på Merrill Lynch och Citi innan du grundade Permutable AI. Vad inspirerade dig att gå från traditionell finans till att bygga ett AI-företag fokuserat på marknadsunderrättelser?

Jag började min karriär som kvantitativ handlare på Merrill Lynch på räntederivatavdelningen, där vi redan då experimenterade med tidiga maskinlärningstekniker för att påskynda arbitrage över avkastningskurvan. Större delen av finansvärlden var fortfarande i en “mjukvaru 1.0”-mentalitet – handkodade regler och manuellt justerade modeller.

Under det senaste decenniet har vi sett en snabb utveckling: först till “mjukvaru 2.0”, där neuronnät ersatte explicit logik, och nu in i “mjukvaru 3.0”, där stora språkmodeller kan direkt resonera över stora volymer ostrukturerad data. Att se dessa förändringar ske inifrån gjorde det uppenbart att marknaderna så småningom skulle formas av AI-nativa system kapabla att tolka global information snabbare och mer holistiskt än någon traditionell stack.

Permutable AI skapades för att fånga just den möjligheten – bygga moderna LLM- och multiagentsystem som förutser marknadsförändringar i realtid istället för att reagera efteråt.

Permutable AI:s mission att “förutse, inte bara reagera på, marknadsförändring” är övertygande. Hur formade denna filosofi den tidiga designen av er vertikala LLM-arkitektur?

Vi har byggt resonemodeller utformade för att förstå relationer och kausalitet, inte bara korrelationer. Arkitekturen anpassar sig kontinuerligt till nya makroförhållanden, nyhetsflöden och geopolitiska utvecklingar. Den adaptiva lagern är kärnan i vår filosofi: om du vill förutse marknader, måste systemet utvecklas lika snabbt som världen själv.

Kan du förklara hur vertikala stora språkmodeller skiljer sig från allmänna LLM som GPT, och varför de är bättre lämpade för finansiella och råvarumarknader?

På Permutable bygger vi multiagentstackar utformade för att arbeta samarbetsvilligt och utföra slut-till-slut-arbetsflöden som traditionellt hanteras av hela team. Vi är övertygade om att de redan överträffar stora delar av marknaden (se våra 1-årsresultat), men vi tror också att de bästa resultaten kommer från att kombinera dessa agenter med högt kvalificerade ingenjörer och domänexperter.

En vertikal LLM inbäddar finansiell ontologi – entiteter, flöden, leverantörskedjor, makrodrivare, korrelationer. Dess utdata är inte bara text, utan strukturerade beslut: drivkrafter, påverkansnivåer, förtroendepoäng, så till syvende och sist utformade för marknader.

Många institutioner kämpar för att modernisera sin analytikinfrastruktur. Hur ersätter er resonemingsbaserade, adaptiva arkitektur legacy-system på ett praktiskt sätt?

Vi har byggt LLM-system med självutvärdering och kontinuerlig övervakning i kärnan. Målet är att hålla mänsklig tillsyn fokuserad och minimal, samtidigt som tillförlitligheten säkerställs. Verkligheten är att innovation inom stora institutioner är otroligt svår eftersom kulturella och strukturella hinder ofta kommer i vägen.

Där organisationer har rätt kultur och ledarskap är omvandlingen dramatisk. Till slut kommer de som antar denna förändring att accelerera; de som inte gör det kan ha svårt att hålla sig relevanta.

Trading Co-Pilot är en spännande utveckling. Hur använder den realtids-sentiment och makroekonomisk data för att ge handlare en fördel?

Vårt system scannar hundratusentals artiklar i realtid och presenterar de som verkligen betyder något – komplett med analys genererad nästan omedelbart. Det går långt utöver vad en standard LLM med sökfunktion kan producera. Det är i princip en live-resonemotor som sitter bredvid varje handlare, konstant uppdaterar sin läsning av världen.

Förklarlig AI blir alltmer kritisk i reglerade branscher. Hur säkerställer Permutable transparens och ansvar inom era modeller och beslutsutdata?

Vår nyckeldifferentierare är att varje modellutdata är fullständigt spårbar ner till den exakta artikeln, tidsstämpeln och källan. Vi minskar hallucinationer genom att tight kontrollera uppgiftsgränserna för varje modell. Allt kommer med en inbyggd revisionslogg med transparens inbäddad i kärnarkitekturen.

Er partnerskap omfattar nu datatillhandahållare, handelsplattformar och analytikföretag. Vad ser en idealisk strategisk partnerskap ut för Permutable, och hur förbättrar dessa samarbeten er globala räckvidd?

Vi letar efter partners som är anpassade till Permutables långsiktiga vision: att bringa AI-driven, realtidsmarknadsunderrättelser in i de centrala beslutsflödena för globala marknader. Den idealiska parten har internationell räckvidd, stark ekosystemkredibilitet och förmågan att hjälpa till att skala vår intelligens och insikter över flera regioner och tillgångsklasser.

Du har nämnt målet att bygga en “världmodell för kapitalmarknader”. Vad skulle en sådan modell se ut i praktiken, och vilka utmaningar måste övervinnas för att uppnå det?

En världmodell kartlägger och förstår effektivt hur handelsbara tillgångspriser interagerar och påverkar varandra – oavsett om tillgången är suverän skuld, valuta, råvaror eller något så specifikt som kaffets pris. Det är en enhetlig representation av globala marknadsdynamik.

Hur ser du adaptiv AI omvandla hastigheten och noggrannheten i beslutsfattandet för tillgångsförvaltare, hedgefonder och andra finansiella institutioner under de kommande fem åren?

När jag bjuds in till en styrelsemöte vet jag inom den första minuten om den organisationen är kapabel att gå igenom en AI-omvandling. Kultur är allt.

Det är ett faktum att multimodal AI kommer att förena rapporter, nyheter, bilder, flödesdata och prissignaler i en enda resonemskikt. Och att hedgefonder kommer att gå ännu längre framåt eftersom de anpassar sig snabbare. Men många stora handelsorganisationer bredvid de ljusaste och bästa har fortfarande team som motstår innovation – de förstår helt enkelt inte hur snabbt landskapet förändras.

Till sist, när AI fortsätter att omforma handel och analytik, vad exciterar dig mest om den kommande fronten för Permutable AI och det bredare fintech-ekosystemet?

Vi tror att multiagentsystem kommer att bli den dominerande ramen, även om verktygen fortfarande håller på att mognas. Det som exciterar mig mest är att vinnarna inom handel och analytik kommer att vara de institutioner som är mest villiga och kapabla att anpassa sig – och det är exakt där Permutables vision ligger.

Tack för den underbara intervjun, läsare som vill lära sig mer bör besöka Permutable AI.