OpenAI

6. listopada 2026.

Kako Jump Trading širi kvantitativna istraživanja uz ChatGPT

Jump Trading koristi GPT‑6 Astra za rješavanje dugotrajnijih, manje jasno definiranih istraživačkih problema.

Bijeli logotip tvrtke Jump Trading u sredini tamne petrolej plave teksture slojevito nanesenog pigmenta.
Veličina tvrtke: Enterprise
Regija: Sjeverna Amerika
Industrija: Financije
Proizvodi: ChatGPT

Kao tvrtka za kvantitativno trgovanje, Jump Trading izrađuje prediktivne modele koji se služe tržišnim podacima, vijestima i događajima te nizom alternativnih izvora podataka kako bi što bolje predvidjeli cijene imovine. Budući da su tržišta složena, puna šuma i podložna promjenama, rijetko je moguće točno predvidjeti što će se dogoditi. No prema riječima Lucasa Bakera, voditelja istraživanja i razvoja LLM-ova u tvrtki Jump Trading, predviđanja koja su makar malo bolja od bacanja novčića dovoljna su za uspješnu strategiju ako se primjenjuju u velikom opsegu.

Baker vodi istraživanje i razvoj agentskih sustava, a usredotočen je na izgradnju agenata, testnih sklopova i infrastrukture koji kvantitativnim istraživačima omogućuju da svoje ideje istraže šire i dublje. Uvođenjem modela GPT‑6 Astra znatno su se povećali opseg i složenost radnih procesa koji se mogu prepustiti agentima, od svakodnevnog programiranja do naprednih kvantitativnih studija za provjeru novih hipoteza.

„Serijom GPT-6, osobito modelom GPT-6 Astra, OpenAI je omogućio novu razinu autonomije za dugotrajne zadatke koji zahtijevaju fleksibilnu koordinaciju agenata i iznimnu ustrajnost u složenim radnim procesima. Ondje gdje su prije bile potrebne česte ljudske smjernice i intervencije, sada se možemo potpuno usredotočiti na definiranje sigurnog i dobro nadziranog okruženja s jasnim ciljevima te prepustiti agentima da sami pronađu put do njih.“
—Lucas Baker, voditelj istraživanja i razvoja LLM-ova, Jump Trading

Od kratkih isječaka koda do sveobuhvatne analize

Tijekom protekle godine umjetna inteligencija prerasla je iz korisnog alata za pisanje pojedinačnih isječaka koda ili pronalaženje manjih pogrešaka u sposoban, svestran sustav koji samostalno može razvijati cijele baze koda i servise. Baker i njegov tim sada uviđaju da umjetna inteligencija najbolje funkcionira kada se prema njoj odnose više kao prema kolegi. Istraživači mogu definirati ključni problem, radno okruženje i način procjene kvalitete i važnosti rezultata, a zatim u stvarnom vremenu usmjeravati jednog ili više agenata na to čemu posvetiti analizu ili koji zadatak sljedeći pokrenuti.

Baker kaže da uz GPT‑6 Astra agenti sada mogu ne samo pronaći smislene i praktične promjene nego i povezivati te uspjehe i nadograđivati ih u procesu rekurzivnog poboljšavanja. Tijekom jednog dugotrajnog zadatka sustav može analizirati svoje nalaze, procijeniti ih prema dogovorenim kriterijima iz početnog prijedloga i aktivno preusmjeravati svoj rad, bez potrebe da čovjek analizira svaki krug promjena. Kako sam kaže: „Možete definirati zadatak koji treba trajati danima: mora prikupljati podatke iz brojnih izvora, donositi suptilne procjene o tome što je važno, a što nije, te sve međusobno povezati. Tako sada može nastati sveobuhvatna analiza koja doista funkcionira.“

Ljudska prosudba ostaje u središtu

Jump Trading posluje u svim vremenskim horizontima i klasama imovine. Svaki je korak procesa složen, a u strogo reguliranoj djelatnosti poput financija pogreške mogu imati i financijske posljedice i posljedice za usklađenost s propisima. Baker kaže da je ključno biti svjestan rizika koji proizlaze iz povjeravanja posla umjetnoj inteligenciji, ali i da se inteligencija agenata može primijeniti na poboljšanje kvalitete, sigurnosti i nadzora, a ne samo na dodavanje novih funkcija. Dobro osmišljen sustav s čvrstim granicama, jasna ograničenja, infrastruktura koja olakšava usmjeravanje i praćenje te ljudski pregled promjena pomažu timu tvrtke Jump Trading osigurati da su radni procesi potpomognuti umjetnom inteligencijom spremni za širu primjenu u reguliranom okruženju.

„Povjerenje nam daje sigurno okruženje u kojem agent ili sustav može slobodno izraditi sve potrebne rezultate, ali na kraju postoji i postupak ljudskog pregleda u kojem ljudi provode ključnu provjeru i odobravaju rezultate“, kaže. Primjerice, ako agent izradi signal za trgovanje, njegov se opseg primjene određuje i pregledava jednako kao i za svaki drugi rezultat: tretira se kao signal, obično koristan, ali potencijalno pogrešan, te se povezuje sa svim ostalim signalima u strogo provjeravanom i kontroliranom okruženju za izvršavanje naloga.

Što slijedi

Baker smatra da idemo prema svijetu u kojem će „autonomno istraživanje“, odnosno rekurzivno poboljšavanje sustava s mjerljivim rezultatima koje provode agentski istraživači, postati toliko rašireno da će se smatrati običnim dijelom svakodnevnog rada kvantitativnog istraživača. Danas čak i najdugotrajniji zadaci modela GPT‑6 Astra i dalje uključuju redovite konzultacije s osobom koja definira zadatak. Pritom se ne provjerava samo koje podatke prikupiti, koliko dugo raditi i što smatrati važnim nego i imaju li međurezultati smisla. Napredno autonomno istraživanje i dalje bi počinjalo sustavom koji definira čovjek, uključujući ulazne podatke, definiciju okruženja, mjerila za procjenu, kompromise i opće prioritete. No ostatak procesa bio bi povjeren labavo strukturiranoj „floti“ agenata koje koordiniraju drugi agenti. Unutar dobro strukturiranog istraživačkog procesa ti bi agenti mogli inteligentno odlučivati o tome kako istraživati ideje, rasporediti računalno vrijeme i uključiti obećavajuće nalaze, a polazište bi im bilo gotovo samo otvoreno pitanje.

„Kako to izgleda kada sve možete povezati od početka do kraja, postaviti opće pitanje na koje ni sami ne znate odgovor i dobiti koristan rezultat?“ pita se. „Ako možete riješiti neki od milenijskih problema, vjerojatno možete otkriti i prilično zanimljive činjenice o kvantitativnim financijama.“

Svaka je godina donijela ne samo stalan napredak u rezultatima referentnih testova nego i velike pomake u vrstama poslova koje su modeli mogli obavljati. Takav je razvoj često bilo teško predvidjeti čak i nekoliko mjeseci unaprijed: dok se 2024. smatralo impresivnim kada bi rani agenti napisali jednu datoteku bez pogrešaka, 2025. postalo je moguće izraditi cijele baze koda od nule, a 2026. ostvariti napredak u otvorenim istraživačkim pitanjima uz brojne agente koji dinamično surađuju jedni s drugima. „Što ćemo imati sljedeće godine?“ pita se. „Pred nama su doista nevjerojatne mogućnosti.“

Pridružite se novoj eri rada

Više od milijun poduzeća diljem svijeta postiže značajne rezultate uz OpenAI.