Benzinga, dostawca bieżących wiadomości finansowych, danych rynkowych i finansowych interfejsów API, ogłosiła rozszerzenie współpracy z WNSTN, platformą personalizacji i angażowania użytkowników opartą na AI, stworzoną z myślą o instytucjach finansowych. W ramach rozszerzonej współpracy obie firmy wspólnie wprowadzą na rynek zintegrowane rozwiązanie dla brokerów: WNSTN dostarczy warstwę inteligencji AI, a Benzinga zapewni bieżące i historyczne dane rynkowe stanowiące podstawę tego rozwiązania.

Rozszerzona oferta opiera się na rocznej współpracy w ramach własnych produktów Benzingi. Od uruchomienia w 2025 roku w całej platformie Benzinga Pro, przeznaczonej dla aktywnych traderów, Benzinga AI — wykorzystująca technologię WNSTN — zapewnia użytkownikom Benzingi konwersacje w języku naturalnym, podsumowania wiadomości i analizy rynku. Produkt zyskał szerokie zastosowanie, w tym odnotował 25-krotny wzrost zaangażowania, co dało obu firmom podstawę do rozszerzenia technologii poza Benzingę i udostępnienia jej szerszej grupie platform finansowych.

Dla brokerów wspólna oferta ma skrócić drogę między chęcią wykorzystania AI w obsłudze klientów a możliwością wewnętrznego uzasadnienia takiego rozwiązania. WNSTN zapewnia wiele punktów kontaktu opartych na danych, w tym warstwę konwersacyjną, personalizację uwzględniającą portfel, stałe monitorowanie rynku, możliwe do wykorzystania pomysły inwestycyjne oraz dostosowane podsumowania. Platforma obejmuje również agenta ds. zgodności przeszkolonego w zakresie globalnych ram regulacyjnych — w tym FINRA i SEC, które nadzorują amerykańskich brokerów-dealerów, CySEC na Cyprze oraz MiFID II w Unii Europejskiej — a każda odpowiedź jest kierowana przez tę warstwę zgodności, zanim trafi do użytkownika końcowego. Benzinga dostarcza natomiast podstawowe informacje rynkowe: bieżące wiadomości dotyczące akcji, oceny analityków, wyniki finansowe i wydarzenia korporacyjne, zgłoszenia do SEC oraz wyjaśnienia „Why Is It Moving” dotyczące zmian cen, a także historyczne archiwa służące do wyszukiwania i zapewniania kontekstu.

Jakość danych stała się praktycznym ograniczeniem dla finansowych zastosowań AI. Modele mogą udzielać pewnych siebie odpowiedzi niezależnie od tego, czy wykorzystywane przez nie informacje są aktualne, prawidłowo przypisane lub oznaczone właściwym instrumentem, a w środowisku brokerskim takie błędy mają znaczenie regulacyjne. Ustrukturyzowane dane rynkowe opatrzone znacznikami czasu i oznaczeniami podmiotów ograniczają to ryzyko już na etapie wyszukiwania informacji, zanim konieczne będzie zastosowanie jakiegokolwiek mechanizmu ochronnego.

„Większość scenariuszy awarii w finansowych zastosowaniach AI wynika raczej z warstwy wyszukiwania informacji niż z samego modelu” — powiedział Dave Maher, CEO Benzingi. „Jeśli dane docierają z opóźnieniem albo bez prawidłowych znaczników czasu i oznaczeń podmiotów, wynik jest przekonująco błędny, a w tej branży takie błędy są kosztowne. Uruchamianie Benzinga AI na naszych własnych źródłach danych w Benzinga Pro przez ostatni rok dało nam rzeczywisty test tego zjawiska, a jakość odpowiedzi bezpośrednio odzwierciedlała strukturę leżących u ich podstaw danych. WNSTN stworzyła warstwę orkiestracji i zgodności, która sprawia, że ta struktura jest użyteczna w środowisku brokerskim, dlatego wspólne wprowadzenie obu rozwiązań na rynek było logicznym kolejnym krokiem.”

Ogłoszenie odzwierciedla również szerszą zmianę w sposobie licencjonowania danych przez Benzingę. W ciągu ostatniego roku firma rozbudowała infrastrukturę API, aby obsługiwać obciążenia związane z dużymi modelami językowymi i generowaniem wspomaganym wyszukiwaniem — podejściem, w którym model pobiera materiały źródłowe z indeksowanego zbioru w momencie każdego zapytania — oraz ustanowiła zasady licencjonowania przeznaczone konkretnie dla zastosowań AI, zamiast traktować je jako wyjątki od dotychczasowych warunków redystrybucji. Benzinga udziela obecnie licencji na treści i dane ponad 400 klientom w 30 krajach, a rosnąca część z nich tworzy produkty oparte natywnie na AI.

„Brokerzy wybierają WNSTN, ponieważ przekształcamy złożone dane rynkowe w informacje istotne osobiście dla ich klientów, zrozumiałe i możliwe do wykorzystania” — powiedział Rakover, współzałożyciel i CRO WNSTN. „WNSTN nie tylko podsumowuje informacje — przetwarza je, umieszcza w kontekście i dopasowuje sposób ich przekazania do każdego użytkownika. Chodzi o dostarczanie właściwych informacji, we właściwym czasie i w sposób najlepiej zrozumiały dla odbiorcy. W ten sposób przekształcamy dane w działanie w ramach platformy brokera, a zgodność regulacyjna jest wbudowana w całe doświadczenie. Bieżące i historyczne dane Benzingi wzmacniają tę funkcjonalność, a wykorzystanie WNSTN w Benzinga Pro pokazuje, że nasza technologia działa produkcyjnie i obsługuje wymagającą grupę aktywnych traderów.”

Według obu firm wpływ rozwiązania można zmierzyć. Analiza WNSTN obejmująca rok danych od amerykańskiego klienta będącego brokerem-dealerem wykazała, że inwestorzy korzystający z jej AI zawierali 2,3 razy więcej transakcji niż osoby, które z niej nie korzystały. Około połowa użytkowników, którzy korzystali z czatu WNSTN, zawarła transakcję w ciągu 24 godzin od interakcji z platformą.

Wspólna oferta jest już dostępna dla brokerów i platform finansowych, z możliwością wdrożenia w modelu white-label oraz integracji API. Wdrożenie white-label pozwala prezentować funkcje AI w ramach własnego doświadczenia klienta brokera i pod jego marką, natomiast integracja API umożliwia platformom bezpośrednie osadzanie bazowych danych i funkcji AI w istniejących narzędziach.