- Man Group, một nhà quản lý đầu tư thay thế với hơn 200 tỷ USD tài sản, đang chạy các tín hiệu giao dịch (trading signal) trong sản xuất — do AI nghiên cứu, back-test và đề xuất, có con người rà soát toàn bộ — xây trên nền tảng các
skillcủa Claude. - Bài học cốt lõi: chính
governancecủa skill, chứ không phải mức độ áp dụng thô, mới mở khóa AI cấp doanh nghiệp; các workflow chung, có chủ sở hữu, được test và theo dõi cho kết quả nhất quán, so sánh được — điều thiết yếu khi so sánh tín hiệu giao dịch. - Họ đã làm sai trước khi làm đúng — giai đoạn đầu áp dụng hăng hái tạo ra các skill "tối ưu cục bộ" do power user (không phải chủ quy trình) viết, điển hình là một skill báo cáo chi phí hard-code; một marketplace skill có governance đã khắc phục.
Building signals that trade themselves
- Giao dịch hệ thống (systematic trading) xoay quanh trading signal: xếp hạng hàng nghìn chứng khoán theo một yếu tố (ví dụ lợi nhuận 3 tháng gần nhất), mua các mã thắng và short các mã thua, rồi back-test chiến lược qua hơn 15 năm lịch sử để tạo ra các thống kê như annualized return, drawdown và Sharpe ratio.
- Trading signal chỉ là phần nổi của tảng băng; phần khó là các workflow nền — làm sạch dữ liệu, ghép giá, phát hiện outlier, hạ tầng, chạy back-test — và nếu các đội dùng workflow khác nhau, kết quả không so sánh được, không biết ý tưởng nào tốt hơn hay chỉ là đo khác nhau.
- Mặc định,
Claudelà công cụ đa năng mạnh nhưng không biết dữ liệu, hệ thống hay workflow của bạn; bạn dạy nó không phải bằng retrain hay fine-tune, mà bằng cách cấp quyền truy cập dữ liệu, năng lực và workflow quaskill. - Ngữ cảnh tổ chức là IP và "hào" của bạn — các frontier lab không giải quyết hộ vì nó không có trên internet; việc cần làm là phơi bày tri thức tổ chức tích lũy hàng thập kỷ, không phải sáng tạo lại, và skill là cách tri thức đó được tận dụng.
- Giai đoạn "all-in" ban đầu (workshop, hackathon, blog, show-and-tell) tạo độ áp dụng cao nhưng lộ ra vết nứt: power user, không phải chủ quy trình, viết skill, tạo ra tối ưu cục bộ thay vì giải pháp chung cho tổ chức.
- Một thất bại điển hình: một người đi công tác nhiều viết skill báo cáo chi phí với mã cost-center hard-code, khiến nó liên tục tạo báo cáo dưới cost center của một người duyệt cho tất cả mọi người — không ai rà soát và tác giả không chịu trách nhiệm.
- Lời giải là một marketplace/thư viện skill chung: mọi skill đều hiển thị, được gắn thẻ, test bằng eval, có chủ sở hữu là chủ quy trình, được rà soát, theo dõi sử dụng, có vòng đời và ai cũng cài được — hãy coi skill như production code vì đó là điều chúng sẽ trở thành.
- Kết quả: 750 trong khoảng 17.800 nhân viên Man Group dùng
Claude Code(developer, quant, finance, đội nhân sự), với hơn 100 skill có governance (và ít nhất bấy nhiêu community skill); hãy lên kế hoạch chủ sở hữu, rà soát, test và "nghỉ hưu" trước khi ship skill đầu tiên, không phải sau cái thứ một trăm.
giao dịch hệ thống— systematic tradingtrading signal(tín hiệu giao dịch) — trading signalback-test— back-testdrawdown(mức sụt giảm) — drawdownSharpe ratio— Sharpe ratioskill(kỹ năng đóng gói) — skillskills governance(quản trị skill) — skills governancengữ cảnh tổ chức— organizational contextskills marketplace(chợ skill) — skills marketplace
Bối cảnh: Man Group và rủi ro cao
Sharan Fernando, head of data and AI tại Man Group, mở đầu bằng việc nhấn mạnh rủi ro. Man Group quản lý hơn 200 tỷ USD tài sản cho quỹ hưu trí, quỹ tài sản quốc gia và các định chế lớn — tiền hưu trí của hàng nghìn người thật, từ giáo viên ở Canada đến công nhân kim loại ở Nhật. Vì vậy AI phải làm cho đúng; sai là mất tiền thật.
Một mảng lớn là giao dịch hệ thống — giao dịch thuật toán nhìn qua hàng nghìn chứng khoán và hàng trăm thị trường để ra quyết định. Cốt lõi là trading signal. Có thể ví như đội fantasy football: chọn cầu thủ tốt nhất theo một chiến lược, chuyển nhượng đúng người vào đúng thời điểm với chi phí đúng. Với cổ phiếu, signal nghĩa là xếp hạng các mã (ví dụ theo lợi nhuận 3 tháng gần nhất), mua các mã sẽ kiếm tiền, short các mã không.
Back-test và các thống kê
Câu hỏi thú vị luôn là: chọn yếu tố nào để xếp hạng, và nó có hiệu quả không? Sự thật là không bao giờ biết chắc tương lai. Cách tốt nhất là nhìn lịch sử: codify chiến lược và chạy qua 15 năm hoặc lâu hơn, qua nhiều môi trường vĩ mô và biến động. Back-test tạo ra nhiều thống kê: kiếm bao nhiêu (annualized return), mất bao nhiêu khi lỗ (drawdown), và các yếu tố phức tạp như Sharpe ratio (so biến động với lợi nhuận).
Tại Man Group đang có những trading signal chạy trong sản xuất với vốn thật, do AI nghiên cứu, lấy dữ liệu, chạy back-test, viết đề xuất chiến lược và đưa vào production — con người rà soát toàn bộ, nhưng AI ở trung tâm quy trình. Tác giả không tiết lộ signal đó là gì (đó là IP), mà chia sẻ hành trình và nền tảng cho phép làm điều đó.
Tảng băng workflow và việc dạy Claude
Tạo ra signal là phần nhanh; phần khó là mọi thứ bên dưới — như tảng băng, signal là phần nổi, bên dưới là các workflow: làm sạch dữ liệu, ghép giá, phát hiện outlier, hạ tầng, chạy back-test. Nếu các đội dùng workflow khác nhau, kết quả khác nhau và không so sánh được — không biết ý tưởng tốt hơn hay chỉ đo khác. Workflow chung khắc phục điều này: một nền tảng chung, không trùng lặp công sức, kết quả so sánh được — cực kỳ quan trọng khi so sánh signal.
Mặc định Claude mạnh nhưng không biết dữ liệu, hệ thống, cách làm việc của bạn. Phải dạy nó — không phải retrain hay fine-tune, mà cấp quyền truy cập dữ liệu, năng lực và workflow. Đó là "siêu năng lực": hàng thập kỷ tri thức tổ chức và năng lực kỹ thuật hàng đầu. Skill là lớp kết nối để AI tận dụng siêu năng lực đó, nên làm đúng là tối quan trọng.
Làm sai trước khi làm đúng: bài học về governance
Ban đầu Man Group tập trung vào áp dụng, đi "all-in": workshop skill (Anthropic hỗ trợ), hackathon, blog, show-and-tell. Áp dụng bùng nổ, nhưng lộ vết nứt: chính power user — không phải chủ quy trình — viết skill, tạo ra "tối ưu cục bộ" cho một người chứ không phải giải pháp chung.
Ví dụ điển hình: một người đi công tác nhiều viết skill báo cáo chi phí từ ảnh hóa đơn. Vài ngày sau, người duyệt chi phí thắc mắc tại sao Claude tạo quá nhiều báo cáo dưới cost center của mình cho cả người ở bộ phận khác. Lý do: mã cost-center bị hard-code. Không ai rà soát skill đó, và tác giả không chịu trách nhiệm. Đây là vấn đề rộng hơn: người ta codify cách làm của cá nhân, không phải của tổ chức — và là rào cản khi mở rộng lên doanh nghiệp.
Giải pháp: một skills marketplace chung. Mọi skill đều hiển thị, gắn thẻ, test bằng eval, có chủ sở hữu là chủ quy trình, được rà soát, theo dõi sử dụng, có vòng đời, ai cũng cài được. Như một thư viện chứa tri thức tổ chức hàng thập kỷ, có khu vực cho finance, nhân sự, research. Chính sự "chăm sóc" này biến skill từ giải pháp năng suất cá nhân thành nền tảng cho kỷ nguyên agent.
Demo và bài học rút ra
Demo "Man Knowledge": thư viện skill và context store của Man Group, gợi ý theo từng đơn vị kinh doanh, chia thành managed và community skill, có thể cài qua plugin (nhóm skill) hoặc riêng lẻ. Ví dụ: dùng skill alternative data-set để tìm dữ liệu thẻ tín dụng, vẽ chi tiêu thẻ tín dụng hằng tháng của Amazon so với lợi nhuận cổ phiếu (có đỉnh mùa vụ như Black Friday, Christmas), rồi back-test xem chi tiêu thẻ có dự báo giá cổ phiếu không. Signal vượt chiến lược buy-and-hold (1.000 USD năm 2021 thành ~2.500 USD); chạy trên nhiều công ty bán lẻ qua hạ tầng distributed compute. Bài học: governance của skill đảm bảo mọi người dùng cùng dữ liệu và cùng workflow.
Các bài học chính: (1) tập trung vào ngữ cảnh tổ chức — đó là IP và hào của bạn, frontier lab không giải hộ; (2) coi skill như production code; (3) lên kế hoạch trước khi rollout (ai sở hữu, ai rà soát, test và nghỉ hưu thế nào) — quyết định trước khi ship skill đầu tiên; (4) áp dụng là vấn đề con người, không phải license.
Kết quả: 750/17.800 nhân viên dùng Claude Code, hơn 100 skill có governance và ít nhất bấy nhiêu community skill. Skills governance mở khóa AI ở quy mô doanh nghiệp, và tác giả hình dung tương lai gần với "bầy" agent tận dụng các skill này để tìm cơ hội đầu tư mới.
TL;DR
- Man Group, một nhà quản lý đầu tư thay thế với hơn 200 tỷ USD tài sản, đang chạy các tín hiệu giao dịch (trading signal) trong sản xuất — do AI nghiên cứu, back-test và đề xuất, có con người rà soát toàn bộ — xây trên nền tảng các
skillcủa Claude. - Bài học cốt lõi: chính
governancecủa skill, chứ không phải mức độ áp dụng thô, mới mở khóa AI cấp doanh nghiệp; các workflow chung, có chủ sở hữu, được test và theo dõi cho kết quả nhất quán, so sánh được — điều thiết yếu khi so sánh tín hiệu giao dịch. - Họ đã làm sai trước khi làm đúng — giai đoạn đầu áp dụng hăng hái tạo ra các skill "tối ưu cục bộ" do power user (không phải chủ quy trình) viết, điển hình là một skill báo cáo chi phí hard-code; một marketplace skill có governance đã khắc phục.
Điểm chính
- Giao dịch hệ thống (systematic trading) xoay quanh trading signal: xếp hạng hàng nghìn chứng khoán theo một yếu tố (ví dụ lợi nhuận 3 tháng gần nhất), mua các mã thắng và short các mã thua, rồi back-test chiến lược qua hơn 15 năm lịch sử để tạo ra các thống kê như annualized return, drawdown và Sharpe ratio.
- Trading signal chỉ là phần nổi của tảng băng; phần khó là các workflow nền — làm sạch dữ liệu, ghép giá, phát hiện outlier, hạ tầng, chạy back-test — và nếu các đội dùng workflow khác nhau, kết quả không so sánh được, không biết ý tưởng nào tốt hơn hay chỉ là đo khác nhau.
- Mặc định,
Claudelà công cụ đa năng mạnh nhưng không biết dữ liệu, hệ thống hay workflow của bạn; bạn dạy nó không phải bằng retrain hay fine-tune, mà bằng cách cấp quyền truy cập dữ liệu, năng lực và workflow quaskill. - Ngữ cảnh tổ chức là IP và "hào" của bạn — các frontier lab không giải quyết hộ vì nó không có trên internet; việc cần làm là phơi bày tri thức tổ chức tích lũy hàng thập kỷ, không phải sáng tạo lại, và skill là cách tri thức đó được tận dụng.
- Giai đoạn "all-in" ban đầu (workshop, hackathon, blog, show-and-tell) tạo độ áp dụng cao nhưng lộ ra vết nứt: power user, không phải chủ quy trình, viết skill, tạo ra tối ưu cục bộ thay vì giải pháp chung cho tổ chức.
- Một thất bại điển hình: một người đi công tác nhiều viết skill báo cáo chi phí với mã cost-center hard-code, khiến nó liên tục tạo báo cáo dưới cost center của một người duyệt cho tất cả mọi người — không ai rà soát và tác giả không chịu trách nhiệm.
- Lời giải là một marketplace/thư viện skill chung: mọi skill đều hiển thị, được gắn thẻ, test bằng eval, có chủ sở hữu là chủ quy trình, được rà soát, theo dõi sử dụng, có vòng đời và ai cũng cài được — hãy coi skill như production code vì đó là điều chúng sẽ trở thành.
- Kết quả: 750 trong khoảng 17.800 nhân viên Man Group dùng
Claude Code(developer, quant, finance, đội nhân sự), với hơn 100 skill có governance (và ít nhất bấy nhiêu community skill); hãy lên kế hoạch chủ sở hữu, rà soát, test và "nghỉ hưu" trước khi ship skill đầu tiên, không phải sau cái thứ một trăm.
Từ vựng
giao dịch hệ thống— systematic tradingtrading signal(tín hiệu giao dịch) — trading signalback-test— back-testdrawdown(mức sụt giảm) — drawdownSharpe ratio— Sharpe ratioskill(kỹ năng đóng gói) — skillskills governance(quản trị skill) — skills governancengữ cảnh tổ chức— organizational contextskills marketplace(chợ skill) — skills marketplace
Nội dung chi tiết
Bối cảnh: Man Group và rủi ro cao
Sharan Fernando, head of data and AI tại Man Group, mở đầu bằng việc nhấn mạnh rủi ro. Man Group quản lý hơn 200 tỷ USD tài sản cho quỹ hưu trí, quỹ tài sản quốc gia và các định chế lớn — tiền hưu trí của hàng nghìn người thật, từ giáo viên ở Canada đến công nhân kim loại ở Nhật. Vì vậy AI phải làm cho đúng; sai là mất tiền thật.
Một mảng lớn là giao dịch hệ thống — giao dịch thuật toán nhìn qua hàng nghìn chứng khoán và hàng trăm thị trường để ra quyết định. Cốt lõi là trading signal. Có thể ví như đội fantasy football: chọn cầu thủ tốt nhất theo một chiến lược, chuyển nhượng đúng người vào đúng thời điểm với chi phí đúng. Với cổ phiếu, signal nghĩa là xếp hạng các mã (ví dụ theo lợi nhuận 3 tháng gần nhất), mua các mã sẽ kiếm tiền, short các mã không.
Back-test và các thống kê
Câu hỏi thú vị luôn là: chọn yếu tố nào để xếp hạng, và nó có hiệu quả không? Sự thật là không bao giờ biết chắc tương lai. Cách tốt nhất là nhìn lịch sử: codify chiến lược và chạy qua 15 năm hoặc lâu hơn, qua nhiều môi trường vĩ mô và biến động. Back-test tạo ra nhiều thống kê: kiếm bao nhiêu (annualized return), mất bao nhiêu khi lỗ (drawdown), và các yếu tố phức tạp như Sharpe ratio (so biến động với lợi nhuận).
Tại Man Group đang có những trading signal chạy trong sản xuất với vốn thật, do AI nghiên cứu, lấy dữ liệu, chạy back-test, viết đề xuất chiến lược và đưa vào production — con người rà soát toàn bộ, nhưng AI ở trung tâm quy trình. Tác giả không tiết lộ signal đó là gì (đó là IP), mà chia sẻ hành trình và nền tảng cho phép làm điều đó.
Tảng băng workflow và việc dạy Claude
Tạo ra signal là phần nhanh; phần khó là mọi thứ bên dưới — như tảng băng, signal là phần nổi, bên dưới là các workflow: làm sạch dữ liệu, ghép giá, phát hiện outlier, hạ tầng, chạy back-test. Nếu các đội dùng workflow khác nhau, kết quả khác nhau và không so sánh được — không biết ý tưởng tốt hơn hay chỉ đo khác. Workflow chung khắc phục điều này: một nền tảng chung, không trùng lặp công sức, kết quả so sánh được — cực kỳ quan trọng khi so sánh signal.
Mặc định Claude mạnh nhưng không biết dữ liệu, hệ thống, cách làm việc của bạn. Phải dạy nó — không phải retrain hay fine-tune, mà cấp quyền truy cập dữ liệu, năng lực và workflow. Đó là "siêu năng lực": hàng thập kỷ tri thức tổ chức và năng lực kỹ thuật hàng đầu. Skill là lớp kết nối để AI tận dụng siêu năng lực đó, nên làm đúng là tối quan trọng.
Làm sai trước khi làm đúng: bài học về governance
Ban đầu Man Group tập trung vào áp dụng, đi "all-in": workshop skill (Anthropic hỗ trợ), hackathon, blog, show-and-tell. Áp dụng bùng nổ, nhưng lộ vết nứt: chính power user — không phải chủ quy trình — viết skill, tạo ra "tối ưu cục bộ" cho một người chứ không phải giải pháp chung.
Ví dụ điển hình: một người đi công tác nhiều viết skill báo cáo chi phí từ ảnh hóa đơn. Vài ngày sau, người duyệt chi phí thắc mắc tại sao Claude tạo quá nhiều báo cáo dưới cost center của mình cho cả người ở bộ phận khác. Lý do: mã cost-center bị hard-code. Không ai rà soát skill đó, và tác giả không chịu trách nhiệm. Đây là vấn đề rộng hơn: người ta codify cách làm của cá nhân, không phải của tổ chức — và là rào cản khi mở rộng lên doanh nghiệp.
Giải pháp: một skills marketplace chung. Mọi skill đều hiển thị, gắn thẻ, test bằng eval, có chủ sở hữu là chủ quy trình, được rà soát, theo dõi sử dụng, có vòng đời, ai cũng cài được. Như một thư viện chứa tri thức tổ chức hàng thập kỷ, có khu vực cho finance, nhân sự, research. Chính sự "chăm sóc" này biến skill từ giải pháp năng suất cá nhân thành nền tảng cho kỷ nguyên agent.
Demo và bài học rút ra
Demo "Man Knowledge": thư viện skill và context store của Man Group, gợi ý theo từng đơn vị kinh doanh, chia thành managed và community skill, có thể cài qua plugin (nhóm skill) hoặc riêng lẻ. Ví dụ: dùng skill alternative data-set để tìm dữ liệu thẻ tín dụng, vẽ chi tiêu thẻ tín dụng hằng tháng của Amazon so với lợi nhuận cổ phiếu (có đỉnh mùa vụ như Black Friday, Christmas), rồi back-test xem chi tiêu thẻ có dự báo giá cổ phiếu không. Signal vượt chiến lược buy-and-hold (1.000 USD năm 2021 thành ~2.500 USD); chạy trên nhiều công ty bán lẻ qua hạ tầng distributed compute. Bài học: governance của skill đảm bảo mọi người dùng cùng dữ liệu và cùng workflow.
Các bài học chính: (1) tập trung vào ngữ cảnh tổ chức — đó là IP và hào của bạn, frontier lab không giải hộ; (2) coi skill như production code; (3) lên kế hoạch trước khi rollout (ai sở hữu, ai rà soát, test và nghỉ hưu thế nào) — quyết định trước khi ship skill đầu tiên; (4) áp dụng là vấn đề con người, không phải license.
Kết quả: 750/17.800 nhân viên dùng Claude Code, hơn 100 skill có governance và ít nhất bấy nhiêu community skill. Skills governance mở khóa AI ở quy mô doanh nghiệp, và tác giả hình dung tương lai gần với "bầy" agent tận dụng các skill này để tìm cơ hội đầu tư mới.