صنعت مالی همواره سرعت و دقت را ارزش داشته است. از نظر تاریخی ، این خصوصیات کاملاً به پیش بینی انسان و جادوگر صفحه گسترده بستگی دارد. ظهور عوامل هوش مصنوعی خودمختار برای تغییر اساساً این چشم انداز آماده شده است.
نمایندگان هوش مصنوعی در حال حاضر به طور گسترده در صنایع کار می کنند: برای خودکارسازی خدمات به مشتری ، نوشتن کد و نامزدهای مصاحبه. اما وال استریت؟ به دلایل مختلف همیشه این یک مهره سخت تر برای ترک است. سهام زیاد است ، نوار دقت بالا ، داده ها کثیف است و فشار بی امان است.
از آنجا که هیچ کس نمی خواهد سوار یک دستگاه فکس برای کار و از دست دادن تمام AI Hype شود ، Fintech قبلاً به ما نشان می دهد که این موج چقدر تغییر می کند. به عنوان مثال ، اتوماسیون در حال از بین بردن ناکارآمدی برای تحقیقات سرمایه گذاری و دقت کافی است. ظهور عوامل خودمختار درجه مالی کمتر شبیه یک روند و بیشتر شبیه نقطه عطف است.
عوامل هوش مصنوعی خودمختار برای تحقیقات سرمایه گذاری: آنها چیست؟
بیایید با اصول اولیه شروع کنیم. چیست عوامل خودمختار هوش مصنوعی؟ در اصل ، آنها نرم افزاری تخصصی مجهز به مدل های بزرگ زبان ، حافظه و ارکستراسیون عامل برای انجام کارهای بسیار شناختی هستند که به طور معمول به انسان احتیاج دارند. عوامل هوش مصنوعی خودمختار برای هضم مجموعه داده های عظیم ، الگوهای نقطه ای و بازگشت به بینش هایی که هفته ها برای کشف آنها طول می کشد. این یک اتوماسیون میانی جاده نیست. عوامل هوش مصنوعی این پتانسیل را دارند که سر و صدای اطلاعات را کاهش دهند ، به طور دقیق سیگنال های بازار را ردیابی کنند و تحقیقاتی را انجام دهند که برآورده های جدی نهادی را برآورده کند.
نمایندگان AI تصویر مانند همیشه تحلیلگران دیجیتال در همه چیز از پرونده های SEC و تماس های درآمد گرفته تا بانکهای اطلاعاتی ثبت اختراع ، بررسی کاربر و فیدهای خبری استفاده می کنند. بر خلاف ابزارهای میراث که فقط داده ها را در پوشه های مرتب سازماندهی می کنند ، این عوامل می توانند “تفکر” واقعی را آینه دهند. آنها زمینه را قاب می کنند ، نقاط را به هم وصل می کنند و بینش هایی را تولید می کنند که ارزش توجیهی استراتژیک را دارند. آنها حتی می توانند همه آن را در عرشه های اسلاید آماده سرمایه گذار قالب بندی کنند. در صنعتی که هر دقیقه اهمیت دارد ، آن نوع هوش فقط مفید نیست – می تواند تعیین کننده باشد.
ابزارهایی مانند آنهایی که توسط Wokelo AI ایجاد شده است ، سیگنال روشنی است که در کجا می رود. به عنوان اولین عامل AI که برای تأمین مالی نهادی ساخته شده است ، در حال حاضر بخار را در بین بنگاه هایی مانند KPMG ، Berkshire Partners ، EY ، Google و Guggenheim جمع می کند. با اسکن بیش از 100،000 منبع زنده و تولید تحقیقات با کیفیت بالا در عرض چند دقیقه ، عوامل هوش مصنوعی خودمختار آنچه را که قبلاً یک تنگنا به یک ابرقدرت تبدیل می شود ، تبدیل می شوند. مثال M&A را بگیرید. ابزارهای تحقیقاتی دارای هوش مصنوعی می توانند در عرضه محصولات و پتانسیل هم افزایی حفر شوند ، و این امکان را برای سرمایه گذاران یا مشاوران فراهم می کند که فرصت های سرمایه گذاری غیر منتظره ای را در بخشی از زمان کشف کنند. تجزیه و تحلیل داده های زمان واقعی و شیرجه های عمیق در صورت تقاضا به ما امکان می دهد سیگنال های اولیه بازار را بدست آوریم که به سرمایه گذاران رقابتی ترین امتیاز را بدهند.
هیچ یک از اینها در خلاء اتفاق نیفتاد. بی سر و صدا صنعت تکامل یافت: جایی که ابزارهای اولیه سفت و واکنشی بودند. عوامل هوش مصنوعی امروز چابک ، متنی و دائماً در حال یادگیری هستند. اطلاعات مالی جدید برای صرفه جویی در وقت ، پول و اشتباهات انسانی ساخته شده است.
قدرت تشخیص الگوی در مقیاس
و این فقط سرعت نیست که باعث می شود عوامل هوش مصنوعی برای تحقیقات سرمایه گذاری مناسب باشند. در هر صورت ، مقیاس است. محققان بشر به محدودیت های شناختی برخورد کردند ، تعصب ناخودآگاه را به جدول می آورند و همیشه نمی توانند در صدر توانایی خود عمل کنند. خوب ، Ai نمی چرخد. این همه چیز را مصرف می کند: ، داده های معامله ، احساسات اخبار ، بررسی مشتری ، سیگنال های اجتماعی – شما آن را نامگذاری می کنید. این می تواند ناهنجاری ها را در گزارش های سه ماهه ، حرکت بخش نقطه قبل از روند آن ، پرچم گذاری کند و نقاط داده های مختلف را به هم گره بزند تا تغییرات را نشان دهد که هیچ انسانی نمی تواند در زمان واقعی ردیابی کند.
به عنوان مثال ، ابزارهای هوش مصنوعی برای تحقیقات مالی می توانند شاخص های اولیه پیشرفت های بیوتکنولوژی را نشان دهند یا اثرات پایین دست یک حرکت مهم M&A را در زنجیره های تأمین جهانی ردیابی کنند. همه بدون ساعت ماراتن از تحلیلگران استفاده می شوند. آیا این راهی برای انجام کارهای بیشتر است؟ بله اما همچنین یک سطح به معنای واقعی کلمه فوق بشری از تشخیص الگوی را باز می کند.
علاوه بر این ، صحت بی سابقه است. بر خلاف انسان ، هوش مصنوعی فرسودگی را نمی داند ، و سیگنال هایی را که در سر و صدا دفن شده اند از دست نمی دهند. این به تنهایی کیفیت بنگاه های بینش را با آن کار می کند. در کوتاه مدتاز بهره وری کلی ، به عنوان مثال ، a 50-70 ٪ کاهش در ساعت تحقیق در هر معامله آینده نگر و کاهش 40 درصدی در تلاش تحقیق FTE مورد نیاز است برای گزارش های کوشش اما قفل واقعی؟ اجازه می دهد تا تحلیلگران وقت کمتری را برای کارهای تحقیقاتی خشک و زمان بیشتری در کارهای مرتبه بالاتر ، مانند تماس های داوری ، روایت ها ، روابط مشتری و تصمیمات با کیفیت بالا بگذرانند. هوش مصنوعی با بالا بردن داده های سنگین ، پاسخ می دهد که ، چرا ، چگونه ؛ انسانها روی آنچه بعدی تمرکز می کنند. این فقط مقرون به صرفه نیست بلکه یک بخش کار دقیق تر است.
چالش ها؟ بله ، این کار در حال کار است
بیایید یک چیز را مستقیم بگیریم: عوامل هوش مصنوعی جادویی نیستند. آنها فقط به اندازه داده هایی که روی آنها آموزش داده شده تیز هستند. به آنها سر و صدا می دهید ، و سر و صدای خود را سریعتر می کنید – این مشکل خوب قدیمی “زباله در زباله” است. کیفیت داده ها هنوز هم پاشنه آشیل از عوامل خودمختار است. مجموعه داده های ناقص ، Intel stale یا تعصب پخته شده می تواند حتی پیشرفته ترین مدل ها را از مسیر خارج کند. شرکت هایی که پیشگام هوش مصنوعی برای تحقیقات مالی هستند ، با کشیدن از مجموعه ای از منابع گسترده و گسترده از منابع یکپارچگی ، به طور فعال این چالش را کاهش می دهند.
مسئله بزرگ بعدی پیچ و خم نظارتی است. بازارهای مالی یک میدان نبرد انطباق هستند و هر نماینده هوش مصنوعی مستقل که در آنجا کار می کند باید با معیارهای قانونی و سیاسی در حال تحول هماهنگ باشد. برای شرکت هایی که این ابزارها را به بازار تحویل می دهند ، این به معنای کالیبراسیون مداوم ، نظارت قانونی پخته شده در چرخه های توسعه و همکاری عمیق بین علوم داده و تیم های انطباق است. برخی از آنها از قبل SOC 2-سازگار با معماری صفر ، تضمین حریم خصوصی داده ها ، و ابزارهای بیشتری در حال توسعه است تا صنایع بسیار تنظیم شده مانند امور مالی متناسب باشد.
هنگامی که الگوریتم ها به هیچ وجه تصمیمات را هدایت می کنند ، پاسخگویی برای زمانی که همه چیز به پهلو می رود مهم است. منطق فراخوان AI باید در همه زمان ها شفاف باشد ، که این یک چالش فعال برای هر کسی که از AI در محیط های پرخاشگر مانند تحقیقات مالی استفاده می کند ، ایجاد می کند. در حالی که هوش مصنوعی می تواند اعداد ، سیگنال های سطحی را با سرعت فوق بشری خرد کند و حتی از تست تورینگ عبور کند ، در همین لحظه هنوز فاقد ظرفیت انسانی برای قضاوت متنی است. هنگامی که بازارها غیرقابل پیش بینی می شوند ، این می تواند یک مشکل جدی ایجاد کند. به همین دلیل آینده هوش مصنوعی در مقابل تحلیلگران انسانی نیست. این AI است با تحلیلگران ، جایی که هوش مصنوعی از کار پا مراقبت می کند ، بنابراین متخصصان انسانی می توانند روی آنچه انجام می دهند تمرکز کنند: مشاهده آنچه ممکن است ماشین ها از دست بدهند.
تجدید نظر در نقش تحلیلگر در عصر هوش مصنوعی
این ذهنیت است: تحلیلگر مالی آینده نزدیک فراتر خواهد رفت با استفاده از ai از آنجا که عوامل هوش مصنوعی خودمختار برای تحقیقات گسترده تر می شوند و در گردش کار بهتر تعبیه شده اند ، شغل انسانی به احتمال زیاد به یک متصدی ، مربی و شریک استراتژیک به ربات تبدیل می شود. این بدان معنی است که یک تغییر مجموعه مهارت: از امور مالی به این ترتیب گرفته تا تسلط بین رشته ای ، که در آن درک یادگیری ماشین ، در یک سطح طرفدار ، شکاف در منطق و تفسیر خروجی های جعبه سیاه ، به مهارت های مهم تبدیل می شود.
و ما نباید آن را به عنوان یک تهدید بدانیم – زیرا این یک ارتقاء بیشتر است. تحلیلگرانی که شکوفا می شوند ، کسانی خواهند بود که می توانند هوش مصنوعی را هدایت کنند ، آن را زیر سوال ببرند و آن را به حد خود سوق دهند. چیز خوب این است که وقت آن است که وقت کمتری را برای اثبات چیزها و زمان بیشتر بپرسید بهتر سوالات. ابزارهای هوش مصنوعی تحلیلگران را از بین نمی برند – آنها آنها را تحت الشعاع قرار می دهند. با انجام این کار ، کل عمل تحقیقات سرمایه گذاری در حال افزایش است. استرس کمتر ، بینش بیشتر. سر و صدای کمتر ، سیگنال بیشتر. و این در حال حاضر اتفاق می افتد.
انتظار بعدی را داشته باشیم
بنابراین آینده هیبریدی تحقیقات سرمایه گذاری بسیار از AI به نظر می رسد و توسط انسان هدایت می شود. این به معنای ادغام عمیق تر است که در آن عوامل خودمختار از بازخورد تحلیلگر یاد می گیرند ، و به طور مداوم بازده آنها را بر اساس تعامل ماشین و انسان پالایش می کنند.
این فکر نمی کنیم که در کمترین زمان ، عوامل چند مدلی قادر به تجزیه و تحلیل نه فقط متن باشند. نمودارها ، صوتی و ویدیو در مرحله بعدی قرار دارند. نمایندگانی مانند این فقط پیش بینی حرکت بازار را ندارند ، آنها قادر به پیش بینی رفتار سرمایه گذار خواهند بود. اکنون ، همکاری در زمان واقعی را تصویر کنید که در آن AI تحقیقات درجه یک را ارائه می دهد وت در فرایند استراتژیک به طور فعال با تحلیلگران انسانی همکاری می کند. آیا این گارد قدیمی را مختل می کند؟ بدون شک مدل تحقیقات میراث-آهسته ، گران ، کار سنگین-با سرعت امروز از مرحله خارج است. برای شرکت های سنتی که مایل به سازگاری نیستند ، گزینه ها کاملاً واضح هستند: تکامل ، ادغام یا پشت سر گذاشتن.
VC ها و تیم های سهام خصوصی ، زودگذر هستند. بسیاری از آنها در حال حاضر از هوش مصنوعی برای گسترش خطوط لوله معامله و تیز کردن دقیق استفاده می کنند. صندوق های پرچین و مدیران دارایی خیلی عقب نیستند ، به خصوص که بازده ها فشرده می شوند و پیدا کردن لبه سخت تر می شود. سرانجام ، ما این ترفند را پایین خواهیم دید: سرمایه گذاران خرده فروشی با استفاده از نسخه های “Lite” عوامل خودمختار ، بینش سطح نخبه ای را به دست بسیاری از افراد می دهند.
بازنویسی کتاب پخش تحقیق
چسبیدن به مدلهای تحقیقاتی سنتی در تحقیقات مالی یک انتخاب هوشمندانه به نظر نمی رسد. در آغوش یک الگوی جدید که توسط عوامل مستقل هوش مصنوعی مستقر است ، کسانی را که در اوایل بزرگترین برندگان عمل می کنند ، خواهد کرد. آینده همه چیز در مورد تحلیلگران انسانی است با هم دستگاه در تحقیقات سرمایه گذاری ، این فقط ممکن است لبه نهایی باشد.
