AI in Finance: The Double-Eged Sword Redefinering Financial Services

I dag er det kun de dovne, der ikke diskuterer kunstig intelligens (AI) og dens potentiale til at revolutionere praktisk talt alle aspekter af vores liv, inklusive økonomi. Der er faktisk en forbløffende vækst på AI-markedet - den overgik $184 milliarder i 2024, 50 milliarder dollars mere end i 2023. Desuden forventes denne opblomstring at fortsætte, og markedet vil overstige 826 milliarder dollars i 2030.

Men dette er kun den ene side. På den anden side viser forskning stigende problemer med AI's implementering, især inden for finans. I 2024 vil det i stigende grad stå over for spørgsmål relateret til beskyttelse af privatlivets fred og persondata, algoritmebias og etik om gennemsigtighed. Det socioøkonomiske spørgsmål om potentielle jobtab er også på dagsordenen.

 Er alt, der har med AI at gøre, problematisk? Lad os se på de reelle udfordringer ved AI's allestedsnærværende implementering i finansverdenen og de faldgruber, vi skal løse nu, så AI stadig kan nå ud til masserne.

Reelle udfordringer for massiv AI-integration

I første omgang var målet at skabe kunstig intelligens på niveau med menneskelig bevidsthed – den såkaldte stærke AI – Artificial General Intelligence (AGI). Men vi har endnu ikke nået dette mål; desuden er vi ikke i nærheden af ​​at nå det. Selvom vi ser ud til at være på nippet til at introducere ægte AGI, er der stadig mere end fem-syv år tilbage til at gøre det.

Hovedproblemet er, at de nuværende forventninger til kunstig intelligens er stærkt overdrevne. Selvom vores teknologier er imponerende i dag, er de kun smalle, specialiserede AI-systemer, der løser individuelle opgaver inden for bestemte områder. De har ikke selvbevidsthed, kan ikke tænke som mennesker og er stadig begrænsede i deres evner. Givet dette bliver skalering af AI en udfordring for AI's spredning. Da AI er mere værdifuld, når den bruges i stor skala, skal virksomheder stadig lære, hvordan de effektivt integrerer AI på tværs af alle processer, men bevarer sin evne til at blive justeret og tilpassede.

Desuden er bekymringer omkring databeskyttelse ikke AI's største problem, som mange måske tror. Vi lever i en verden, hvor data ikke har været fortrolige i lang tid. Hvis nogen ønsker at få oplysninger om dig, kan det gøres uden hjælp fra AI. Den virkelige udfordring ved integration af AI er at sikre, at den ikke misbruges og anvendes ansvarligt uden uønskede konsekvenser.

Etikken i at bruge AI er et andet spørgsmål, før AI når masseformidling.

Hovedproblemet i eksisterende systemer er censur: Hvor går grænsen, når vi forbyder neurale netværk at dele en bombeopskrift og censurere svar ud fra et synspunkt om politisk korrekthed osv.? Især da de "slemme fyre" altid vil have adgang til netværk uden begrænsninger pålagt dem. Skyder vi os selv i foden ved at bruge begrænsede netværk, mens vores konkurrenter ikke er det?

Det centrale etiske dilemma er imidlertid spørgsmålet om langdistance sigtning. Når vi skaber en stærk AI, vil vi stå over for spørgsmålet: Kan vi bruge et fornuftigt system til at udføre rutineopgaver og gøre det til en slags slave? Denne diskurs, der ofte diskuteres i science fiction, kan blive et reelt problem i de kommende årtier.

Hvad bør virksomheder gøre for sømløs AI-integration?

Faktisk ligger ansvaret for at løse AI-problemer ikke hos de virksomheder, der integrerer AI, men tværtimod hos de virksomheder, der udvikler det. Teknologier bliver stille og roligt implementeret, efterhånden som de bliver tilgængelige. Der er ingen grund til at gøre noget særligt - denne proces er naturlig.

Kunstig intelligens fungerer godt i smalle nicher, hvor den kan erstatte en person i kommunikation, såsom chatrum. Ja, det er irriterende for nogle, men processen vil blive mere tilgængelig og mere behagelig med tiden. En dag vil AI endelig tilpasse sig den menneskelige kommunikationsstil og blive meget mere hjælpsom, og teknologien vil i stigende grad blive involveret i kundeservice.

AI er også effektiv i præanalytik, når store mængder heterogen information skal behandles. Dette er især relevant for økonomi, da der altid har været afdelinger af analytikere, der beskæftiger sig med ukreativt, men væsentligt arbejde. Nu, når AI forsøges implementeret til analyse, øges effektiviteten på dette område. På Wall Street tror de endda, at dette erhverv vil forsvinder—AI-software kan udføre analytikernes arbejde langt hurtigere og billigere.

For at opnå problemfri AI-integration bør virksomheder anlægge en strategisk tilgang ud over at adoptere teknologien. De skal fokusere på forberede deres arbejdsstyrke for forandringen, uddanne dem i AI-værktøjer og fremme en kultur af tilpasningsevne. På denne måde fortsætter alt relateret til at reducere byrden på en person i rutineopgaver med at udvikle sig. Så længe implementering af kunstig intelligens giver virksomheder konkurrencefordele, vil de introducere nye teknologier, efterhånden som de bliver tilgængelige.

Nøglen er at finde en balance mellem AI's effektivitet og de udfordringer, det kan give.

AI's potentiale i at revolutionere finans

AI i form af mere traditionelle tilgange og andre metoder har været brugt længe på det finansielle marked, længe før de sidste årtier. Eksempelvis blev emnet højfrekvent handel (HFT) for et par år siden særligt aktuelt. Her bruges AI og neurale netværk til at forudsige markedets mikrostruktur, hvilket er vigtigt for hurtige transaktioner på dette område. Og potentialet for udvikling af kunstig intelligens på dette felt er ret stort.

Når det kommer til porteføljestyring, bliver der oftest brugt klassisk matematik og statistik, og der er ikke det store behov for AI. Den kan dog fx bruges til at finde en kvantitativ og systematisk metode til at konstruere en optimal og tilpasset portefølje. På trods af sin lave popularitet inden for porteføljestyring har AI således udviklingsmuligheder der. Teknologien kan reducere antallet af personer, der skal til for at arbejde i callcentre og kundeservice markant, hvilket er særligt vigtigt for mæglere og banker, hvor interaktion med detailkunder spiller en central rolle.

Derudover kan AI udføre opgaverne som analytikere på juniorniveau, især i virksomheder, der handler med en bred vifte af instrumenter. For eksempel kan du få brug for analytikere til at arbejde med forskellige sektorer eller produkter. Alligevel kan du overlade den foreløbige indsamling og behandling af data til AI, og kun overlade den sidste del af analysen til eksperter. I dette tilfælde er sprogmodeller fordelagtige.

Mange af AI-kapaciteterne på dette marked er dog allerede blevet brugt, og der mangler stadig at blive foretaget små forbedringer. I fremtiden, når kunstig generel intelligens (AGI) dukker op, kan der ske en global transformation af alle industrier, inklusive finans. Denne begivenhed kan dog kun ske om nogle få år, og dens udvikling vil afhænge af løsningen af ​​de etiske spørgsmål og andre problemer nævnt ovenfor.