AI i finans: Det dobbeltæggede sværd, der gendefinerer finansielle tjenester

I dag diskuterer kun de dovne ikke kunstig intelligens (AI) og dens potentiale til at revolutionere næsten alle aspekter af vores liv, herunder finans. Der er faktisk en forbavsende vækst på AI-markedet – det overgik $184 milliarder i 2024, $50 milliarder mere end i 2023. Desuden forventes denne blomstring at fortsætte, og markedet vil overstige $826 milliarder i 2030.

Men dette er kun den ene side. På den anden side viser forskning en øgende problemer med AI’s implementering, især i finans. I 2024 vil det stadig mere møde problemer relateret til privatliv og persondata beskyttelse, algoritme-forvrængning og etik af gennemsigtighed. Den socio-økonomiske spørgsmål om potentiel jobtab er også på dagsordenen.

 Er alt relateret til AI problematisk? Lad os overveje de reelle udfordringer for AI’s ubetydelige implementering i finans og de fælder, vi skal løse nu, så AI stadig kan nå masses.

Reelle udfordringer for massiv AI-integration

Initielt var målet at skabe kunstig intelligens på niveau med menneskelig bevidsthed – den såkaldte stærke AI – Kunstig Almen Intelligens (AGI). Men vi har endnu ikke opnået dette mål; desuden er vi ikke nær ved at nå det. Selv om vi synes at være på vej til at introducere rigtig AGI, er der stadig mere end fem-syv år tilbage til at gøre det.

Hovedproblemet er, at de nuværende forventninger til AI er kraftigt overvurderede. Mens vores teknologier er imponerende i dag, er de kun smalle, specialiserede AI-systemer, der løser individuelle opgaver i bestemte felter. De har ikke selvbevidsthed, kan ikke tænke som mennesker og er stadig begrænsede i deres evner. Givet dette bliver skalaering af AI en udfordring for AI’s spredning. Da AI er mere værdifuld, når det bruges i stor skala, har virksomheder stadig brug for at lære, hvordan de kan integrere AI effektivt på tværs af alle processer, men stadig beholde dens evne til at blive justeret og tilpasset.

Desuden er bekymringer omkring databeskyttelse ikke AI’s hovedproblem, som mange måske tror. Vi lever i en verden, hvor data ikke har været fortroligt i lang tid. Hvis nogen ønsker at få information om dig, kan det gøres uden AI’s hjælp. Den reelle udfordring for AI’s integration er at sikre, at det ikke misbruges og udstationeres ansvarligt, uden uønskede konsekvenser.

Etikken omkring brug af AI er endnu et spørgsmål, før AI når masseudbredelse.

Hovedproblemet i eksisterende systemer er censur: Hvor er grænsen, når vi forbyder neurale netværk at dele en bomberecept og censurerer svar fra synspunktet af politisk korrekthed osv.? Især da “de dårlige fyre” altid vil have adgang til netværk uden begrænsninger påført dem. Skyder vi os selv i foden ved at bruge begrænsede netværk, mens vores konkurrenter ikke gør det?

Men den centrale etiske dilemma er spørgsmålet om langsigtede mål. Når vi skaber en stærk AI, vil vi stå over for spørgsmålet: Kan vi bruge et rationelt system til at udføre rutineopgaver og omdanne det til en slags slave? Denne diskurs, der ofte diskuteres i science fiction, kan blive et rigtigt problem i de kommende årtier.

Hvad skal virksomheder gøre for en ubrudt AI-integration?

I virkeligheden ligger ansvaret for at løse AI-problemerne ikke hos de virksomheder, der integrerer AI, men tværtimod hos de virksomheder, der udvikler det. Teknologierne implementeres stille og roligt, efterhånden som de bliver tilgængelige. Der er ingen grund til at gøre noget særligt – dette process er naturligt.

Kunstig intelligens fungerer godt i smalle nicheområder, hvor det kan erstatte en person i kommunikation, såsom chatrum. Ja, dette er irriterende for nogle, men processen vil blive mere tilgængelig og behagelig over tid. En dag vil AI endelig tilpasse sig til menneskelig kommunikationsstil og blive meget mere hjælpsomt, og teknologien vil blive mere og mere involveret i kundeservice.

AI er også effektiv i foranalyse, når store mængder heterogen information skal behandles. Dette er især relevant for finans, da der altid har været afdelinger for analytikere, der har været beskæftiget med ukreative, men essentielle arbejde. Nu, når AI forsøges at implementere til analyse, øges effektiviteten i dette område. På Wall Street tror de endda, at denne profession vil forsvinde – AI-software kan udføre analytikernes arbejde langt hurtigere og billigere.

For at opnå en ubrudt AI-integration skal virksomheder tage en strategisk tilgang ud over at antage teknologien. ​​De skal fokusere på at forberede deres arbejdsstyrke på ændringen, uddanne dem om AI-værktøjer og fremme en kultur af tilpasning. På denne måde fortsætter alt, der relaterer til at reducere byrden på en person i rutineopgaver, med at udvikle sig. Så længe AI-implementering giver virksomheder konkurrencemæssige fordele, vil de introducere nye teknologier, efterhånden som de bliver tilgængelige.

Nøglen er at finde en balance mellem AI’s effektivitet og de udfordringer, det måske kan præsentere.

AI’s potentiale i at revolutionere finans

AI i form af mere traditionelle tilgange og andre metoder er blevet brugt i lang tid på det finansielle marked, længe før de sidste årtier. For eksempel blev emnet om højfrekvenshandel (HFT) for nogle år siden særligt relevant. Her bruges AI og neurale netværk til at forudsige markedets mikrostruktur, som er vigtigt for hurtige transaktioner i dette område. Og potentialet for AI’s udvikling i dette felt er ret stort.

Når det kommer til porteføljeledelse, bruges klassisk matematik og statistik oftest, og der er ikke meget behov for AI. Men det kan bruges, for eksempel, til at finde en kvantitativ og systematisk metode til at konstruere en optimal og tilpasset portefølje. Så selv om AI ikke er så populært i porteføljeledelse, har teknologien udviklingsmuligheder der. Teknologien kan reducerer antallet af mennesker, der skal arbejde i callcenter og kundeservice, hvilket er særligt vigtigt for mæglere og banker, hvor interaktion med detailkunder spiller en nøglerolle.

Desuden kan AI udføre opgaverne for junioranalytikere, især i virksomheder, der handler med et bredt udvalg af instrumenter. For eksempel kan du behøve analytikere til at arbejde med forskellige sektorer eller produkter. Men du kan betro den foreløbige indsamling og bearbejdning af data til AI, og kun lade eksperterne udføre den sidste del af analysen. I dette tilfælde er sprogmodellerne fordelagtige.

Men mange af AI’s muligheder på dette marked er allerede blevet brugt, og kun små forbedringer skal stadig gøres. I fremtiden, når kunstig almen intelligens (AGI) dukker op, kan der være en global transformation af alle industrier, herunder finans. Men dette kan kun ske om få år, og udviklingen afhænger af at løse de etiske problemer og andre nævnte problemer.