AI i finans: Det dobbeltæggede sværd, der omdefinerer 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 forbløffende vækst på AI-markedet – det overgik 184 milliarder dollars i 2024, 50 milliarder dollars mere end i 2023. Desuden forventes denne blomstring at fortsætte, og markedet vil overstige 826 milliarder dollars i 2030.

Men dette er kun den ene side. På den anden side viser forskning, at der er 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 mulige jobtab er også på dagsordenen.

 Er alt, der relaterer til AI, problematisk? Lad os overveje de reelle udfordringer for AI’s ubegrænsede implementering i finans og de faldgruber, vi skal løse nu, så AI kan nå masses.

Reelle udfordringer for massiv AI-integration

Initialt var målet at skabe kunstig intelligens på niveau med menneskelig bevidsthed – den såkaldte stærke AI – kunstig generel intelligens (AGI). Men vi har endnu ikke opnået dette mål; faktisk 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, før vi når det.

Hovedproblemet er, at de nuværende forventninger til AI er kraftigt overvurderede. Mens vores teknologier er imponerende i dag, er de kun snævre, 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 den bruges i stor skala, skal virksomheder stadig lære at integrere AI effektivt på tværs af alle processer og samtidig fastholde dens evne til at blive tilpasset og tilpasset.

Desuden er bekymringer omkring data privatliv ikke AI’s hovedproblem, som mange måske tror. Vi lever i en verden, hvor data ikke har været fortroligt i lang tid. Hvis nogen vil have 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 implementeres ansvarligt, uden uønskede konsekvenser.

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

Hovedproblemet i eksisterende systemer er censur: Hvor er grænsen, når vi forbyder neurale netværk at dele en bomberecept og censurerer svar fra et synspunkt på politisk korrekthed osv.? Især da “de dårlige 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 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 diskussion, der ofte diskuteres i science fiction, kan blive et rigtigt problem i de kommende årtier.

Hvad skal virksomheder gøre for en problemfri AI-integration?

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

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

AI er også effektiv i foranalyse, når der skal behandles store mængder heterogent information. Dette er især relevant for finans, da der altid har været afdelinger for analytikere, der har været beskæftiget med ukreative, men væsentlige opgaver. Nu, hvor AI forsøges implementeret til analyse, øges effektiviteten på 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 problemfri AI-integration skal virksomheder tage en strategisk tilgang ud over at adoptere teknologien. ​​De skal fokusere på at forberede deres arbejdsstyrke på ændringen, uddanne dem i 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 medføre.

AI’s potentiale i revolutionering af 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 på dette område. Og potentialet for AI’s udvikling på dette område 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. Derfor, på trods af dens lave popularitet i porteføljeledelse, har AI udviklingsmuligheder her. Teknologien kan betydeligt reducere 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 junior-analytikere, især i virksomheder, der handler med et bredt udvalg af instrumenter. For eksempel kan du have brug for analytikere til at arbejde med forskellige sektorer eller produkter. Men du kan betro den foreløbige indsamling og behandling 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 udnyttet, og der skal kun laves små forbedringer. I fremtiden, når kunstig generel intelligens (AGI) opstår, kan der være en global transformation af alle brancher, herunder finans. Men dette kan kun ske om få år, og dens udvikling vil afhænge af at løse de etiske problemer og andre nævnte problemer.