Franklin Templeton udvikler AI-arbejdsgange til at synliggøre risici

Franklin Templeton udvikler AI-arbejdsgange, der skal hjælpe porteføljeforvaltere med at sammenligne investeringsanalyser og undersøge risici, begyndende med aktieanalyse, oplyste OpenAI i en casestudie offentliggjort den 5. november 2026. Codex er et af flere værktøjer, som investeringsteamene bruger.

Arbejdet skal løse en udfordring i overleveringen mellem de forskellige led i den eksisterende analyseproces. Analytikere foretager en indledende aktieanalyse, gennemgår regnskabskonferencer og undersøger konkurrenter inden for hvert forretningsområde, før de fremlægger nye idéer eller orienterer porteføljeforvaltere om eksisterende positioner. Analyse, risikostyring, compliance og handel bidrager hver især med forskellige perspektiver. Franklin Templeton vil samle disse bidrag, så beslutningstagerne kan vurdere både begrundelsen for en idé og de tilhørende risici.

Katrina Dudley, senior vice president for investeringer i børsnoterede værdipapirer hos Franklin Templeton, beskrev ændringen som et skridt videre end blot at automatisere en proces, der hidtil har været styret af mennesker. »Vi er gået fra at understøtte vores analyseproces til at gentænke arbejdsgangen for investeringsanalyse,« sagde hun.

Fra databaseadgang til sammenhængende intelligens

Det første forsøg gik ud på at placere data i en database og forbinde modellerne med den. Det gav ikke de svar, teamene havde brug for, fordi modellerne ikke forstod, hvordan dataene hang sammen. Tilgangen blev ændret ved at tilføje agenter og et semantisk lag, der er defineret som en struktureret model af, hvad virksomhedens data betyder, og hvordan de hænger sammen.

Denne forskel rammer kernen i analyseudfordringen: Adgang til information var ikke i sig selv nok til at skabe de sammenhænge, der skulle til for at fortolke den. Teamet bruger Codex og andre værktøjer til at udvikle et lag af sammenhængende intelligens, der integrerer data i værktøjerne og fremhæver indsigter for brugerne.

Det ønskede resultat er et styret, genanvendeligt fundament, der kombinerer pålidelige forbindelser, kontekst om porteføljer og arbejdsgange samt agentbaserede funktioner, der fremhæver handlingsrettede indsigter for analytikere og porteføljeforvaltere.

Udviklingen inddrager også de mennesker, der skal bruge systemerne. Codex er blevet brugt ved hackathons, hvor eksperter og investeringsfolk arbejder sammen om at bygge deres egne værktøjer, mens praktiske workshops, som afholdes kort efter lanceringen af ny teknologi, hjælper teamene med at afprøve, hvordan teknologien passer ind i deres arbejde. Investeringsspecialister med ansvar for AI arbejder på at omsætte eksperimenter til arbejdsgange, der er klar til produktion.

Analysedesignet prioriterer mangfoldighed og risikohåndtering

Nogle af de egenskaber, der gør AI nyttig i andre sammenhænge, skaber problemer inden for kapitalforvaltning. Mange værktøjer lærer brugerens præferencer at kende og viser mere af det samme materiale. For en investor, der foretrækker én analyseleverandør, kan det betyde flere rapporter fra den pågældende leverandør. Franklin Templeton ser denne indsnævring som en mulig kilde til skævhed og vil i stedet give analytikere og porteføljeforvaltere adgang til et mangfoldigt udvalg af analyser og synspunkter.

Risici behandles på tilsvarende vis. Systemerne skal fremhæve investeringsrisici side om side med begrundelsen for en idé, så porteføljeforvalterne bliver gjort opmærksomme på dem. At identificere disse risici i et analysenotat »giver et bedre grundlag for en investeringsbeslutning«, sagde Dudley.

Sammen med arbejdet med det semantiske lag betyder disse krav, at bredden i de analyser, brugerne møder, indgår i systemets design: Det er vigtigt, hvilke perspektiver der når frem til brugeren, ikke kun om informationen kan hentes frem. Den planlagte arbejdsgang forbinder derfor den tekniske arkitektur med et investeringsspecifikt krav om at bevare forskellige synspunkter og synliggøre analysen af potentielle tab.

Rammer for risikostyring, ibrugtagning og menneskelig research

Ledelsen fremmer innovation og eksperimenter med AI inden for klart definerede rammer for risikostyring og accepterer, at ikke alle initiativer vil lykkes. Dudley sagde, at hvert initiativ alligevel bør skabe indsigter, der styrker kompetencerne, bidrager til fremtidige beslutninger og fremmer løbende forbedringer. Rammerne for denne ambition omfatter sikkerhedsgennemgang, støtte fra eksperter og dataaftaler på vejen fra eksperimenter til værktøjer, der er klar til produktion.

Dudleys langsigtede mål er at gøre sammenhængende intelligens tilgængelig på tværs af investeringsteamene, fra analytikerne til lederne af de enkelte investeringsgrupper. Hun ønsker også, at analytikerne bruger mere tid ude i felten på at tale med eksperter, fagfolk og ledere i private virksomheder og derefter deler det, de lærer, med deres team. Dette menneskelige perspektiv er fortsat afgørende, efterhånden som værktøjerne udvikles.

Projektets betydning ligger i kombinationen af automatisering og tilbageholdenhed. Franklin Templeton forsøger at fremhæve indsigter og forbinde flere af de sammenhænge, der omgiver en investering, samtidig med at forskellige synspunkter, eksplicit risikoanalyse, sikkerhedskontroller og menneskelig dømmekraft bevares i processen. Det centrale spørgsmål er, om disse elementer kan fungere sammen i et styret, genanvendeligt system uden at indsnævre den bredde i analyserne, som systemet netop skal øge.