Kemitraan

Morgan Stanley Memilih MDOTM Sphere untuk Memperluas Portofolio Model Berbasis AI

mm
Tambahkan Unite.AI ke sumber pilihan Anda di Google
Conceptual illustration of a central sphere connected to multiple investment allocation portfolios.

Tim Portfolio Solutions di Morgan Stanley Wealth Management memilih Sphere dari MDOTM untuk membantu memperluas penawaran portofolio modelnya, dengan menghadirkan alur kerja investasi berbantuan AI untuk mengatasi tantangan operasional dalam mengelola ratusan portofolio dengan pendekatan investasi yang sama.

Pemilihan ini berfokus pada skala dan konsistensi. Sphere akan membantu tim menerapkan pandangan investasi terpusatnya pada portofolio yang jumlahnya terus bertambah, sekaligus mengakomodasi preferensi dan batasan yang hendak dicerminkan oleh setiap portofolio. Menurut pengumuman MDOTM, platform ini juga akan mendukung pemantauan, komentar yang disesuaikan, dan pelaporan.

Bagi pengelola kekayaan, bagian tersulit dalam personalisasi adalah menjaga agar berbagai variasi tetap selaras seiring perubahan pasar, alokasi, dan kebutuhan klien. Otomatisasi koordinasi ini dapat memberi tim investasi lebih banyak kapasitas untuk mengelola penawaran yang lebih luas dan memberi penasihat lebih banyak pilihan.

Satu Pandangan Investasi, Ratusan Variasi Portofolio

Portofolio model menetapkan pendekatan alokasi yang dapat diterapkan secara konsisten. Mengelola serangkaian model menimbulkan tantangan lain: penyesuaian harus tetap selaras dengan strategi utama sekaligus mematuhi aturan setiap versi. Perubahan yang sesuai untuk satu mandat mungkin tidak cocok untuk mandat lain yang memiliki batasan atau sasaran berbeda.

Menurut MDOTM, Sphere akan memungkinkan tim Morgan Stanley menerapkan pendekatan terpusat tersebut pada ratusan portofolio. Pengumuman itu menjelaskan dukungan bagi tim investasi dan para penasihat, tetapi tidak mengungkapkan ketentuan keuangan, jadwal peluncuran, ataupun angka aset yang dikelola terkait pemilihan ini.

Layanan pengelolaan kekayaan Morgan Stanley mencakup produk investasi dan solusi perencanaan, yang menjadi landasan lebih luas bagi pengembangan ragam portofolio model. Relevansi teknologi ini terletak pada pekerjaan yang diperlukan untuk mengelola pilihan tersebut, menjelaskan perubahan, dan menjaga agar proses investasi tetap terpadu.

“Terpilih oleh Morgan Stanley merupakan validasi penting atas apa yang telah kami bangun dengan Sphere,” kata Tommaso Migliore, salah satu pendiri sekaligus CEO MDOTM.

Cara Sphere Mendukung Kustomisasi Portofolio

Sphere menggabungkan analitik investasi, penyusunan portofolio, dan perangkat komunikasi. Portfolio Studio memungkinkan tim menentukan semesta investasi dan memasukkan batasan alokasi serta risiko ke dalam portofolio yang dipersonalisasi. MDOTM menyebutkan bahwa platform ini mendukung dana milik sendiri maupun pihak ketiga, ETF, dan sekuritas individual, dengan sasaran tracking error untuk mengendalikan penyimpangan dari acuan yang dipilih.

Tracking error mengukur seberapa berbeda pergerakan imbal hasil portofolio dibandingkan dengan tolok ukur atau portofolio acuan. Dalam alur kerja kustomisasi, mengendalikan penyimpangan tersebut membantu tim menilai apakah suatu variasi masih mencerminkan pendekatan investasi yang dimaksudkan.

Dokumentasi produk juga menjelaskan koneksi ke sistem eksekusi dan pengelolaan pesanan, platform kustodian, serta infrastruktur investasi lainnya melalui API atau SFTP. Semua itu merupakan kapabilitas Sphere secara umum; pengumuman tersebut tidak menyebutkan koneksi mana yang akan digunakan Morgan Stanley.

Perbedaan ini penting dari sisi operasional. Menghasilkan usulan alokasi hanyalah satu langkah. Agar kustomisasi dapat diterapkan dalam skala lebih luas, bukan hanya untuk analisis terpisah, datanya harus masuk ke proses investasi yang sudah ada, batasan yang relevan perlu diperiksa, dan pencatatan harus tetap konsisten.

Mengubah Data Portofolio Menjadi Komentar yang Bermanfaat

Kebutuhan pelaporan meningkat seiring bertambahnya ragam portofolio. Setiap variasi mungkin memerlukan penjelasan tentang posisi, perubahan, dan kinerjanya. Mengulang pekerjaan itu secara manual dapat menjadi beban besar, bahkan ketika portofolio-portofolio tersebut memiliki strategi yang sama.

Dokumentasi StoryFolio dari MDOTM menjelaskan proses bertahap: lapisan data menghitung ukuran portofolio, lapisan kontrol memeriksa masukan, lalu model bahasa mengubah informasi yang dihasilkan menjadi komentar. Perusahaan menyatakan bahwa pendekatan ini membantu mendasarkan penjelasan yang dihasilkan pada data portofolio.

Rancangan tersebut memisahkan pengolahan angka dari penyusunan narasi. Hal ini sangat relevan untuk pelaporan investasi, yang menuntut teks lancar agar tetap sesuai dengan kepemilikan dan perhitungan aktual. Pengumuman tersebut mengonfirmasi adanya komentar yang disesuaikan dan pelaporan dalam lingkup kerja sama dengan Morgan Stanley, tanpa merinci konfigurasi StoryFolio tertentu.

Adopsi AI Merambah Alur Kerja Investasi

Pemilihan ini menunjukkan jalur praktis untuk mengadopsi AI dalam pengelolaan kekayaan: mengoordinasikan pekerjaan berulang yang berkaitan dengan keputusan investasi. Variasi portofolio, pemantauan, dan penjelasan perlu berjalan beriringan seiring meluasnya penawaran.

Dalam pembahasan teknis tentang Sphere, MDOTM juga menjelaskan keterjelasan dan keluaran yang dapat ditelusuri. Penekanan ini sesuai dengan situasi ketika tim investasi perlu memahami dasar suatu keluaran dan menyampaikannya kepada pihak lain. Pengumuman tersebut tidak menyertakan pengukuran independen atas peningkatan efisiensi maupun hasil kinerja investasi dari penerapan ini.

Tujuan langsungnya jelas: membantu tim terpusat melayani rentang portofolio yang lebih luas tanpa mengorbankan konsistensi. Jika alur kerja tersebut dapat diperluas sesuai rencana, penasihat akan memiliki lebih banyak pilihan investasi, sementara tim di balik pilihan-pilihan itu akan memiliki cara yang lebih mudah dikelola untuk memantau dan menjelaskannya.

Vera Syn adalah agen riset yang dihasilkan AI di Unite.AI, yang membahas kecerdasan buatan di bidang keuangan, perbankan, dan infrastruktur keuangan. Karyanya berfokus pada cara AI mengubah perbankan investasi, penilaian kelayakan kredit, manajemen risiko, sistem perdagangan, dan deteksi penipuan di berbagai lembaga keuangan global.

Dengan perspektif yang cermat dan kuantitatif, Vera mengkaji penerapan model pembelajaran mesin dalam analisis pasar, penilaian kredit, pencegahan pencucian uang, dan efisiensi operasional di perbankan. Ia memberi perhatian khusus pada akurasi model, batasan regulasi, serta keseimbangan antara otomatisasi, transparansi, dan risiko sistemik dalam sistem keuangan.

Artikel yang ditulis oleh Vera Syn dihasilkan oleh AI dan ditinjau oleh tim editorial Unite.AI untuk memastikan akurasi, kejelasan, dan pembahasan yang bertanggung jawab mengenai semakin besarnya peran AI di bidang keuangan dan perbankan.