AI i finans: Det dobbeltedgede sverdet som omdefinerer finansielle tjenester

I dag diskuterer bare de late ikke kunstig intelligens (AI) og dens potensiale til å revolusjonere praktisk talt alle aspekter av vårt liv, inkludert finans. Det er faktisk en slående vekst i AI-markedet – det overgikk $184 milliarder i 2024, $50 milliarder mer enn i 2023. Dessuten forventes denne blomstringen å fortsette, og markedet vil overstige $826 milliarder i 2030.

Men dette er bare den ene siden. På den andre siden viser forskning økende problemer med AI-implementering, spesielt i finans. I 2024 vil det stadig møte problemer relatert til personvernet og beskyttelse av personlige data, algoritme-forvrengning og etikk av åpenhet. Den sosio-økonomiske spørsmålet om potensielle jobbtap er også på dagsordenen.

 Er alt relatert til AI problematisk? La oss se på de virkelige utfordringene for AI-implisitt implementering i finans og fallgruvene vi må løse nå, så AI kan nå masses markedet.

Virkelige utfordringer for massiv AI-integrasjon

Opprinnelig var målet å skape kunstig intelligens på niveau med menneskelig bevissthet – den såkalte sterke AI – Kunstig generell intelligens (AGI). Imidlertid har vi ikke nådd dette målet ennå; dessuten er vi nå ikke nær å nå det. Selv om vi ser ut til å være på randen av å introdusere virkelig AGI, er det fortsatt mer enn fem-syv år igjen å gjøre det.

Hovedproblemet er at nåværende forventninger til AI er enormt overvurdert. Mens våre teknologier er imponerende i dag, er de bare smale, spesialiserte AI-systemer som løser individuelle oppgaver i bestemte felt. De har ikke selvbevissthet, kan ikke tenke som mennesker, og er fortsatt begrenset i deres evner. Gitt dette, blir skalerings-AI en utfordring for AI-spredning. Ettersom AI er mer verdifull når den brukes i skala, må bedrifter fortsatt lære å integrere AI effektivt over alle prosesser, men behold evnen til å justere og tilpasse den.

Dessuten er bekymringene rundt datapersonvern ikke AI-hovedproblemet, som mange kan tro. Vi lever i en verden der data ikke har vært konfidensielle på lenge. Hvis noen ønsker å få informasjon om deg, kan det gjøres uten hjelp av AI. Den virkelige utfordringen med AI-integrasjon er å sikre at den ikke misbrukes og brukes ansvarlig, uten uønskede konsekvenser.

Etikk av å bruke AI er et annet spørsmål før AI når masses markedet.

Hovedproblemet i eksisterende systemer er sensur: Hvor er grensen når vi forbyr neurale nettverk fra å dele en bombeoppskrift og censurere svar fra et politisk korrekt synspunkt, osv.? Spesielt siden “de dårlige guttene” alltid vil ha tilgang til nettverk uten begrensninger pålagt dem. Skyter vi oss selv i foten ved å bruke begrensede nettverk, mens våre konkurrenter ikke gjør det?

Imidlertid er den sentrale etiske dilemmaet spørsmålet om langtidsmål. Når vi skaper en sterk AI, vil vi møte spørsmålet: Kan vi bruke et rimelig system til å utføre rutineoppgaver og gjøre det til en slags slave? Denne diskursen, ofte diskutert i science fiction, kan bli et virkelig problem i de kommende tiårene.

Hva skal bedrifter gjøre for å oppnå sømløs AI-integrasjon?

I virkeligheten ligger ansvaret for å løse AI-problemer ikke hos bedrifter som integrerer AI, men på motsatt side, hos bedrifter som utvikler det. Teknologier blir stille implementert ettersom de blir tilgjengelige. Det er ingen behov for å gjøre noe spesielt – dette prosessen er naturlig.

Kunstig intelligens fungerer bra i smale nisjer hvor den kan erstatte en person i kommunikasjon, som i chat-rom. Ja, dette er irriterende for noen, men prosessen vil bli mer tilgjengelig og behagelig over tid. En dag vil AI endelig tilpasse seg menneskelig kommunikasjonsstil og bli mye mer nyttig, og teknologien vil bli stadig mer involvert i kundeservice.

AI er også effektiv i pre-analyse når store mengder heterogen informasjon må behandles. Dette er spesielt relevant for finans, da det alltid har vært avdelinger for analytikere engasjert i ukreative, men essensielle arbeid. Nå, når AI forsøkes å implementeres for analyse, øker effektiviteten i dette området. På Wall Street tror de sogar at denne profesjonen vil forsvinne – AI-programvare kan gjøre analytikernes arbeid mye raskere og billigere.

For å oppnå sømløs AI-integrasjon, må bedrifter ta en strategisk tilnærming utover å adoptere teknologien. ​​De må fokusere på å forberede sin arbeidsstyrke for endringen, utdanne dem på AI-verktøy og fremme en kultur av tilpasning. På denne måten fortsetter alt relatert til å redusere byrden på en person i rutineoppgaver å utvikle seg. Så lenge AI-implisitt gir bedrifter konkurransefordeler, vil de introdusere nye teknologier ettersom de blir tilgjengelige.

Nøkkelen er å finne en balanse mellom AI-efektivitet og utfordringene det kan presenteres.

AI-s potensiale i å revolusjonere finans

AI i form av mer tradisjonelle tilnærminger og andre metoder har vært brukt i finansmarkedet i lang tid, lenge før de siste tiårene. For eksempel ble temaet høyfrekvenshandel (HFT) spesielt relevant for noen år siden. Her brukes AI og neurale nettverk til å forutsi markedets mikrostruktur, som er viktig for rask transaksjon i dette området. Og potensialet for AI-utvikling i dette feltet er ganske stort.

Når det kommer til porteføljeforvaltning, brukes klassisk matematikk og statistikk mest ofte, og det er ikke mye behov for AI. Imidlertid kan det brukes, for eksempel, til å finne en kvantitativ og systematisk metode for å konstruere en optimal og tilpasset portefølje. Derfor, til tross for sin lave popularitet i porteføljeforvaltning, har AI utviklingsmuligheter der. Teknologien kan betydelig redusere antallet mennesker som trengs for å arbeide i kontakt- og kundesenter, noe som er spesielt viktig for meglerhus og banker, hvor interaksjon med detaljhandelskunder spiller en nøkkelrolle.

I tillegg kan AI utføre oppgavene til junior-analytikere, spesielt i selskaper som handler med et bredt spekter av instrumenter. For eksempel kan du trenge analytikere for å arbeide med forskjellige sektorer eller produkter. Imidlertid kan du betro forhåndssamlingen og behandlingen av data til AI, og bare la den siste delen av analysen bli gjort av eksperter. I dette tilfelle er språkmodellene gunstige.

Imidlertid har mange av AI-egenskapene i dette markedet allerede vært brukt, og bare små forbedringer trengs fortsatt å gjøres. I fremtiden, når kunstig generell intelligens (AGI) dukker opp, kan det være en global transformasjon av alle industrier, inkludert finans. Imidlertid kan dette skje først om noen år, og utviklingen vil avhenge av å løse de etiske problemene og andre problemene nevnt ovenfor.