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. Faktisk er det en forbløffende vekst i AI-markedet – det overgikk 184 milliarder dollar i 2024, 50 milliarder dollar mer enn i 2023. Dessuten forventes denne blomstringen å fortsette, og markedet vil overstige 826 milliarder dollar i 2030.

Men dette er bare én side. På den andre siden viser forskning økende problemer med AI-implementering, spesielt i finans. I 2024 vil det stadig møte problemer relatert til personvernsbeskyttelse og etiske spørsmål om gjennomsiktighet. Det sosioøkonomiske spørsmålet om potensielle jobbtap er også på dagsordenen.

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

Reelle utfordringer for massiv AI-integrasjon

Opprinnelig var målet å skape kunstig intelligens på menneskelige bevissthetens nivå – det såkalte sterke AI – kunstig generell intelligens (AGI). Imidlertid har vi ennå ikke nådd dette målet; vi er faktisk langt ifra å nå det. Selv om vi ser ut til å være på randen av å introdusere ekte AGI, er det fortsatt mer enn fem-syv år igjen før vi når dette målet.

Hovedproblemet er at dagens forventninger til AI er kraftig overvurdert. Mens våre teknologier er imponerende i dag, er de bare smale, spesialiserte AI-systemer som løser enkeltoppgaver i bestemte felt. De har ikke selvbevissthet, kan ikke tenke som mennesker, og er fortsatt begrenset i deres evner. Gitt dette, blir skalerbarhet av AI en utfordring for AI-utbredelse. Ettersom AI er mer verdifull når den brukes i stor skala, må bedriftene ennå lære å integrere AI effektivt på tvers av alle prosesser, samtidig som de beholder evnen til å tilpasse og tilpasse den.

Dessuten er bekymringene rundt datavern er ikke AI-ens hovedproblem, slik 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 AI-hjelp. Den virkelige utfordringen for AI-integrasjon er å sikre at den ikke misbrukes og deployeres ansvarlig, uten uønskede konsekvenser.

Etiske spørsmål rundt AI-bruk 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 sensurerer svar fra et politisk korrekt synspunkt, osv.? Spesielt siden “de dårlige guttene” alltid vil ha tilgang til nettverk uten restriksjoner pålagt dem. Skyter vi oss selv i foten ved å bruke begrensede nettverk mens våre konkurrenter ikke gjør det?

Men det sentrale etiske dilemma er 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 diskusjonen, ofte diskutert i science fiction, kan bli et reelt problem i de kommende tiårene.

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

I virkeligheten ligger ansvaret for å løse AI-problemer ikke hos bedriftene som integrerer AI, men hos bedriftene som utvikler det. Teknologiene implementeres stille som de blir tilgjengelige. Det er ingen behov for å gjøre noe spesielt – denne prosessen er naturlig.

Kunstig intelligens fungerer godt i smale nisjer hvor den kan erstatte en person i kommunikasjon, som i chatte-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 foranalyse når store mengder heterogen informasjon må behandles. Dette er spesielt relevant for finans, da det alltid har vært avdelinger for analytikere som er 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 enkel 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-implementering gir bedriftene konkurransefordeler, vil de introdusere nye teknologier når de blir tilgjengelige.

Nøkkelen er å finne en balanse mellom AI-ens effektivitet og utfordringene det kan presenterer.

AI-ens potensiale i å revolusjonere finans

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

Når det gjelder porteføljeforvaltning, brukes klassisk matematikk og statistikk oftest, og det er ikke mye behov for AI. Men det kan brukes, for eksempel, til å finne en kvantitativ og systematisk metode for å konstruere en optimal og tilpasset portefølje. Derfor, til tross for dens lave popularitet i porteføljeforvaltning, har AI utviklingsmuligheter der. Teknologien kan betydelig redusere antallet mennesker som trengs for å arbeide i kontaktsentere og kundeservice, noe som er spesielt viktig for meglerhus og banker, der 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. Likevel kan du betro forhåndssamlingen og behandlingen av data til AI, og bare la eksperter gjøre den siste delen av analysen. I dette tilfelle er språkmodellene gunstige.

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