Sztuczna inteligencja w finansach: Podwójnie ostrzejszy miecz zmieniający usługi finansowe

Dziś tylko leniwi nie dyskutują o sztucznej inteligencji (AI) i jej potencjale do rewolucjonizowania praktycznie każdego aspektu naszego życia, w tym finansów. Istotnie, jest zaskakujący wzrost na rynku AI – przekroczył 184 miliardy dolarów w 2024 roku, o 50 miliardów dolarów więcej niż w 2023 roku. Co więcej, ten wzrost ma się utrzymać, a rynek przekroczy 826 miliardów dolarów do 2030 roku.

Ale to jest tylko jedna strona medalu. Z drugiej strony, badania pokazują rosnące problemy z wdrożeniem AI, szczególnie w finansach. W 2024 roku AI będzie coraz bardziej stawać twarzą w twarz z problemami związanymi z prywatnością i ochroną danych osobowych, stronniczością algorytmów i etyką transparentności. Socjo-ekonomiczne pytanie o potencjalne straty miejsc pracy jest również na porządku dziennym.

 Czy wszystko, co dotyczy AI, jest problematyczne? Zastanówmy się nad realnymi wyzwaniami dla powszechnego wdrożenia AI w finansach i pułapkami, które musimy rozwiązać teraz, aby AI mogło dotrzeć do mas.

Rzeczywiste wyzwania dla masowego wdrożenia AI

Początkowo celem było stworzenie sztucznej inteligencji na poziomie ludzkiej świadomości – tzw. silnej AI – Sztucznej Inteligencji Ogólnej (AGI). Jednak nie osiągnęliśmy jeszcze tego celu; co więcej, nie jesteśmy nawet blisko jego osiągnięcia. Chociaż wydaje się, że jesteśmy na progu wprowadzenia prawdziwej AGI, jeszcze jest ponad pięć-siedem lat, zanim to nastąpi.

Głównym problemem jest to, że obecne oczekiwania wobec AI są znacznie przeszacowane. Podczas gdy nasze technologie są imponujące dzisiaj, są to tylko wąskie, specjalistyczne systemy AI, które rozwiązują poszczególne zadania w określonych dziedzinach. Nie mają one samoświadomości, nie mogą myśleć jak ludzie i nadal są ograniczone w swoich możliwościach. Biorąc to pod uwagę, skalowanie AI staje się wyzwaniem dla jego rozpowszechnienia. Ponieważ AI jest bardziej wartościowy, gdy jest używany na dużą skalę, firmy nadal muszą nauczyć się, jak skutecznie integrować AI we wszystkie procesy, jednocześnie zachowując jego zdolność do dostosowania i personalizacji.

Ponadto, obawy dotyczące prywatności danych nie są głównym problemem AI, jak mogliby się spodziewać. Żyjemy w świecie, w którym dane nie były poufne od dawna. Jeśli ktoś chce uzyskać informacje o tobie, może to zrobić bez pomocy AI. Rzeczywistym wyzwaniem integracji AI jest upewnienie się, że nie jest nadużywany i wdrożony w sposób odpowiedzialny, bez niepożądanych konsekwencji.

Etyka korzystania z AI jest kolejnym pytaniem przed osiągnięciem przez AI masowego zastosowania.

Głównym problemem w istniejących systemach jest cenzura: Gdzie jest granica, kiedy zakazujemy sieciom neuronowym udostępniania recepty na bombę i cenzurowania odpowiedzi z punktu widzenia poprawności politycznej itp.? Szczególnie gdy “Źli faceci” zawsze będą mieli dostęp do sieci bez ograniczeń narzucanych im. Czy strzelamy sobie w stopę, używając ograniczonych sieci, podczas gdy nasi konkurenci nie?

Jednakże, centralnym dylematem etycznym jest kwestia długoterminowego celu. Kiedy tworzymy silną AI, będziemy musieli stawić czoła pytaniu: Czy możemy użyć rozsądnego systemu do wykonywania rutynowych zadań i przekształcić go w rodzaj niewolnika? Ten dyskurs, często dyskutowany w science fiction, może stać się realnym problemem w nadchodzących dekadach.

Co powinny zrobić firmy, aby osiągnąć bezproblemową integrację AI?

W rzeczywistości odpowiedzialność za rozwiązanie problemów AI spoczywa nie na firmach, które ją wdrażają, ale na firmach, które ją tworzą. Technologie są cicho wdrażane, gdy stają się dostępne. Nie ma potrzeby robienia czegoś specjalnego – ten proces jest naturalny.

Sztuczna inteligencja działa dobrze w wąskich niszach, gdzie może zastąpić człowieka w komunikacji, takich jak czaty. Tak, jest to irytujące dla niektórych, ale proces stanie się bardziej dostępny i przyjemniejszy z czasem. Pewnego dnia AI w końcu dostosuje się do stylu komunikacji ludzkiej i stanie się znacznie bardziej pomocne, a technologia stanie się coraz bardziej zaangażowana w obsługę klienta.

AI jest również skuteczne w pre-analityce, gdy musi być przetworzona duża ilość niejednorodnych informacji. Jest to szczególnie istotne dla finansów, ponieważ zawsze były departamenty analityków zajmujących się niekreatywną, ale niezbędną pracą. Teraz, gdy AI jest próbowane do analityki, efektywność w tym zakresie wzrasta. Na Wall Street uważa się nawet, że ten zawód zniknie – oprogramowanie AI może wykonywać pracę analityków znacznie szybciej i taniej.

Aby osiągnąć bezproblemową integrację AI, firmy powinny przyjąć strategiczne podejście, wykraczające poza wdrożenie technologii. ​​Powinny one skoncentrować się na przygotowaniu swojej siły roboczej do zmian, edukowaniu ich na temat narzędzi AI i kształtowaniu kultury adaptacyjności. W ten sposób wszystko, co dotyczy zmniejszania obciążenia człowieka w rutynowych zadaniach, nadal ewoluuje. Dopóki wdrożenie AI daje firmom przewagę konkurencyjną, będą one wprowadzać nowe technologie, gdy tylko staną się dostępne.

Kluczem jest znalezienie równowagi między efektywnością AI a wyzwaniami, jakie może ona przedstawić.

Potencjał AI w rewolucjonizowaniu finansów

AI w formie bardziej tradycyjnych podejść i innych metod była używana od dawna na rynku finansowym, długo przed ostatnimi dekadami. Na przykład kilka lat temu temat handlu wysokoczęstotliwościowego (HFT) stał się szczególnie istotny. Tutaj AI i sieci neuronowe są używane do przewidywania mikrostruktury rynku, co jest ważne dla szybkich transakcji w tym obszarze. I potencjał rozwoju AI w tym polu jest dość duży.

Gdy chodzi o zarządzanie portfelem, klasyczna matematyka i statystyka są najczęściej używane, i nie ma zbyt wielu potrzeb do AI. Może być jednak używane, na przykład, do znalezienia ilościowego i systematycznego sposobu na stworzenie optymalnego i dostosowanego portfela. W ten sposób, pomimo niskiej popularności w zarządzaniu portfelem, AI ma możliwości rozwoju. Technologia może znacznie zmniejszyć liczbę ludzi potrzebnych do pracy w centrach telefonicznych i usługach klienta, co jest szczególnie istotne dla brokerów i banków, gdzie interakcja z klientami detalicznymi odgrywa kluczową rolę.

Ponadto, AI może wykonywać zadania analityków na poziomie juniora, szczególnie w firmach, które handlują szerokim zakresem instrumentów. Na przykład, możesz potrzebować analityków do pracy z różnymi sektorami lub produktami. Jednak możesz powierzyć wstępne zbieranie i przetwarzanie danych AI, pozostawiając tylko końcową część analizy ekspertom. W tym przypadku modele językowe są korzystne.

Jednak wiele z możliwości AI na tym rynku zostało już wykorzystanych, a tylko niewielkie ulepszenia jeszcze muszą być wprowadzone. W przyszłości, gdy pojawi się sztuczna inteligencja ogólna (AGI), może nastąpić globalna transformacja wszystkich branż, w tym finansów. Jednak ten wydarzenie może nastąpić dopiero za kilka lat, a jego rozwój będzie zależał od rozwiązania problemów etycznych i innych wymienionych powyżej.