AI i finans: Det dubbeläggda svärdet som omdefinierar finansiella tjänster

Idag diskuterar bara de lataste inte Artificiell Intelligens (AI) och dess potential att revolutionera praktiskt taget alla aspekter av våra liv, inklusive finans. Verkligen, det finns en anmärkningsvärd tillväxt på AI-marknaden – den översteg 184 miljarder dollar i 2024, 50 miljarder dollar mer än i 2023. Dessutom förväntas denna blomstring att fortsätta, och marknaden kommer att överstiga 826 miljarder dollar år 2030.

Men detta är bara en sida. Å andra sidan visar forskning på ökande problem med AI:s implementering, särskilt inom finans. I 2024 kommer det att alltmer möta problem relaterade till sekretess och skydd av personuppgifter, algoritmisk bias och transparensens etik. Den socio-ekonomiska frågan om potentiella jobbförluster är också på agendan.

 Är allt relaterat till AI problematiskt? Låt oss överväga de verkliga utmaningarna för AI:s allomfattande implementering inom finans och de fallgropar vi behöver lösa nu så att AI kan nå massorna.

Verkliga utmaningar för massiv AI-integration

Initialt var målet att skapa artificiell intelligens på samma nivå som mänskligt medvetande – den så kallade starka AI – Artificiell Allmän Intelligens (AGI). Men vi har ännu inte uppnått detta mål; dessutom är vi inte ens i närheten av att nå det. Även om vi verkar vara på väg att introducera riktig AGI, återstår det mer än fem-sju år innan vi kan göra det.

Det största problemet är att dagens förväntningar på AI är enormt överdrivna. Medan våra teknologier är imponerande idag, är de bara smala, specialiserade AI-system som löser enskilda uppgifter inom specifika områden. De har inte självmedvetande, kan inte tänka som människor och är fortfarande begränsade i sina förmågor. Med tanke på detta, blir skalning av AI en utmaning för AI:s spridning. Eftersom AI är mer värdefull när den används i stor skala, måste företagen fortfarande lära sig att effektivt integrera AI i alla processer, men samtidigt behålla dess förmåga att anpassas och anpassas.

Dessutom är problemen kring datasekretess inte AI:s huvudproblem, som många kanske tror. Vi lever i en värld där data inte har varit konfidentiella på länge. Om någon vill få information om dig, kan det göras utan AI:s hjälp. Den verkliga utmaningen för AI:s integration är att se till att den inte missbrukas och används på ett ansvarsfullt sätt, utan oönskade konsekvenser.

Etiken kring AI-användning är en annan fråga innan AI når massdistribution.

Det största problemet i befintliga system är censur: Var går gränsen när vi förbjuder neuronnätverk från att dela en bombrecept och censurerar svar utifrån politisk korrekthet, etc.? Speciellt eftersom “dåliga killar” alltid kommer att ha tillgång till nätverk utan begränsningar som påtvingas dem. Skjuter vi oss själva i foten genom att använda begränsade nätverk medan våra konkurrenter inte gör det?

Men den centrala etiska dilemmat är frågan om långsiktig inriktning. När vi skapar en stark AI, kommer vi att ställas inför frågan: Kan vi använda ett rimligt system för att utföra rutinuppgifter och förvandla det till en sorts slav? Denna diskussion, ofta diskuterad i science fiction, kan bli ett verkligt problem i de kommande decennierna.

Vad bör företag göra för en smidig AI-integration?

I själva verket ligger ansvaret för att lösa AI-problem inte hos de företag som integrerar AI, utan snarare hos de företag som utvecklar det. Teknologier implementeras tyst när de blir tillgängliga. Det finns ingen anledning att göra något speciellt – denna process är naturlig.

Artificiell intelligens fungerar bra i smala nischer där den kan ersätta en person i kommunikation, som i chattforum. Ja, detta är irriterande för vissa, men processen kommer att bli mer tillgänglig och behaglig över tiden. En dag kommer AI slutligen att anpassa sig till mänsklig kommunikationsstil och bli mycket mer hjälpsam, och teknologin kommer att bli alltmer involverad i kundservice.

AI är också effektiv i pre-analys när stora mängder heterogena data måste bearbetas. Detta är särskilt relevant för finans, eftersom det alltid har funnits analytiker som arbetar med icke-kreativa men väsentliga uppgifter. Nu, när AI försöks implementeras för analys, ökar effektiviteten inom detta område. På Wall Street tror de till och med att denna profession kommer att försvinna – AI-programvara kan göra analytikernas arbete mycket snabbare och billigare.

För att uppnå en smidig AI-integration bör företag ta en strategisk approach bortom att anta teknologin. ​​De behöver fokusera på att förbereda sin arbetsstyrka för förändringen, utbilda dem på AI-verktyg och främja en kultur av anpassningsförmåga. På detta sätt fortsätter allt som rör att minska bördan på en person i rutinuppgifter att utvecklas. Så länge AI-implementering ger företagen konkurrensfördelar, kommer de att införa nya teknologier när de blir tillgängliga.

Nyckeln är att hitta en balans mellan AI:s effektivitet och de utmaningar det kan presentera.

AI:s potential i att revolutionera finans

AI i form av mer traditionella metoder och andra metoder har använts under lång tid på den finansiella marknaden, långt innan de senaste decennierna. Till exempel blev ämnet high-frequency trading (HFT) särskilt relevant för några år sedan. Här används AI och neuronnätverk för att förutsäga marknadens mikrostruktur, som är viktig för snabba transaktioner inom detta område. Och potentialen för AI-utveckling inom detta område är ganska stor.

När det gäller portföljhantering används klassisk matematik och statistik oftast, och det finns inte mycket behov av AI. Men det kan användas, till exempel för att hitta en kvantitativ och systematisk metod för att konstruera en optimal och anpassad portfölj. Således, trots dess låga popularitet inom portföljhantering, har AI utvecklingsmöjligheter där. Teknologin kan avsevärt minska antalet människor som behöver arbeta i callcenter och kundtjänst, vilket är särskilt viktigt för mäklare och banker, där interaktion med detaljhandelskunder spelar en nyckelroll.

Dessutom kan AI utföra uppgifterna för juniora analytiker, särskilt i företag som handlar med ett brett utbud av instrument. Till exempel kan du behöva analytiker som arbetar med olika sektorer eller produkter, men du kan anförtro den preliminära insamlingen och bearbetningen av data till AI, och lämna endast den sista delen av analysen till experter. I detta fall är språkmodeller fördelaktiga.

Men många av AI-funktionerna på denna marknad har redan använts, och endast små förbättringar behöver fortfarande göras. I framtiden, när artificiell allmän intelligens (AGI) uppkommer, kan det bli en global omvandling av alla branscher, inklusive finans. Men detta evenemang kan bara hända om några år, och dess utveckling kommer att bero på att lösa de etiska frågorna och andra problem som nämns ovan.