Franklin Templeton phát triển quy trình nghiên cứu bằng AI để làm nổi bật rủi ro

Franklin Templeton đang phát triển các quy trình làm việc bằng AI nhằm giúp nhà quản lý danh mục so sánh nghiên cứu đầu tư và xem xét rủi ro, bắt đầu với nghiên cứu cổ phiếu, OpenAI cho biết trong một nghiên cứu điển hình được công bố ngày 5 tháng 11 năm 2026. Codex là một trong số nhiều công cụ mà các nhóm đầu tư của công ty đang sử dụng.

Công việc này nhằm giải quyết khâu bàn giao trong quy trình nghiên cứu hiện tại. Các nhà phân tích thực hiện phân tích sơ bộ cổ phiếu, xem xét các cuộc gọi trao đổi về kết quả kinh doanh và nghiên cứu đối thủ cạnh tranh trong từng lĩnh vực kinh doanh, trước khi đề xuất ý tưởng mới hoặc cập nhật cho nhà quản lý danh mục về các vị thế hiện có. Bộ phận nghiên cứu, quản lý rủi ro, tuân thủ và giao dịch đều đưa ra góc nhìn khác nhau; Franklin Templeton muốn kết hợp những thông tin đầu vào này để người ra quyết định có thể đánh giá cả cơ sở lập luận đằng sau một ý tưởng lẫn những rủi ro của ý tưởng đó.

Katrina Dudley, phó chủ tịch cấp cao phụ trách đầu tư thị trường đại chúng tại Franklin Templeton, mô tả thay đổi này là bước tiến vượt ra ngoài việc tự động hóa một quy trình do con người thực hiện. Bà nói: “Chúng tôi đã chuyển từ việc tăng cường quy trình nghiên cứu sang tái hình dung quy trình nghiên cứu đầu tư.”

Từ truy cập cơ sở dữ liệu đến trí tuệ kết nối

Nỗ lực đầu tiên là đưa dữ liệu vào một cơ sở dữ liệu rồi kết nối các mô hình với cơ sở dữ liệu đó. Cách làm này không tạo ra được những câu trả lời mà các nhóm cần, vì các mô hình không hiểu dữ liệu liên kết với nhau như thế nào. Phương pháp đã thay đổi khi bổ sung các tác nhân và một lớp ngữ nghĩa, được định nghĩa là mô hình có cấu trúc về ý nghĩa dữ liệu của công ty và cách các dữ liệu đó kết nối với nhau.

Sự khác biệt này chạm đến cốt lõi của vấn đề nghiên cứu: chỉ riêng quyền truy cập thông tin không thể cung cấp các mối liên hệ cần thiết để diễn giải thông tin. Nhóm đang sử dụng Codex và các công cụ khác để phát triển một lớp trí tuệ kết nối, đưa dữ liệu vào các công cụ và làm nổi bật thông tin chuyên sâu cho người dùng.

Kết quả hướng tới là một nền tảng được quản trị, có thể tái sử dụng, kết hợp các bộ kết nối đáng tin cậy, bối cảnh danh mục đầu tư và quy trình làm việc, cùng các năng lực của tác nhân giúp làm nổi bật thông tin chuyên sâu có thể hành động cho nhà phân tích và nhà quản lý danh mục.

Quá trình phát triển cũng có sự tham gia của những người sẽ sử dụng các hệ thống này. Codex đã được sử dụng trong các cuộc thi lập trình hackathon, nơi chuyên gia phối hợp với người làm việc trong lĩnh vực đầu tư để xây dựng công cụ riêng; trong khi đó, các buổi thực hành được tổ chức ngay sau khi công nghệ mới ra mắt giúp các nhóm thử nghiệm cách ứng dụng công nghệ vào công việc. Các chuyên gia đầu tư về AI đang nỗ lực chuyển những thử nghiệm thành quy trình làm việc sẵn sàng đưa vào sản xuất.

Thiết kế nghiên cứu ưu tiên sự đa dạng và rủi ro

Một số đặc điểm khiến AI hữu ích trong các bối cảnh khác lại tạo ra vấn đề trong quản lý tài sản. Nhiều công cụ học hỏi sở thích của người dùng rồi hiển thị thêm những nội dung tương tự; với nhà đầu tư ưa chuộng một nhà cung cấp nghiên cứu nhất định, điều đó có thể khiến họ nhận được thêm báo cáo từ nhà cung cấp ấy. Franklin Templeton xem sự thu hẹp phạm vi tiếp cận này là một nguồn gây thiên lệch tiềm tàng, nên muốn nhà phân tích và nhà quản lý danh mục tiếp cận nhiều nguồn nghiên cứu và ý kiến đa dạng.

Rủi ro cũng được xử lý theo cách tương tự. Các hệ thống được thiết kế để nhấn mạnh rủi ro đầu tư song song với cơ sở lập luận đằng sau một ý tưởng, qua đó giúp nhà quản lý danh mục nhận biết những rủi ro này. Dudley cho biết, việc xác định các rủi ro đó trong một ghi chú nghiên cứu “giúp đưa ra quyết định đầu tư sáng suốt hơn”.

Cùng với công việc xây dựng lớp ngữ nghĩa, những yêu cầu này khiến phạm vi tiếp cận nghiên cứu trở thành một phần trong thiết kế hệ thống: những góc nhìn nào đến được với người dùng cũng quan trọng không kém khả năng truy xuất thông tin. Vì vậy, quy trình làm việc dự kiến kết nối kiến trúc kỹ thuật với yêu cầu đặc thù của hoạt động đầu tư: duy trì các quan điểm khác biệt và làm rõ phân tích về rủi ro giảm giá.

Rào chắn an toàn, mức độ ứng dụng và trải nghiệm thực tế của con người

Ban lãnh đạo khuyến khích đổi mới và thử nghiệm AI trong phạm vi các rào chắn rủi ro được xác định rõ ràng, đồng thời chấp nhận rằng không phải sáng kiến nào cũng thành công. Dudley cho biết mỗi sáng kiến dù vậy vẫn cần tạo ra những hiểu biết giúp củng cố năng lực, định hướng các quyết định trong tương lai và thúc đẩy cải tiến liên tục. Các biện pháp kiểm soát cho tham vọng đó bao gồm rà soát bảo mật, hỗ trợ chuyên gia và các thỏa thuận về dữ liệu trên lộ trình từ thử nghiệm đến những công cụ đạt chuẩn sẵn sàng đưa vào sản xuất.

Mục tiêu dài hạn của Dudley là giúp các nhóm đầu tư, từ nhà phân tích đến lãnh đạo từng nhóm đầu tư, có thể tiếp cận trí tuệ kết nối. Bà cũng muốn các nhà phân tích dành nhiều thời gian hơn để đi thực tế, trò chuyện với chuyên gia, người làm nghề và lãnh đạo tại các công ty tư nhân, rồi chia sẻ những điều học được với nhóm của mình. Góc nhìn của con người vẫn thiết yếu khi các công cụ này tiếp tục phát triển.

Ý nghĩa của dự án nằm ở sự kết hợp giữa tự động hóa và thận trọng. Franklin Templeton đang tìm cách làm nổi bật thông tin chuyên sâu và kết nối nhiều bối cảnh hơn xoay quanh một khoản đầu tư, đồng thời vẫn duy trì các ý kiến khác biệt, phân tích rủi ro rõ ràng, biện pháp kiểm soát bảo mật và phán đoán của con người trong quy trình. Câu hỏi cốt lõi là liệu những yếu tố đó có thể phối hợp trong một hệ thống được quản trị và có thể tái sử dụng hay không, mà không thu hẹp phạm vi tiếp cận nghiên cứu vốn là điều hệ thống được thiết kế để mở rộng.