Dane są przyszłością zarządzania aktywami: mają jednak pewien haczyk

Niezależnie od branży, sztuczna inteligencja i uczenie maszynowe są obecnie w modzie, a zarządzanie aktywami nie jest wyjątkiem. Podobno do 2027 r. będzie to robić około 16% zarządzających aktywami

znikać ze względu na zmianę paradygmatu postępu technologicznego i oczekiwań inwestorów. Technologie AI i ML są wykorzystywane w różnych aspektach branży finansowej. Wszystko polega na przyjęciu podejścia opartego na danych zamiast tradycyjnego sposobu zarządzania aktywami, który odbywa się od wielu dziesięcioleci.

Nie ma wątpliwości, że narzędzia AI i big data mogą pozytywnie wpłynąć na zarządzanie aktywami i zwiększyć jego efektywność. Ale z pewnością nie jest to odpowiedź na wszystkie problemy związane z zarządzaniem majątkiem. Po pierwsze, dane nadal są traktowane jako surowiec, który może pomóc w podejmowaniu decyzji. Nie jest to jeszcze atut ani narzędzie strategiczne, które jest wyraźnie powiązane z pożądanym rezultatem. Aby naprawdę zintegrować podejście oparte na danych z zarządzaniem aktywami, firmy muszą sięgnąć głębiej i poszukać sposobów wykorzystania danych w sposób wszechobecny.

Same narzędzia nie są w stanie wykonać zadania

Jednym z największych problemów automatyzacji zadań i procesów jest to, że większość firm podejmuje te decyzje w próżni. To klasyczny przykład „podążania za stadem”. Wdrażanie automatyzacji tylko dlatego, że wszyscy to robią, nie zapewni Ci przewagi konkurencyjnej. W rzeczywistości może to prowadzić do większej liczby problemów, niż można sobie wyobrazić. 

Sektor zarządzania aktywami od dziesięcioleci kieruje się specyficznym stylem działania, w którym wyniki rynkowe są największym czynnikiem wpływającym na przychody. Aby przejść na podejście całkowicie oparte na danych, niezwykle istotne jest posiadanie wykwalifikowanego personelu, który jest świadomy, jak skutecznie wykorzystywać te dane i integrować je z istniejącymi systemami.

Zamiast przyjmować narzędzia AI i ML tylko po to, firmy zarządzające aktywami muszą przyjąć podejście naukowe, aby stworzyć odpowiednią strategię. Podstawa naukowa powinna stanowić podstawę do identyfikacji trendów rynkowych i oceny potrzeb klientów. Narzędzia zawsze można zbudować w oparciu o takie hipotezy i ustalenia, ale potrzebne są wykwalifikowane zespoły, które będą w stanie posługiwać się tymi narzędziami i odpowiednio improwizować. W końcu, jeśli zespoły obsługujące narzędzia nie są świadome ich zakresu, cały cel polegający na ulepszaniu systemu zarządzania aktywami zostaje pokonany. To prowadzi nas do następnego punktu – czynnika ludzkiego.

Potrzebny jest ludzki dotyk

Synergia między ludzką wiedzą a podejściem naukowym to idealna recepta na skuteczne wdrożenie AI i ML w sektorze zarządzania aktywami. Zarządzanie aktywami często wiąże się ze złożonym procesem decyzyjnym, który wykracza poza analizę danych ilościowych i może wymagać uwzględnienia czynników jakościowych, zrozumienia dynamiki rynku oraz interpretacji wydarzeń geopolitycznych i gospodarczych. 

Chociaż narzędzia takie jak ChatGPT mogą szybko wygenerować zestaw wyników, nie dorównują one efektywnemu podejściu człowieka ani wnioskom wykwalifikowanych specjalistów. Jest to szczególnie godne uwagi, biorąc pod uwagę ograniczenia wiedzy tego narzędzia AI, wciąż „zamrożone”w 2021 r. i nie jest w stanie podać aktualnych informacji. Podstawowe zasady i struktura sektora finansowego pozostają niezmienione przez długi czas i prawdopodobnie pozostaną takie same w najbliższej przyszłości. Ludzkie podejście doświadczonych zarządzających aktywami zapewni spersonalizowaną obsługę i zabezpieczenie zysków klientów.

Nie należy ignorować małych danych

Ponieważ w kontekście postępu technologicznego w centrum uwagi znajdują się duże zbiory danych, należy pamiętać o znaczeniu małych zbiorów danych w sektorze zarządzania aktywami. Chociaż duże zbiory danych są uważane za kluczowe w szkoleniu narzędzi AI i ML, małe zbiory danych i konkretne historie klientów są często źródłem najskuteczniejszych strategii zarządzania aktywami. Kiedy określone, dostosowane podejście okaże się skuteczne, jest ono dalej testowane i udoskonalane z udziałem większej grupy klientów. Ostatecznie te skoncentrowane na człowieku i wnikliwe strategie można skalować w celu zaspokojenia potrzeb różnorodnych klientów, niezależnie od wielkości prowadzonej przez nich działalności.

Sztuczna inteligencja i uczenie maszynowe mają potencjał, aby znacznie usprawnić zarządzanie aktywami, ale w praktyce firmy muszą zastosować połączenie wiedzy ludzkiej i narzędzi AI/ML. Sztuczna inteligencja i uczenie maszynowe mogą obsługiwać analizę danych, rozpoznawanie wzorców i niektóre aspekty wspomagania decyzji, umożliwiając ludziom skupienie się na planowaniu strategicznym wyższego poziomu i podejmowaniu decyzji.

Powiedziawszy to, nie możemy ignorować faktu, że rola człowieka w zarządzaniu aktywami również ewoluuje. W miarę ciągłego rozwoju technologii AI i uczenia maszynowego zarządzający aktywami są w coraz większym stopniu „uzupełniani” tymi narzędziami, wykorzystując je do zwiększania swoich możliwości podejmowania decyzji – w zakresie analiz predykcyjnych, handlu algorytmicznego, zarządzania ryzykiem i nie tylko. To wzmocnienie nie zawsze musi prowadzić do wymiany. Symbiotyczny związek między ludzkim osądem a inteligencją maszyn będzie prawdopodobnie przyszłością zarządzania aktywami, ponieważ wykorzystuje mocne strony obu do tworzenia dostosowanych strategii i osiągania lepszych wyników.

• Dystrybucja treści i PR oparta na SEO. Uzyskaj wzmocnienie już dziś.
• PlatoData.Network Pionowe generatywne AI. Wzmocnij się. Dostęp tutaj.
• PlatoAiStream. Inteligencja Web3. Wiedza wzmocniona. Dostęp tutaj.
• PlatonESG. Węgiel Czysta technologia, Energia, Środowisko, Słoneczny, Gospodarowanie odpadami. Dostęp tutaj.
• Platon Zdrowie. Inteligencja w zakresie biotechnologii i badań klinicznych. Dostęp tutaj.
• Źródło: https://www.finextra.com/blogposting/25174/data-is-the-future-of-asset-management-but-it-comes-with-a-catch?utm_medium=rssfinextra&utm_source=finextrablogs