Rozwój sztucznej inteligencji w zarządzaniu majątkiem

Sztuczna inteligencja przenosi się z marginesu branży zarządzania majątkiem do jej operacyjnego centrum. Firma Deloitte odkryła, że 60% zarządzających majątkiem spodziewa się, iż w ciągu najbliższych kilku lat technologia ta stanie się ważnym czynnikiem wyróżniającym na tle konkurencji. Jej bezpośrednia atrakcyjność wynika z niższych kosztów i szybszej analizy, ale większa zmiana dotyczy tego, w jaki sposób firmy rozumieją klientów, udzielają porad oraz dzielą pracę między technologie a doradców.

Zarządzanie majątkiem zawsze opierało się na informacjach. Doradcy gromadzą dane dotyczące aktywów klienta, jego dochodów, tolerancji ryzyka, sytuacji rodzinnej oraz długoterminowych celów, a następnie przekładają je na strategię inwestycyjną.

Jeszcze do niedawna proces ten opierał się w dużej mierze na relacjach osobistych, doświadczeniu zawodowym oraz stosunkowo statycznych modelach finansowych. Sztuczna inteligencja wnosi do tego dodatkowy wymiar. Potrafi ona analizować ogromne ilości danych rynkowych i dotyczących klientów, rozpoznawać wzorce oraz aktualizować zalecenia w miarę zmiany sytuacji.

Nie umniejsza to znaczenia ludzkiej oceny sytuacji. Zmienia jedynie obszar, w którym ta ocena ma zastosowanie.

Od automatyzacji po doradztwo

W sektorze usług finansowych wielokrotnie wdrażano technologie, które początkowo wydawały się przełomowe, a z czasem stały się czymś powszechnym. Bankomaty zmieniły sposób korzystania z usług bankowych. Platformy internetowe ograniczyły konieczność odwiedzania oddziałów. Aplikacje mobilne sprawiły, że informacje o rachunku i transakcje stały się częścią codziennego życia.

W dziedzinie zarządzania majątkiem pierwszą zauważalną falą automatyzacji były robo-doradcy. Platformy takie jak Betterment i Wealthfront wykorzystywały algorytmy do tworzenia i rebalansowania portfeli przy niższych kosztach niż w przypadku tradycyjnych modeli doradztwa.

Ich głównym wkładem nie było zaawansowanie rozwiązań inwestycyjnych, lecz skala działania. Zautomatyzowane platformy mogły obsługiwać ogromną liczbę klientów przy stosunkowo niewielkiej ingerencji człowieka, udostępniając podstawowe usługi zarządzania portfelem inwestorom, którzy wcześniej mogliby nie kwalifikować się do skorzystania ze spersonalizowanego doradztwa.

Kolejny etap ma szerszy zasięg. Sztuczna inteligencja znajduje coraz szersze zastosowanie w tradycyjnych bankach i firmach zarządzających majątkiem, a nie tylko wśród nowych graczy z branży cyfrowej.

Na przykład firma UBS wdrożyła sztuczną inteligencję w niektórych obszarach swojej działalności inwestycyjnej i obsługi klienta. Technologia ta może pomóc doradcom w przygotowaniu się do spotkań, analizowaniu portfeli oraz identyfikowaniu produktów lub informacji, które mogą być istotne dla danego klienta.

Celem nie jest jedynie automatyzacja tradycyjnej usługi. Chodzi o to, by doradztwo było bardziej dostosowane do potrzeb klientów, a jednocześnie jego świadczenie nie wiązało się z nadmiernymi kosztami.

Atrakcyjność skali

Firma PwC podała, że w ubiegłym roku 521 firm z sektora usług finansowych zainwestowało w sztuczną inteligencję. Liczba ta odzwierciedla szeroko zakrojone działania mające na celu obniżenie kosztów prac wymagających przetwarzania dużych ilości danych oraz zadań o charakterze powtarzalnym.

Monitorowanie portfela, przetwarzanie dokumentów, segmentacja klientów i kontrole zgodności z przepisami mogą pochłaniać znaczną część czasu pracowników. Systemy oparte na sztucznej inteligencji mogą wykonywać część tych zadań szybciej i w sposób bardziej spójny, co pozwala firmom obsługiwać większą liczbę klientów bez konieczności zwiększania zatrudnienia w takim samym tempie.

Warunki ekonomiczne są szczególnie atrakcyjne w segmencie zamożnych klientów. Klienci ci często mają potrzeby zbyt złożone, by zadowolić się podstawowym, zautomatyzowanym portfelem, ale jednocześnie mogą nie generować wystarczających przychodów, by uzasadnić nawiązanie tradycyjnej współpracy w ramach bankowości prywatnej.

Doradztwo wspomagane sztuczną inteligencją może sprawić, że obsługa tej grupy klientów stanie się bardziej opłacalna. Za relacje z klientami nadal może odpowiadać doradca, podczas gdy technologia zajmie się gromadzeniem danych, analizą portfela oraz rutynową komunikacją.

W przypadku większych klientów oferta ma inny charakter. Zamożne rodziny niekoniecznie potrzebują tańszego doradztwa. Potrzebują one przejrzystszego obrazu złożonych portfeli, szybszego dostępu do istotnych informacji oraz lepszej koordynacji działań między bankami, walutami, klasami aktywów i jurysdykcjami.

Personalizacja zależy od dobrej jakości danych

Sztuczna inteligencja jest często przedstawiana jako droga do hiperpersonalizowanego zarządzania majątkiem. Zasadniczo system może przeanalizować wzorce wydatków, potrzeby w zakresie płynności finansowej, kwestie podatkowe oraz preferencje inwestycyjne, a następnie zaproponować portfel dostosowany do indywidualnych potrzeb klienta.

Rzeczywistość jest bardziej wymagająca. Wiarygodność personalizacji zależy od jakości danych, na których się opiera.

Wielu doradców finansowych nadal przechowuje dane klientów w rozproszonych systemach. Dane dotyczące portfeli mogą znajdować się na jednej platformie, dokumentacja dotycząca adekwatności na innej, a korespondencja na jeszcze innej. Informacje o aktywach prywatnych mogą być zapisywane w arkuszach kalkulacyjnych lub aktualizowane jedynie sporadycznie.

Model sztucznej inteligencji nie jest w stanie stworzyć wiarygodnego profilu klienta na podstawie niekompletnych lub niespójnych danych. Zanim firmy będą mogły obiecać bardziej spersonalizowane doradztwo, muszą rozwiązać mniej efektowne problemy związane z jakością danych, integracją systemów i kwestiami własności.

Klienci muszą również wiedzieć, w jaki sposób wykorzystywane są ich dane. Im wyższy poziom personalizacji, tym bardziej wrażliwe mogą być wymagane dane.

Modele ryzyka stają się coraz bardziej elastyczne

Sztuczna inteligencja może usprawnić zarządzanie ryzykiem poprzez wykrywanie zmian, które tradycyjne modele są w stanie zidentyfikować dopiero z pewnym opóźnieniem.

Systemy prognostyczne mogą analizować dane rynkowe, koncentrację portfela oraz korelacje między klasami aktywów. Mogą one również uwzględniać informacje o mniej ustrukturyzowanym charakterze, w tym raporty korporacyjne, doniesienia prasowe oraz zmiany nastrojów inwestorów.

Dla doradców może to oznaczać wcześniejsze sygnały ostrzegawcze dotyczące słabych punktów portfela. System może wykryć, że pozorna dywersyfikacja portfela klienta jest mniejsza, niż się wydaje, ponieważ kilka pozycji jest uzależnionych od tego samego czynnika gospodarczego, sektora lub rynku geograficznego.

Narzędzia te są przydatne, ale nie są neutralne. Modele odzwierciedlają założenia, dane szkoleniowe i cele wybrane przez ich twórców.

System wyszkolony w warunkach stosunkowo stabilnych może wykazywać słabe wyniki w obliczu nadzwyczajnych wstrząsów. Algorytm może również wykrywać zależności statystyczne, nie wyjaśniając jednak, czy mają one znaczenie ekonomiczne.

Nie chodzi o to, że sztuczna inteligencja zawsze będzie podejmować gorsze decyzje niż ludzie. Chodzi o to, że jej wyniki mogą być przyjmowane z większym zaufaniem, niż na to zasługują.

Zgodność z przepisami stanowi jeden z pierwszych przykładów zastosowania

Działalność regulacyjna to jedna z najbardziej oczywistych dziedzin, w których można wdrożyć sztuczną inteligencję. Doradcy finansowi muszą monitorować transakcje, prowadzić dokumentację klientów, oceniać adekwatność produktów oraz sporządzać dokumentację dla organów regulacyjnych.

Procesy te są kosztowne i podatne na błędy ludzkie. Narzędzia oparte na sztucznej inteligencji mogą analizować dokumenty, sygnalizować brakujące informacje oraz identyfikować transakcje wymagające dalszego zbadania.

Przetwarzanie języka naturalnego może również pomóc firmom w monitorowaniu komunikacji lub porównywaniu wewnętrznych zasad z wymogami prawnymi.

Wzrost wydajności może być znaczny, ale odpowiedzialność nadal spoczywa na instytucji. Firma nie może zrzucać winy na algorytm za to, że nie wykrył podejrzanej aktywności lub zaproponował nieodpowiednią inwestycję.

W związku z tym weryfikacja przez człowieka będzie nadal konieczna, zwłaszcza w przypadkach, gdy podejmowane decyzje mają wpływ na prawa klientów, zobowiązania prawne lub sprawozdawczość regulacyjną.

Rola doradcy staje się coraz bardziej wymagająca

Prognozy, że sztuczna inteligencja zastąpi doradców finansowych, nie uwzględniają specyfiki zarządzania majątkiem.

Klienci nie zwracają się o poradę wyłącznie z powodu braku informacji. Mogą potrzebować pomocy w rozstrzyganiu sprzecznych priorytetów, planowaniu sukcesji rodzinnej lub podejmowaniu decyzji w okresach napięć na rynku.

W takich sytuacjach kluczowe znaczenie mają zaufanie, interpretacja i osąd. Model może obliczyć skutki finansowe sprzedaży rodzinnej firmy. Nie jest jednak w stanie w pełni uwzględnić osobistych napięć, które towarzyszą tej decyzji.

Sztuczna inteligencja raczej zmieni rolę doradcy, niż ją wyeliminuje. Rutynowe czynności związane z przygotowywaniem i analizą mogą być w coraz większym stopniu zautomatyzowane. Od doradców będzie się oczekiwać, że będą poświęcać więcej czasu na wyjaśnianie dostępnych opcji, weryfikowanie założeń oraz koordynowanie decyzji w ramach szerszych spraw finansowych klienta.

Może to podnieść wartość dobrych doradców, a jednocześnie ujawnić słabości tych słabszych. Gdy podstawowe informacje rynkowe i narzędzia do budowania portfela staną się powszechnie dostępne, klienci będą mieli mniej powodów, by płacić wyższą cenę za usługi, które sprowadzają się w zasadzie jedynie do wyboru produktów.

Bezpieczeństwo staje się częścią oferty

Systemy sztucznej inteligencji wymagają dostępu do ogromnych ilości danych dotyczących klientów i danych finansowych. To sprawia, że ochrona danych staje się kwestią strategiczną, a nie jedynie technicznym dodatkiem.

Niedociągnięcia w zakresie cyberbezpieczeństwa mogą prowadzić do bezpośrednich strat finansowych, kar regulacyjnych oraz trwałego uszczerbku na reputacji. Klienci korzystający z usług zarządzania majątkiem są szczególnie narażeni, ponieważ ich dokumentacja może zawierać szczegółowe informacje dotyczące aktywów, struktury rodziny oraz przyszłych transakcji.

Przedsiębiorstwa muszą określić, do jakich danych mają dostęp systemy sztucznej inteligencji, gdzie są one hostowane oraz w jaki sposób przechowywane są uzyskane wyniki. Muszą również wprowadzić zabezpieczenia przed wyciekiem danych, ich manipulacją oraz nieuprawnionym wykorzystaniem.

Zewnętrzni dostawcy technologii stanowią dodatkowe źródło ryzyka. Doradca finansowy może zlecić na zewnątrz obsługę części swojej infrastruktury opartej na sztucznej inteligencji, ale nie może zlecić na zewnątrz odpowiedzialności za ochronę danych klientów.

Zaufanie będzie zależało częściowo od tego, czy firmy potrafią wyjaśnić stosowane przez siebie mechanizmy kontroli w sposób zrozumiały dla klientów.

Zwycięzcy będą łączyć technologię z umiejętnością oceny sytuacji

Firma Gartner prognozuje, że do 2025 roku sztuczna inteligencja będzie zarządzać aktywami o wartości ponad 1,42 biliona dolarów. To, czy aktywa te są rzeczywiście “zarządzane przez sztuczną inteligencję”, pozostaje kwestią interpretacji. W większości przypadków technologia ta wspiera tworzenie portfeli, monitorowanie lub komunikację, a nie przejmuje pełnej odpowiedzialności za decyzje inwestycyjne.

To rozróżnienie ma znaczenie. Sztuczna inteligencja nie jest autonomicznym doradcą finansowym. Jest to zbiór narzędzi, które mogą usprawnić niektóre etapy procesu doradztwa.

W ciągu najbliższych trzech do pięciu lat technologia ta prawdopodobnie stanie się standardowym elementem platform inwestycyjnych. Dostęp do podstawowych funkcji analitycznych stanie się łatwiejszy, co zmniejszy ich wartość jako czynnika wyróżniającego.

Przewaga konkurencyjna będzie zależała przede wszystkim od skuteczności realizacji. Firmy będą potrzebowały wiarygodnych danych, bezpiecznej infrastruktury i jasnych zasad zarządzania. Muszą również włączyć sztuczną inteligencję do codziennej pracy doradców, zamiast traktować ją jako odrębną usługę cyfrową.

Równie ważne będzie edukowanie klientów. Inwestorzy muszą wiedzieć, kiedy mają do czynienia z systemem automatycznym, w jaki sposób generowane są rekomendacje oraz w jakich sytuacjach odpowiedzialność spoczywa na doradcy.

Najbardziej zaawansowany model raczej nie będzie ani w pełni ludzki, ani w pełni zautomatyzowany. Będzie on łączył moc obliczeniową sztucznej inteligencji z profesjonalną oceną sytuacji oraz relacją, która zapewni klientom poczucie pewności podczas podejmowania ważnych decyzji.

Sztuczna inteligencja sprawi, że zarządzanie majątkiem stanie się szybsze i potencjalnie bardziej dostępne. To, czy poprawi to funkcjonowanie branży, będzie zależało od tego, w jaki sposób firmy wykorzystają czas, informacje i możliwości, jakie ona zapewnia.