Sztuczna inteligencja a transformacja w zarządzaniu majątkiem

Sztuczna inteligencja zyskuje coraz większe zastosowanie w zarządzaniu majątkiem – od analizy portfeli i sprawozdawczości dla klientów po zapewnienie zgodności z przepisami i wsparcie dla doradców. Według raportu firmy Deloitte 60% firm zajmujących się zarządzaniem majątkiem już wykorzystuje sztuczną inteligencję do usprawniania procesów inwestycyjnych i poprawy wyników dla klientów. Technologia ta obiecuje niższe koszty i bardziej trafne doradztwo, ale jej szerszym skutkiem może być ujawnienie, które elementy tradycyjnych usług nadal uzasadniają pobieranie wyższych opłat.

Zarządzanie majątkiem od dawna opiera się na dwóch filarach: informacji i zaufaniu. Doradcy gromadzili dane dotyczące sytuacji finansowej klienta, analizowali zmiany na rynku i zalecali odpowiednie działania.

Ten model nie zniknął. Zmieniają się jednak uwarunkowania ekonomiczne z nim związane.

Systemy sztucznej inteligencji potrafią przetwarzać dane rynkowe, dane klientów oraz analizy inwestycyjne na skalę, której żaden indywidualny doradca nie jest w stanie dorównać. Mogą one na bieżąco monitorować portfele, sporządzać raporty oraz identyfikować zmiany, które mogą wymagać uwagi.

Najbardziej bezpośrednią korzyścią jest wydajność. Bardziej znaczącą zmianą jest jednak nowy podział obowiązków między technologię a ludzi.

Robo-doradcy otworzyli pierwsze drzwi

Pierwsza zauważalna fala automatyzacji nadeszła wraz z pojawieniem się robo-doradców na początku lat 2010.

Platformy cyfrowe wykorzystywały kwestionariusze do oceny tolerancji ryzyka i przypisywania klientów do modelowych portfeli. Dzięki temu rebalansowanie i inne rutynowe zadania mogły być wykonywane automatycznie.

Dzięki temu podstawowe usługi w zakresie zarządzania inwestycjami stały się tańsze i bardziej dostępne. Inwestorzy, którzy nie spełniali minimalnych wymagań tradycyjnego banku prywatnego, mogli uzyskać zdywersyfikowany portfel za pośrednictwem serwisu cyfrowego.

Pierwsze systemy były stosunkowo proste. Opierały się one raczej na z góry określonych zasadach i ogólnych kategoriach klientów niż na dogłębnym zrozumieniu indywidualnych sytuacji.

Ich znaczenie wykraczało jednak poza zarządzane przez nich portfele. Robo-doradcy pokazali, że niektóre elementy zarządzania majątkiem można ustandaryzować i realizować na dużą skalę.

Zmieniły się również oczekiwania. Klienci przyzwyczaili się do przejrzystych opłat, dostępu cyfrowego i szybszego zarządzania kontem.

Sztuczna inteligencja działa w tle doradcy

Kolejny etap jest mniej widoczny.

Zamiast zastępować doradcę finansowego samodzielną platformą cyfrową, sztuczna inteligencja jest w coraz większym stopniu wdrażana do systemów wykorzystywanych przez doradców, zarządzających portfelami oraz zespoły ds. zgodności.

Może ono podsumowywać wyniki badań, porównywać pozycje w portfelu, identyfikować nadmierną koncentrację w portfelu oraz przygotowywać materiały przed spotkaniem z klientem. Zautomatyzowane narzędzia mogą również monitorować, czy portfel nie przekroczył uzgodnionych limitów ryzyka.

Dzięki temu doradcy mogą poświęcać mniej czasu na gromadzenie informacji, a więcej na ich analizę.

To rozróżnienie ma znaczenie. Wielu klientów nie chce, aby algorytm podejmował za nich wszystkie decyzje finansowe. Oczekują natomiast, że ich doradca będzie dobrze przygotowany, będzie w pełni rozumiał ich portfel i szybko reagował na zmiany sytuacji.

Sztuczna inteligencja staje się wartościowa wtedy, gdy wzmacnia relację, a nie stanowi kolejnego pośrednika między klientem a firmą.

BlackRock pokazuje przewagę infrastruktury

Platforma Aladdin firmy BlackRock jest często podawana jako przykład zarządzania inwestycjami opartego na sztucznej inteligencji.

Aladdin łączy w jednym środowisku analizę portfela, monitorowanie ryzyka, dane transakcyjne oraz dane operacyjne. Umożliwia to zespołom inwestycyjnym analizowanie ekspozycji w różnych klasach aktywów oraz sprawdzanie, jak portfele mogą reagować na zmiany na rynkach.

Platforma nie eliminuje potrzeby zatrudniania zarządzających portfelami. Jej znaczenie polega na tym, że zapewnia im bardziej całościowy obraz ryzyka.

Narzędzia oparte na uczeniu maszynowym mogą to uzupełnić, wykrywając wzorce, anomalie lub zależności, które mogą umknąć podczas konwencjonalnej analizy.

Skala działalności firmy BlackRock stanowi istotną przewagę. Dysponuje ona obszernymi zbiorami danych, wyspecjalizowaną kadrą oraz kapitałem niezbędnym do budowy i utrzymania złożonej infrastruktury.

Większość podmiotów zarządzających majątkiem nie będzie tworzyć podobnych systemów we własnym zakresie. Będą one nabywać narzędzia analityczne od zewnętrznych dostawców lub wdrażać funkcje sztucznej inteligencji do istniejących platform.

Zmniejsza to bariery związane z wdrożeniem, ale sprawia również, że firmy stają się bardziej zależne od podmiotów zewnętrznych, nad których modelami i danymi mogą nie mieć pełnej kontroli.

Rynek rozwija się w oparciu o personalizację

Prognozuje się, że światowy rynek sztucznej inteligencji w sektorze zarządzania majątkiem osiągnie wartość $1,2 miliarda do 2026 roku.

Popyt wynika częściowo z obietnicy bardziej spersonalizowanego doradztwa.

W tradycyjnych modelach zarządzania majątkiem klienci są często przypisywani do szerokich grup na podstawie wieku, wartości aktywów i tolerancji na straty. Sztuczna inteligencja może potencjalnie analizować bardziej szczegółowy zestaw czynników, w tym przepływy pieniężne, zobowiązania, obciążenia podatkowe oraz przyszłe zobowiązania finansowe.

System może wykryć, że pozorna tolerancja ryzyka inwestora jest sprzeczna z jego potrzebą płynności. Może on również stwierdzić, że kilka inwestycji utrzymywanych na różnych rachunkach powoduje niezamierzoną koncentrację.

W przypadku zamożnych rodzin technologia ta może również pomóc w uporządkowaniu aktywów rozproszonych między różnymi bankami, spółkami, funduszami powierniczymi i jurysdykcjami.

Wyzwaniem jest to, że personalizacja zależy od kompletnych i dokładnych informacji. Wycena aktywów prywatnych może odbywać się rzadko. Preferencje klientów mogą być słabo udokumentowane lub ulegać zmianom w okresach stresu.

Algorytm może wygenerować bardzo precyzyjną rekomendację na podstawie słabych danych. Sama precyzja nie sprawia jednak, że rekomendacja ta jest odpowiednia.

Obniżenie kosztów zmienia warunki konkurencji

Oczekuje się, że narzędzia oparte na sztucznej inteligencji pozwolą obniżyć koszty operacyjne nawet o 30%.

Oszczędności mogą wynikać z automatyzacji sporządzania raportów dotyczących portfeli, przetwarzania dokumentów, kontroli zgodności oraz przygotowywania spotkań. Firmy mogą obsługiwać większą liczbę klientów bez konieczności zwiększania liczby pracowników w takim samym tempie.

Ma to szczególne znaczenie w segmencie osób o średnio wysokich dochodach.

Tacy klienci mogą mieć potrzeby zbyt złożone, by zaspokoić je za pomocą prostego portfolio cyfrowego, ale nie generują wystarczających przychodów, by uzasadnić stosowanie tradycyjnego modelu bankowości prywatnej. Doradztwo wspomagane sztuczną inteligencją mogłoby sprawić, że obsługa takich klientów stałaby się bardziej opłacalna.

Technologia ta może zatem przyczynić się do rozszerzenia rynku, a nie tylko do obniżenia kosztów.

Wdrożenie wiąże się jednak z pewnymi kosztami. Firmy potrzebują czystych danych, bezpiecznych systemów oraz pracowników potrafiących korzystać z tych narzędzi. Integracja starszych platform może okazać się trudna, a zewnętrzni dostawcy wiążą się z opłatami licencyjnymi i zależnościami operacyjnymi.

Sztuczna inteligencja pozwala osiągnąć oszczędności dzięki eliminacji powtórzeń. Jeśli jednak zostanie wdrożona w rozdrobnionej organizacji, może po prostu stać się kolejnym źródłem kosztów.

Młodsi inwestorzy mają coraz większe oczekiwania

Według doniesień około 70% przedstawicieli pokolenia millenialsów preferuje porady inwestycyjne generowane przez sztuczną inteligencję.

Wyniki te należy interpretować z rozwagą. Preferowanie narzędzi cyfrowych niekoniecznie oznacza chęć całkowitego wyeliminowania doradców.

Młodsi klienci często oczekują natychmiastowego dostępu do informacji, intuicyjnych usług cyfrowych oraz przejrzystej polityki cenowej. Są mniej skłonni do akceptowania formalności i opóźnień w udzielaniu odpowiedzi tylko dlatego, że tradycyjnie były one nieodłączną częścią bankowości prywatnej.

Mogą nadal potrzebować pomocy ze strony innych osób przy załatwianiu spraw związanych z dziedziczeniem, majątkiem, zobowiązaniami rodzinnymi czy niestabilną sytuacją na rynkach.

Prawdopodobnie więc zapotrzebowanie nie dotyczy w pełni zautomatyzowanego doradztwa, lecz usługi, w ramach której technologia zajmuje się rutynową analizą, podczas gdy ludzie pozostają gotowi do podejmowania kluczowych decyzji.

Firmy, które upierają się przy modelu opartym w dużej mierze na pracy ręcznej, mogą sprawiać wrażenie powolnych i kosztownych. Te, które automatyzują każdą interakcję, narażają się na ryzyko przekształcenia biznesu opartego na relacjach w biznes oparty na towarach.

Większa moc obliczeniowa nie gwarantuje zdolności przewidywania przyszłości

Sztuczna inteligencja jest w stanie przetworzyć znacznie więcej danych niż ludzki doradca. Twierdzenia, że potrafi ona przeanalizować 50 razy więcej informacji, pokazują różnicę w skali.

To porównanie ma mniejsze znaczenie, niż mogłoby się wydawać na pierwszy rzut oka.

Rynki generują więcej informacji, niż jakikolwiek inwestor jest w stanie efektywnie wykorzystać. Wyzwaniem jest nie tylko przetwarzanie danych, ale także odróżnienie trwałego sygnału od przejściowego szumu.

Model potrafi w ciągu kilku sekund przeanalizować zmiany cen, raporty finansowe, dane gospodarcze oraz nastroje wynikające z wiadomości. Może jednak nadal błędnie zinterpretować dane zdarzenie lub przypisać zbyt duże znaczenie zależności statystycznej, która wkrótce przestanie mieć znaczenie.

Zmienia się również zachowanie rynku. Strategie opracowane na podstawie okresów niskiej inflacji lub dużej płynności mogą okazać się mniej wiarygodne w innych warunkach.

Sztuczna inteligencja może poszerzyć zakres analizy. Nie może jednak zagwarantować, że zidentyfikowano najważniejszą zmienną.

Doradca lub zarządzający portfelem pozostaje odpowiedzialny za podjęcie decyzji, które wyniki zasługują na uwagę.

Zadowolenie klientów zależy od trafności

Instytucje finansowe korzystające ze sztucznej inteligencji odnotowują wzrost poziomu zadowolenia klientów o około 30%.

Część tego wzrostu można przypisać lepszemu wyczuciu czasu i większej trafności.

Klienci cenią sobie raporty, które odzwierciedlają stan ich rzeczywistych aktywów, a nie ogólne komentarze rynkowe. Doceniają doradcę, który ma pełny obraz portfela i potrafi zidentyfikować problemy jeszcze przed kolejnym zaplanowanym spotkaniem.

Sztuczna inteligencja może również umożliwić firmom bardziej selektywną komunikację. Klient nie potrzebuje wszystkich aktualności rynkowych. Potrzebuje informacji, które mają wpływ na jego cele lub poziom ryzyka.

Źle wdrożona personalizacja może przynieść efekt odwrotny do zamierzonego. Automatyczne wiadomości mogą być odbierane jako nachalne lub powtarzalne. Rekomendacje oparte na niekompletnych danych mogą podważyć zaufanie.

Jakość obsługi klienta poprawia się, gdy technologia eliminuje utrudnienia i sprzyja prowadzeniu bardziej świadomych rozmów. Pogarsza się natomiast, gdy automatyzacja zastępuje indywidualne podejście.

Doradcy muszą spełniać wyższe wymagania

Jest mało prawdopodobne, by sztuczna inteligencja wyeliminowała zapotrzebowanie na doradców finansowych. Spowoduje ona jednak, że niektóre z ich tradycyjnych zadań staną się mniej istotne.

Przygotowywanie podsumowań portfela, obliczanie wyników czy pozyskiwanie informacji rynkowych można w coraz większym stopniu zautomatyzować. Klienci będą mieli coraz mniej powodów, by płacić wysokie opłaty za zadania, które oprogramowanie może wykonać szybko.

Rola doradcy musi skupiać się w większym stopniu na interpretacji, ocenie i koordynacji.

Rodzina sprzedająca firmę może potrzebować pomocy w pogodzeniu kwestii płynności finansowej, podatków, dziedziczenia oraz osobistych priorytetów. Klient zbliżający się do emerytury może stanąć przed koniecznością podjęcia decyzji, jaki poziom ryzyka jest dla niego nadal odpowiedni. W okresie spadków na rynku inwestorzy mogą potrzebować wskazówek dotyczących nie tylko wyników inwestycyjnych, ale również zachowań inwestycyjnych.

Tych problemów nie da się rozwiązać wyłącznie na podstawie danych.

Sztuczna inteligencja może przedstawić różne opcje wraz z ich zaletami i wadami. Doradca musi pomóc klientowi w dokonaniu wyboru spośród nich.

Może to przynieść korzyści osobom o dużym doświadczeniu. Dla tych, których praca polega głównie na doborze produktów i sporządzaniu okresowych raportów, będzie to mniej komfortowe.

Dane stają się prawdziwym atutem strategicznym

Systemy sztucznej inteligencji są tak przydatne, jak przydatne są informacje, które mają do dyspozycji.

Wielu doradców finansowych nadal przechowuje dane klientów w oddzielnych systemach. Dokumentacja dotycząca portfeli inwestycyjnych może być przechowywana w jednym miejscu, dokumentacja dotycząca zgodności z przepisami – w innym, a informacje o aktywach prywatnych – w arkuszach kalkulacyjnych.

Ta fragmentacja ogranicza jakość analizy.

Zanim firmy będą mogły oferować prawdziwie spersonalizowane rekomendacje, muszą dysponować spójnym obrazem majątku klienta. Dane muszą być aktualne, spójnie sklasyfikowane i dostępne zgodnie z jasnymi zasadami zarządzania.

To zadanie jest trudniejsze niż uruchomienie asystenta opartego na sztucznej inteligencji. Jest też bardziej wartościowe.

W miarę jak na rynku pojawiają się podobne narzędzia analityczne, zastrzeżona technologia może zapewnić jedynie tymczasową przewagę. Firmy dysponujące lepszymi danymi będą w stanie skuteczniej wykorzystywać te same modele.

Przewagą konkurencyjną nie jest zatem sama w sobie sztuczna inteligencja. Jest nią połączenie technologii i wiarygodnych informacji.

Zaufanie wyznacza granicę

Dane dotyczące zarządzania majątkiem są wysoce wrażliwe. Mogą one ujawniać informacje na temat aktywów klienta, struktury jego rodziny, sytuacji podatkowej oraz przyszłych transakcji.

Sztuczna inteligencja potrzebuje dostępu do tych informacji, aby przeprowadzać spersonalizowane analizy. Zwiększa to znaczenie cyberbezpieczeństwa, uprawnień i suwerenności danych.

Firmy muszą wiedzieć, gdzie przechowywane są informacje, kto ma do nich dostęp oraz czy zewnętrzni dostawcy wykorzystują dane klientów do szkolenia innych systemów.

Muszą również jasno określać, w jakich sytuacjach klient ma do czynienia z usługą zautomatyzowaną, a w jakich odpowiada za to doradca.

System może generować rekomendacje, jednak to instytucja ponosi odpowiedzialność za ich adekwatność. Obowiązki regulacyjne i powiernicze nie przechodzą na algorytm.

Klienci mogą zgodzić się na szersze wykorzystanie technologii, jeśli korzyści z niej płynące są oczywiste. Nie zaakceptują jednak niepewności co do tego, kto kontroluje ich dane lub podejmuje decyzje dotyczące ich pieniędzy.

Prognoza PwC wykracza poza sferę finansów

PwC szacuje, że do 2030 r. sztuczna inteligencja może przyczynić się do wzrostu światowego PKB nawet o $15,7 biliona.

Wskaźnik ten odnosi się do całej gospodarki, a nie wyłącznie do zarządzania majątkiem. Niemniej jednak ilustruje on skalę oczekiwań dotyczących inwestycji i wydajności związanych z tą technologią.

Sektor usług finansowych ma duże szanse na odniesienie korzyści, ponieważ wiele jego działań wiąże się z przetwarzaniem danych, ich klasyfikacją oraz sporządzaniem prognoz.

Nie każda inwestycja w sztuczną inteligencję przyniesie korzyści. Niektóre firmy zakupią systemy, z których pracownicy nie będą korzystać lub których nie da się zintegrować z istniejącymi platformami. Inne mogą zautomatyzować procesy, które najpierw należało przeprojektować.

Najbardziej wiarygodne projekty zaczynają się od jasno zdefiniowanego problemu. Skrócenie czasu potrzebnego na konsolidację portfela można zmierzyć. Poprawę dokładności weryfikacji zgodności z przepisami można przetestować. Ogólne dążenie do “transformacji zarządzania majątkiem” jest trudniejsze do oceny.

Sztuczną inteligencję należy traktować jako inwestycję, z którą wiążą się oczekiwane zyski, koszty i ryzyko, a nie jako przejaw nowoczesności.

Przemiany będą przebiegać nierównomiernie

W ciągu najbliższych trzech do pięciu lat analityka predykcyjna i zautomatyzowana obsługa klienta prawdopodobnie staną się standardowymi funkcjami platform do zarządzania majątkiem.

Różnica między firmami nie będzie zależała wyłącznie od tego, kto jako pierwszy wdroży sztuczną inteligencję.

Niektóre instytucje wykorzystają to do udoskonalenia doradztwa, poprawy jakości danych i uproszczenia działalności. Inne natomiast dodadzą nowe narzędzia do starych procesów i nazwą ten efekt „transformacją”.

Najskuteczniejszy model będzie łączył automatyzację z odpowiedzialną oceną ludzką. Technologia będzie przeprowadzać powtarzalne analizy, monitorować portfele i porządkować informacje. Doradcy będą interpretować wyniki i pomagać klientom w podejmowaniu decyzji, w których występują czynniki niepewności, emocje i sprzeczne priorytety.

Sztuczna inteligencja może sprawić, że zarządzanie majątkiem stanie się szybsze, bardziej skalowalne i lepiej dostosowane do indywidualnych uwarunkowań.

Nie jest w stanie zdecydować, jaki cel powinien realizować majątek klienta, które interesy rodzinne powinny mieć pierwszeństwo ani jaki poziom niepewności jest dopuszczalny.

Przemiany w branży będą zależały od tego, czy firmy wykorzystają technologię do bardziej przemyślanych odpowiedzi na te pytania, zamiast udawać, że technologia sama z siebie potrafi na nie odpowiedzieć.