Zarządzanie majątkiem oparte na sztucznej inteligencji

Sztuczna inteligencja nie jest już technologią o znaczeniu drugorzędnym w zarządzaniu majątkiem. Staje się ona kluczowym elementem sposobu, w jaki doradcy analizują portfele, zarządzają ryzykiem, obsługują klientów i rozwijają swoją działalność.

Przez lata cyfryzacja w sektorze prywatnego zarządzania majątkiem skupiała się głównie na zwiększeniu wydajności: ograniczeniu ręcznych procesów, usprawnieniu sprawozdawczości, uproszczeniu procesu wdrażania nowych klientów oraz obniżeniu kosztów realizacji zleceń. Sztuczna inteligencja zmienia te priorytety. Pozwala firmom pracować z większymi zbiorami danych, szybciej rozpoznawać potrzeby klientów, dostosowywać doradztwo do indywidualnych potrzeb oraz wykrywać ryzyka, które mogą pozostać niewidoczne podczas tradycyjnego przeglądu portfela.

Oczekiwania są ogromne. Podobnie jak ryzyko. Zarządzanie majątkiem opiera się na zaufaniu, dyskrecji i rozsądku. Sztuczna inteligencja może wspierać wszystkie te elementy. Może je jednak również osłabić, jeśli firmy będą z niej korzystać bez należytej ostrożności.

Nowa warstwa operacyjna

Pierwsza fala technologii inwestycyjnych skupiała się na automatyzacji. Robo-doradcy, tacy jak Betterment i Wealthfront, pokazali, że tworzenie portfeli inwestycyjnych można ujednolicić i realizować na dużą skalę. Dzięki nim zarządzanie inwestycjami stało się tańsze, prostsze i bardziej dostępne, zwłaszcza dla klientów o mniej złożonych potrzebach.

Rynek majątku prywatnego to zupełnie inna dziedzina. Klienci zamożni i bardzo zamożni rzadko potrzebują jedynie alokacji aktywów. Potrzebują oni koordynacji podatkowej, planowania spadkowego, zarządzania płynnością, zarządzania rodzinnego, działalności filantropijnej, dostępu do rynków prywatnych oraz sprawozdawczości transgranicznej.

Ta złożoność wyjaśnia, dlaczego sztuczna inteligencja nie zastępuje doradców w segmencie wysokich majątków. Staje się ona raczej warstwą operacyjną działającą na ich rzecz.

Doradca, który niegdyś opierał się wyłącznie na statycznych raportach, może teraz korzystać z narzędzi opartych na sztucznej inteligencji, aby wykrywać koncentrację portfela, modelować zapotrzebowanie na płynność, śledzić zmiany na rynku oraz przygotowywać rozmowy z klientami dostosowane do ich indywidualnych potrzeb. Wartość nie polega na wyeliminowaniu relacji międzyludzkich, ale na tym, by były one oparte na lepszej wiedzy.

Od ogólnych porad do indywidualnego podejścia

Indywidualne podejście od dawna stanowi jedną z obietnic związanych z zarządzaniem majątkiem. W praktyce jednak często ma ono ograniczony zakres. Wielu klientów nadal otrzymuje w zasadzie podobne propozycje inwestycyjne, okresowe przeglądy oraz standardowe pakiety sprawozdawcze.

Sztuczna inteligencja może to zmienić. Potrafi ona analizować zachowania klientów, ich tolerancję ryzyka, historię portfela, potrzeby w zakresie przepływów pieniężnych, preferencje komunikacyjne oraz ograniczenia inwestycyjne. Dzięki temu firmy mogą precyzyjniej dostosowywać swoje porady.

Dla młodego przedsiębiorcy po wyjściu z inwestycji istotne kwestie mogą dotyczyć płynności finansowej, podatków, dywersyfikacji oraz zaangażowania na rynku prywatnym. Dla rodziny wielopokoleniowej priorytetem może być sukcesja, zarządzanie, edukacja oraz przekazywanie informacji wszystkim beneficjentom. Dla starszego klienta stabilność dochodów i planowanie spadkowe mogą mieć większe znaczenie niż wzrost kapitału.

Sztuczna inteligencja może pomóc doradcom w szybszym rozpoznaniu tych różnic i przedstawieniu bardziej trafnych rekomendacji. Korzyści biznesowe są oczywiste: lepsza personalizacja może zwiększyć zaangażowanie klientów, ich lojalność oraz udział w ich wydatkach.

Zarządzanie ryzykiem staje się coraz bardziej dynamiczne

Ryzyko stanowi jeden z najważniejszych obszarów zastosowań sztucznej inteligencji w zarządzaniu majątkiem. Tradycyjne raportowanie ryzyka często skupia się na przeszłości. Opiera się ono na historycznej zmienności, alokacji aktywów, analizie czynników wpływających na wyniki oraz scenariuszach warunków skrajnych.

Te narzędzia nadal mają znaczenie. Są one jednak mniej skuteczne, gdy sytuacja na rynkach zmienia się dynamicznie, gdy zmieniają się korelacje lub gdy pojawiają się zagrożenia wykraczające poza standardowe dane finansowe.

Sztuczna inteligencja potrafi błyskawicznie przetwarzać wiadomości, sygnały rynkowe, wskaźniki makroekonomiczne, informacje publikowane przez przedsiębiorstwa oraz dane dotyczące portfeli. Potrafi ona sygnalizować nietypowe wzorce, identyfikować ukryte ekspozycje oraz wspierać analizę scenariuszy. Może to być szczególnie cenne w przypadku złożonych klientów posiadających aktywa w wielu bankach, podmiotach i jurysdykcjach.

Platforma Aladdin firmy BlackRock jest często przytaczana jako przykład tego, jak zarządzanie ryzykiem inwestycyjnym stało się bardziej zindustrializowane. Jej znaczenie wynika z szerszej zasady: zarządzanie ryzykiem odchodzi od fragmentarycznej sprawozdawczości w kierunku zintegrowanej analityki.

Majątek prywatny podąża w tym samym kierunku, choć ma inne potrzeby. Family office lub prywatny bank nie musi jedynie wiedzieć, jak portfel radził sobie w ostatnim kwartale. Musi wiedzieć, gdzie obecnie kumuluje się ryzyko.

Zmiany w roli doradcy

Sztuczna inteligencja nie sprawi, że doradca stanie się zbędny. Sprawi natomiast, że słabe porady staną się bardziej widoczne.

Klienci mogą akceptować standardową obsługę, gdy sytuacja na rynkach jest spokojna, a zyski wysokie. Stają się jednak mniej wyrozumiali, gdy wzrasta zmienność, wartość portfeli spada lub pojawiają się problemy z płynnością. W takich momentach doradca musi wyjaśnić, co się stało, co ma znaczenie i jakie działania należy podjąć.

Sztuczna inteligencja może przygotować analizę. Nie może jednak ponosić odpowiedzialności powierniczej.

Właśnie w tym momencie rola człowieka nabiera większego znaczenia. Doradcy będą musieli interpretować wyniki modeli, weryfikować założenia, rozumieć psychologię klienta oraz jasno przedstawiać kompromisy. Będą też musieli wiedzieć, kiedy nie należy kierować się modelem.

Maszyna może zalecić zmianę alokacji aktywów. Nie jest jednak w stanie w pełni zrozumieć rodzinnego sporu, obaw związanych ze spadkiem, emocjonalnego przywiązania założyciela do udziałów w firmie ani strachu klienta przed utratą kontroli.

Przyszły doradca będzie zatem bardziej analityczny, a nie mniej ludzki.

Najpierw odczuje to dział administracyjny

Wiele korzyści płynących z wykorzystania sztucznej inteligencji będzie mniej widocznych dla klientów. Kontrola zgodności, przegląd dokumentów, proces wdrażania nowych pracowników, sprawozdawczość, monitorowanie transakcji oraz procesy administracyjne to obszary, w których sztuczna inteligencja może ograniczyć nakład pracy ręcznej.

Program COiN firmy JPMorgan Chase, wykorzystujący uczenie maszynowe do analizy dokumentów prawnych, pokazał, w jaki sposób duże instytucje finansowe mogą stosować sztuczną inteligencję w powtarzalnych i pracochłonnych procesach. W zarządzaniu majątkiem podobna logika ma zastosowanie do dokumentacji klientów, ocen adekwatności, sprawozdawczości oraz kontroli operacyjnych.

Ma to znaczenie, ponieważ zarządzanie majątkiem prywatnym wiąże się często z dużym nakładem pracy operacyjnej. Świadczenie usług wymagających intensywnego kontaktu z klientem może być kosztowne. Jeśli sztuczna inteligencja zmniejszy obciążenia administracyjne, doradcy będą mogli poświęcić więcej czasu klientom, a mniej na same procedury.

Należy jednak podchodzić do automatyzacji z rozwagą. Błędy w dokumentacji, kwestiach zgodności lub przestrzegania przepisów mogą pociągać za sobą konsekwencje prawne i negatywnie wpłynąć na reputację. Efektywność ma wartość tylko wtedy, gdy zachowana jest ścisła kontrola.

To dane stanowią prawdziwe ograniczenie

Największą przeszkodą nie jest algorytm. Są nią dane.

Osoby zarządzające majątkiem często mają do czynienia z fragmentarycznymi informacjami. Aktywa klientów mogą znajdować się w różnych bankach, u różnych powierników, podmiotów zarządzających aktywami, spółek holdingowych i zewnętrznych doradców. Wycena majątku prywatnego może odbywać się nieregularnie. Struktury rodzinne mogą być złożone. Dokumenty mogą być niekompletne lub niespójne.

Sztuczna inteligencja sama w sobie nie jest w stanie rozwiązać problemu nieodpowiedniego zarządzania danymi. Jeśli dane wejściowe są słabej jakości, wyniki mogą być mylące. Istnieje ryzyko, że firmy będą przedstawiać wnioski wygenerowane przez sztuczną inteligencję z większą pewnością, niż na to zasługują informacje, na których się opierają.

Zanim sztuczna inteligencja zrewolucjonizuje zarządzanie majątkiem, firmy muszą zadbać o przejrzystszą architekturę danych, lepszą integrację oraz jasny podział odpowiedzialności za informacje. Nie jest to praca, która przyciąga uwagę. Jest jednak niezbędna.

Ustawodawca nie pozostanie bierny

Wykorzystanie sztucznej inteligencji w doradztwie finansowym będzie przedmiotem szczegółowej kontroli. Organy regulacyjne będą chciały dowiedzieć się, w jaki sposób tworzone są modele, jak nadzorowane są rekomendacje, w jaki sposób chronione są dane klientów oraz kto ponosi odpowiedzialność w razie niepowodzenia.

Jest to kwestia szczególnie delikatna w zarządzaniu majątkiem, ponieważ doradztwo musi być dostosowane do potrzeb klienta. Jeśli sztuczna inteligencja ma wpływ na rekomendacje dotyczące portfela, profilowanie ryzyka lub wybór produktów, firmy muszą być w stanie wyjaśnić ten proces.

Problem stanowi brak przejrzystości. Firma nie może po prostu stwierdzić, że model wygenerował wynik. Musi zrozumieć, dlaczego ten wynik powstał, czy jest on właściwy oraz w jaki sposób został zweryfikowany.

Kierunek zmian regulacyjnych jest zatem przewidywalny: sztuczna inteligencja będzie dozwolona, ale kluczowe znaczenie będzie miało jej zarządzanie.

Powstaje przepaść między konkurentami

Sztuczna inteligencja pogłębi przepaść między doradcami finansowymi, którzy poważnie inwestują w technologie, a tymi, którzy traktują je jedynie jako chwyt marketingowy.

Duże firmy mogą mieć przewagę pod względem zasobów danych, infrastruktury i wewnętrznej wiedzy specjalistycznej. Nie oznacza to jednak, że mniejsze firmy nie mają szans. Mogą one korzystać ze specjalistycznych platform, usług zewnętrznych dostawców oraz bardziej ukierunkowanych narzędzi, aby usprawnić sprawozdawczość, badania i obsługę klienta.

Decydującym czynnikiem nie będzie sama wielkość. Będzie nią integracja.

Firma, która wdraża sztuczną inteligencję w ramach nieuporządkowanego modelu operacyjnego, może osiągnąć niewiele. Natomiast firma dysponująca spójnymi danymi, ustrukturyzowanymi procesami i jasną ofertą dla klientów może wykorzystać sztuczną inteligencję do udoskonalenia swoich usług.

Co powinni teraz zrobić doradcy finansowi

Punktem wyjścia powinno być raczej praktyczne podejście, a nie promocja.

Firmy powinny określić, w jakich obszarach sztuczna inteligencja może rozwiązać rzeczywisty problem: monitorowanie portfela, sprawozdawczość dla klientów, przegląd dokumentów, zapewnienie zgodności z przepisami, analizy inwestycyjne czy wydajność doradców. Każdy przypadek zastosowania wymaga innych danych, mechanizmów kontroli i poziomu nadzoru ze strony człowieka.

Powinni również szkolić doradców. Narzędzia oparte na sztucznej inteligencji są przydatne tylko wtedy, gdy osoby z nich korzystające rozumieją ich ograniczenia. Doradcy nie muszą stawać się analitykami danych, ale muszą umieć zadawać lepsze pytania systemom, z których korzystają.

Należy jasno wyjaśnić klientom, w jaki sposób sztuczna inteligencja wspiera świadczenie usług. Technologia ta powinna zwiększać przejrzystość doradztwa, a nie dodawać mu tajemniczości.

Prawdziwym sprawdzianem jest zaufanie

W ciągu najbliższych kilku lat sztuczna inteligencja będzie coraz bardziej obecna w sektorze zarządzania majątkiem. Będzie wspierać zarządzanie ryzykiem, sprawozdawczość, segmentację klientów, analizy inwestycyjne oraz usprawniać działalność operacyjną. W niektórych segmentach rynku przyczyni się do obniżenia kosztów, a w innych poprawi jakość kompleksowego doradztwa.

Branża powinna jednak unikać przesadnych twierdzeń. Sztuczna inteligencja nie wyeliminuje niepewności z rynków. Nie zastąpi ludzkiej oceny sytuacji. Nie zmieni słabych doradców w godnych zaufania konsultantów.

Jej prawdziwa wartość leży gdzie indziej: w lepszym dostępie do informacji, szybszej analizie, bardziej spersonalizowanej obsłudze oraz wcześniejszym wykrywaniu zagrożeń.

Dla doradców finansowych nie chodzi już o to, czy sztuczna inteligencja będzie miała znaczenie. Ma je już teraz. Trudniejsze pytanie brzmi: czy potrafią ją wykorzystać w sposób, który wzmocni relacje z klientami, a nie je osłabi.

W sektorze prywatnego zarządzania majątkiem technologia odnosi sukces tylko wtedy, gdy wzmacnia zaufanie.