Varlık Yönetiminde Yapay Zeka: Bernstein yatırımcılar için 10 en iyi uygulamayı sıraladı

Investing.com — Bernstein Research yakın zamanda yayınladığı bir notta, üretken yapay zekayı varlık yönetimine entegre etmeyi amaçlayan yatırımcılar için 10 en iyi uygulamayı belirledi. Bu uygulamalar, ölçeklenebilir ve etkili bir yapay zeka kullanımı için bir yol haritası sunuyor.

Aracı kurum, yapay zekanın faydasını en üst düzeye çıkarmak için yapılandırılmış verilerin, hedefli iş akışlarının ve ölçülebilir sonuçların önemini vurguluyor. Bernstein öncelikle temiz, yapılandırılmış dahili verilerin gerekliliğine dikkat çekiyor.

Toplantı notlarını, e-postaları ve yatırım notlarını sistematik olarak kaydeden fonlar, karar verme süreçlerindeki içgörüleri çıkarmak için halihazırda yapay zeka kullanıyor. Portföy yöneticilerinin çerçevelerini yansıtacak şekilde yatırım notlarının geliştirilmesi, yapay zekanın işlemlerin arkasındaki mantığı daha iyi anlamasını sağlıyor. İstem mühendisliği de bir diğer önemli alan.

Bernstein, deneme yanılma tekrarını azaltmak için paylaşılan bir istem veritabanı oluşturulmasını öneriyor. İstem tasarımı için “MARS” çerçevesini öneriyor: Metrikler, Uygulanabilir, Rol, Senaryo.

Örneğin Maybank Varlık Yönetimi, kazanç tahminleri ve güven seviyeleri oluşturmak için ChatGPT ile mühendislik istemlerini kullanırken, GIC benzer tekniklerle görsel verilerden içgörüler çıkarma yeteneğini gösteriyor.

Verilerin merkezileştirilmesi de kritik öneme sahip. Sektörel silolardan birleşik gösterge panellerine geçiş, yapay zeka araçlarının tüm firma çapındaki veri setlerine erişmesine olanak tanıyor. Örnekler arasında Maybank’ın temel bilgileri, teknik analizleri, nicel puanları ve yapay zeka tarafından oluşturulan özetleri birleştiren arayüzü yer alıyor.

Yapay zekayı etkili bir şekilde ölçeklendirmek için Bernstein, günlük iş akışlarının belirli kullanım durumlarına ayrılmasını öneriyor. Kazanç raporlarını özetlemek veya hisseleri taramak gibi en önemli kullanım durumlarını belirleyen ve önceliklendiren firmalar, daha odaklı bir uygulama görüyor.

Bu süreci kolaylaştırmak için yapılandırılmış ofis dışı egzersizler öneriliyor. Ekipler içindeki düzenli bilgi paylaşımı oturumları, yapay zeka kullanımını normalleştirmeye ve deneyleri teşvik etmeye yardımcı oluyor. Bu oturumlar, özellikle kullanım durumları, istem teknikleri ve satıcı araçları geniş çapta paylaşıldığında benimsemeyi iyileştiriyor.

Hisse senetleri, sabit gelir, hukuk veya uyum gibi departmanlara gömülü uzmanlar olan dikey yapay zeka şampiyonlarının geliştirilmesi, çözümlerin gerçek kullanım durumlarına yakın kalmasını sağlıyor. Bernstein, bunu merkezi yapay zeka komitelerine güvenmekten daha etkili buluyor.

Rapor ayrıca özel yapay zeka yeteneklerine olan artan ihtiyaca da işaret ediyor. Bazı firmalar belirli ekip üyelerini yapay zeka araçlarına odaklanmaları için görevlendiriyor veya dışarıdan uzmanlar işe alıyor. Bu kaynaklar, bir seferde bir kullanım durumu üzerinde çalışıyor, satıcı çözümlerini test ediyor ve uygulama çabalarına öncülük ediyor.

Daloopa ve ModelML gibi araçlar, model otomasyonu ve dahili veri entegrasyonu için örnek gösteriliyor.

Dahili araçlar geliştirmeyen firmalar için, uygulama ortaklarıyla erken etkileşim kurmak veya hazır yapay zeka araçlarını benimsemek, derin teknik uzmanlık gerektirmeden ilerlemeyi hızlandırabilir.

Yakın gelecekte, kuruluşlar insanlar ve yapay zeka ile hibrit ekiplerle çalışmaya hazırlanmalı. Yapay zeka destekli analistler ve portföy yöneticileri halihazırda bazı varlık yöneticileri tarafından pilot olarak uygulanıyor, ancak bunlar sağlam veri altyapısı ve yönetişim gerektiriyor.

Önemli olarak, Bernstein üretken yapay zekanın etkisini değerlendirmek için net metriklerin gerekliliğini vurguluyor.

Operasyonel verimlilik için temel ölçütler arasında otomatikleştirilen görevlerin yüzdesi ve hata oranı azaltma yer alıyor. Araştırmada, içgörü oluşturma süresi, yapay zeka tarafından oluşturulan fikirlerin hacmi ve insan çıktısıyla karşılaştırmalar gibi kriterler bulunuyor. Portföy yönetiminde başarı, senaryo analizi sırasında tasarruf edilen zaman ve yapay zeka uygulaması sonrası kararlarda önyargıdan kaçınma sıklığı ile değerlendirilebilir.

Bu makale yapay zekanın desteğiyle oluşturulmuş, çevrilmiş ve bir editör tarafından incelenmiştir. Daha fazla bilgi için Şart ve Koşullar bölümümüze bakın.