De beleggingsindustrie worstelt met drie belangrijke uitdagingen: een drastische verandering in klantverwachtingen sinds het verschijnen van de smartphone, een litanie aan voorschriften sinds de financiële crisis in 2008, en verstoringen door nieuwe technologieën die gevestigde bedrijfsmodellen op hun kop kunnen zetten.

Bovendien is het door de stortvloed aan gegevens zeer moeilijk om ruis van informatie te onderscheiden en vinden fondsbeheerders het erg moeilijk om de ongrijpbare alfagegevens te vinden. Beleggingsmaatschappijen kunnen niet langer op reputatie-inertie (traagheid) draaien, maar moeten de uitdagingen van het nieuwe tijdperk het hoofd bieden.

Kunstmatige intelligentie (AI) is, in de woorden van Dr. Andrew Ng, de nieuwe vorm van elektriciteit, en als zodanig kan het worden gebruikt om licht te schijnen in de donkere poelen met bedrijfsgegevens. Het concept kan businessmodellen omvormen door het identificeren van nieuwe inkomstenstromen.

Natuurlijk zijn er nog veel meer fascinerende aspecten van AI, zoals vertaalopties, logische programmering, overdrachtelijk leren, versterkend leren, et cetera. De toepassing van AI in een bedrijfscontext is op de keper beschouwd een verzameling van technologieën en wiskundige technieken die ons in staat stelt om gegevens binnen en buiten de organisatie te verzamelen en die te gebruiken om te voorspellen of patronen te vinden.

Zakelijke context

AI in een zakelijke context verschilt echter zeer duidelijk van de AI zoals die wordt aangeboden voor de consument. De acceptatie van kunstmatige intelligentie loopt in deze twee domeinen daarom sterk uiteen. Ten eerste hebben bedrijven niet zoveel gelabelde gegevens als de consumentenomgeving, zodat diepgaande leeralgoritmen die grote hoeveelheden gegevens nodig hebben niet zo nuttig zijn.

Ten tweede gelden voor bedrijven veel strengere eisen op het gebied van veiligheid en privacy, in vergelijking met de consumentenomgeving. Wiskundige technieken zoals differentiële privacy, et cetera bevinden zich nog steeds grotendeels in een onderzoeksstadium.

Ten derde is het zogenaamde deep learning, de basis van de vooruitgang van AI in het afgelopen decennium, niet erg verklaarbaar of menselijk te interpreteren.

Uitdagingen en problemen

De problematiek voor ondernemingen is zeer verschillend, bijvoorbeeld hoe grafieken in een pdf kunnen worden ingelezen, of hoe een tekst kan worden gecontextualiseerd voor het bedrijfsdomein. Dit blijven tot dusver lastige problemen voor AI, waarbij menselijk ingrijpen nog steeds nodig is.

En tot slot zijn er toepassingsproblemen binnen de onderneming. We hebben het over bedrijfsprocessen die in de loop van tientallen jaren en zelfs eeuwen zijn ontwikkeld. Als we het dus over de toepassing van AI in het bedrijfsleven hebben, kunnen we niet zomaar de kennis in die bedrijfsprocessen, waaronder ook IT-systemen en personeel vallen, negeren.

Buitenproportioneel effect

Afgezien van de bovenstaande uitdagingen bij de toepassing van AI in het bedrijfsleven heeft AI vooralsnog geen transformationele impact gehad op beleggingsbeheer, met name voor welgestelde en zeer welgestelde cliënten. Kunstmatige intelligentie gaat echter in de komende twee tot drie jaar zeker de onderscheidende factor zijn, en zal een buitenproportioneel effect gaan hebben op de activiteiten op het gebied van beleggingsbeheer, zoals front-office-advies, risicobeheer (met inbegrip van fraudeopsporing) en papieren backoffice-activiteiten.

Bedrijven moeten dringend overwegen hoe AI kan worden ingezet om nieuwe inkomstenstromen te openen, nieuwe zakelijke kansen te creëren, nieuwe productlijnen (ETF 2.0 – exchange traded fund, red.) met slimmere bèta’s te creëren, de ongrijpbare alfagegevens te identificeren of private-equity-investeringen te evalueren.

REAGEREN

Plaats je reactie
Je naam