آیا هوش مصنوعی بر وال استریت تسلط خواهد یافت؟

هوش مصنوعی (AI) چشم‌اندازهای امیدوارکننده‌ای را برای بانک‌ها ارائه می‌دهد، زیرا کارهای روزانه را کارآمدتر می‌کند. تجزیه و تحلیل پیچیده و مدل‌سازی ریسک نیز به لطف این ابزار آسان‌تر و سریع‌تر انجام می‌شود.

طبق گزارش Business Insider ، هوش مصنوعی سال‌هاست که در وال استریت انقلابی ایجاد کرده است و اکنون اکثر معاملات توسط الگوریتم‌ها انجام می‌شوند. الگوریتم‌ها با پردازش اطلاعات دریافتی، تجزیه و تحلیل آن و تصمیم‌گیری در مورد خرید یا فروش، به انجام ۶۰ تا ۷۵ درصد از معاملات روزانه در وال استریت، مرکز مالی شهر نیویورک، کمک می‌کنند. با این حال، اکنون سوال این است که آیا این درصد می‌تواند بیشتر باشد و آیا هوش مصنوعی به طور کامل مشاغل انسانی را در سودآوری تصاحب خواهد کرد؟

مسابقه برای به کارگیری هوش مصنوعی

وال استریت پیش‌بینی می‌کند که هوش مصنوعی تأثیر قابل توجهی بر معاملات مالی خواهد داشت. طبق نظرسنجی جی‌پی‌مورگان، یکی از قدیمی‌ترین شرکت‌های خدمات مالی جهان مستقر در نیویورک، ۵۳ درصد از معامله‌گران معتقدند که هوش مصنوعی یا یادگیری ماشینی در سه سال آینده تأثیرگذارترین فناوری در معاملات خواهد بود (در مقایسه با ۲۵ درصد در سال ۲۰۲۲).

طبق داده‌های جدید شرکت مشاوره آمریکایی Evident، در پیشرفته‌ترین بانک‌ها، تقریباً ۴۰ درصد از فرصت‌های شغلی مربوط به هوش مصنوعی است، مانند مهندسان داده و کمی، مدیران و غیره.

شرکت فناوری جهانی ایگن تکنولوژیز (Eigen Technologies) مستقر در نیویورک که خدمات هوش مصنوعی را به بانک‌هایی مانند گلدمن ساکس و ING ارائه می‌دهد، اعلام کرد که درخواست‌های هوش مصنوعی از سوی بانک‌ها در سه‌ماهه اول سال ۲۰۲۳ در مقایسه با مدت مشابه سال گذشته پنج برابر شده است.

الکساندرا موسوی‌زاده، مدیرعامل و یکی از بنیانگذاران Evident، گفت که انتشار ChatGPT توسط Open AI (US) در نوامبر 2022، رهبران بانک‌ها را بیشتر آگاه کرد که هوش مصنوعی به دلیل چشم‌اندازهای فراوانش، یک عامل تغییر دهنده بازی در بخش بانکی است. موسوی‌زاده تأکید کرد: «هزینه استعدادهای هوش مصنوعی به طور قابل توجهی افزایش یافته است. یک مسابقه هوش مصنوعی آغاز شده است.»

بانک‌های بیشتری در وال استریت در حال پذیرش فناوری هوش مصنوعی هستند.

یک نمونه بارز از کاربرد هوش مصنوعی در بخش مالی و بانکی، توسعه محصولی توسط دویچه بانک، بزرگترین گروه بانکی خصوصی آلمان، است که قادر به تجزیه و تحلیل ریسک سرمایه‌گذاری‌های مشتریانش است. این بانک همچنین از این ابزار برای یافتن صندوق‌ها، سهام و اوراق قرضه‌ای که متناسب با نیازها و خواسته‌های هر مشتری باشد، استفاده می‌کند.

کرستن آن برمکه، رئیس بخش راهکارهای جهانی داده در دویچه بانک، از طرفداران سرسخت ادغام هوش مصنوعی و هوش انسانی است.

گروه چندملیتی بانکداری و خدمات مالی ING (هلند) از هوش مصنوعی برای غربالگری نکول‌کنندگان بالقوه استفاده می‌کند. در همین حال، مورگان استنلی در رقابت برای استفاده از هوش مصنوعی است و با استفاده از مدل‌های زبان بزرگ (LLM) فناوری‌های جدید هوش مصنوعی را آزمایش می‌کند. مورگان استنلی در حال حاضر دارای حق ثبت اختراع برای مدلی است که از هوش مصنوعی و یادگیری ماشینی برای تعیین اینکه آیا اطلاعات فدرال رزرو ایالات متحده (Fed) نشان‌دهنده سیاست دوویش یا هاکیش است، استفاده می‌کند و از این طریق به آنها در پیش‌بینی اقدامات سیاست پولی کمک می‌کند.

جی‌پی‌مورگان نیز برنامه‌های مشابهی دارد. در درخواست ثبت اختراعی که در ماه مه ارائه شد، این بانک اظهار داشت که محصولی مانند ChatGPT ایجاد کرده است که قادر به کمک به سرمایه‌گذاران در انتخاب سهام مناسب است. داده‌های مشهود نشان می‌دهد که جی‌پی‌مورگان از طریق تبلیغات جهانی، بین فوریه و آوریل ۳۶۵۱ موقعیت شغلی مرتبط با هوش مصنوعی را استخدام کرده است که تقریباً دو برابر رقبای خود، سیتی‌گروپ و دویچه بانک، است.

معامله‌گران در بورس نیویورک

استیون باروز، مدیر شرکت حقوقی چندملیتی فیلدفیشر، گفت که بانک‌ها از هوش مصنوعی برای ارائه راه‌حل‌های مناسب‌تر برای پوشش ریسک از طریق ابزارهایی مانند سوآپ نرخ بهره و مشتقات سهام استفاده می‌کنند و به آنها اجازه می‌دهند قیمت‌های بهتری به مشتریان ارائه دهند. در همین حال، یوری نومیواکا، رئیس تحقیقات یادگیری ماشینی در مورگان استنلی، گفت: «هر کسب‌وکار، دپارتمان معاملاتی و تیم سرمایه‌گذاری در تلاش است تا درک عمیقی از هوش مصنوعی به دست آورد.»

ولز فارگو، یک بانک آمریکایی، از مدل‌های زبان بزرگ برای کمک به تعیین اطلاعاتی که مشتریان باید به نهادهای نظارتی گزارش دهند، استفاده می‌کند و در عین حال به آنها در بهبود فرآیندهای تجاری‌شان نیز کمک می‌کند. در همین حال، BNP Paribas، یک بانک فرانسوی، از چت‌بات‌ها برای پاسخ به سوالات مشتریان و به‌کارگیری هوش مصنوعی برای تشخیص و جلوگیری از کلاهبرداری و پولشویی استفاده می‌کند. به طور مشابه، Cast، ابزار نظارت و تحلیل مبتنی بر هوش مصنوعی Societe Generale (فرانسه)، از قدرت محاسباتی خود برای اسکن تخلفات احتمالی در بازارهای سرمایه استفاده می‌کند.

دولت‌ها در سراسر جهان در تلاشند تا راه‌هایی برای تنظیم ابزارهای هوش مصنوعی پیدا کنند.

شفافیت و کارایی

اگرچه افزایش کاربرد هوش مصنوعی در بخش‌های مالی و بانکی تغییرات مثبتی را به همراه دارد، اما چالش‌های قابل توجهی را نیز برای بازار مالی ایجاد می‌کند: از خطر از دست دادن شغل گرفته تا شفافیت و کارایی این فناوری.

اول، خطر از دست دادن شغل در آینده به طور قابل توجهی افزایش خواهد یافت. تحلیلگران گلدمن ساکس نگرانند که ۳۰۰ میلیون شغل تمام وقت در سطح جهان توسط هوش مصنوعی خودکار شود. این تعداد می‌تواند شامل ۳۵٪ از بخش تجاری و مالی در ایالات متحده باشد.

وارن بافت، میلیاردر و رئیس هیئت مدیره شرکت برکشایر هاتاوی، در جلسه سالانه سهامداران این شرکت در تاریخ ۶ می، نگرانی خود را ابراز کرد و گفت: «وقتی چیزی می‌تواند انواع کارها را انجام دهد، من کمی نگران هستم. زیرا می‌دانم که نمی‌توانیم این روند را معکوس کنیم.» برایان موینیهان، مدیرعامل بانک آمریکا، با بیان این دیدگاه، ارزیابی کرد که هوش مصنوعی می‌تواند مزایای عظیمی به همراه داشته باشد و بسیاری از وظایف را کاهش دهد، اما درک چگونگی گردش کار و فرآیند تصمیم‌گیری بسیار مهم است.

اگرچه کاربرد هوش مصنوعی تأثیرات مثبتی دارد، اما با چالش‌هایی نیز همراه است.

ثانیاً، شفافیت مسئله‌ای بسیار مهم در گسترش استفاده از هوش مصنوعی در بخش بانکی و مالی است. بانک‌ها موظفند تراکنش‌ها را انجام دهند و تصمیمات مربوط به تراکنش‌ها را بر اساس اطلاعات تأیید شده بگیرند. به گفته کارشناس آن بومونت، شریک شرکت حقوقی فریدمن کاپلان سیلر آدلمن و رابینز ال‌ال‌پی (ایالات متحده آمریکا)، هنگامی که هوش مصنوعی به طور گسترده مورد استفاده قرار گیرد، توضیح به مشتریان و نهادهای نظارتی مبنی بر اینکه بانک برای تصمیم‌گیری به چه داده‌هایی تکیه کرده و آیا استفاده از آن داده‌ها موجه بوده است یا خیر، بسیار دشوار می‌شود.

علاوه بر این، به گفته پروفسور آلن بلکول، استاد علوم کامپیوتر و فناوری در دانشگاه کمبریج (بریتانیا)، بانک‌ها برای «آموزش» ابزارهای هوش مصنوعی نیاز به استفاده از کلان‌داده‌های منابع مختلف دارند و مشکلات زیادی از این بابت ایجاد خواهد شد.

سوم، هزینه توسعه و بهره‌برداری از ابزارهای هوش مصنوعی بسیار گران است. لوئیس زد. لیو، بنیانگذار و مدیرعامل شرکت Eigen Technologies، اظهار داشت که هزینه تخمینی استفاده از مدل‌های زبانی در مقیاس بزرگ برای پاسخ به سوالات موکلان حدود ۱۴ دلار برای هر سوال است، در حالی که هزینه پاسخگویی وکلا فقط حدود ۶ دلار برای هر سوال است.

اگرچه نقش هوش مصنوعی در معاملات وال استریت چیز جدیدی نیست، بسیاری از تحلیلگران در مورد آینده‌ای صحبت می‌کنند که در آن هوش مصنوعی می‌تواند به طور کامل جایگزین انسان‌ها در معاملات مالی شود و سودآوری ایجاد کند، به خصوص با توجه به کاربرد گسترده و پررونق هوش مصنوعی. امروزه، بانک‌ها در رقابت شدیدی برای توسعه و به‌کارگیری هوش مصنوعی برای افزایش بهره‌وری کسب‌وکار هستند و از این طریق در آینده نزدیک تغییرات سریعی را در صنعت بانکداری و امور مالی ایجاد می‌کنند. با این حال، شرکت‌های مشاوره‌ای همگی موافقند که بانک‌ها برای تدوین یک استراتژی روشن برای کاربرد هوش مصنوعی، باید به وضوح مشخص کنند که هوش مصنوعی در کدام حوزه‌ها ارزش برتر ایجاد می‌کند. علاوه بر این، آنها باید بر آموزش کارکنان، استخدام متخصصان بیشتر و ایجاد یک چارچوب جدید مدیریت ریسک برای رسیدگی به مسائل مربوط به هوش مصنوعی، محیط سیاست‌گذاری نامشخص برای کاربرد هوش مصنوعی و مسائل مربوط به دقت داده‌ها تمرکز کنند.

لینک منبع: https://thanhnien.vn/lieu-ai-co-thong-tri-pho-wall-185230615140024804.htm