Trumpas atsakymas: dirbtinis intelektas visiškai nepakeis investicinių bankininkų, tačiau perims didelę dalį jaunesniųjų „gamybinio“ darbo ir sumažins kai kurių komandų skaičių, nes darbo eigos bus pertvarkytos. Jei įmonės gali aptverti įrankius atitikties ribose ir užtikrinti sandarų auditą, analitikų darbas greitai susitraukia; jei pasitikėjimas suyra dėl spaudimo, sprendimą vis tiek priima žmonės.
Svarbiausios išvados:
Užduočių automatizavimas : naudokite dirbtinį intelektą pirmiesiems juodraščiams, santraukoms, santraukoms ir skaidrių formatavimui.
Žmogiškasis pranašumas : dėmesys pasitikėjimui, deryboms, politikai ir atskaitomybei realiuose sandoriuose.
Vyresnių pareigų kaita : analitikai susitraukia; darbuotojai / viceprezidentai įgyja įtakos peržiūrėdami ir vertindami.
Pirmiausia kontrolė : reikalaukite audito takų, neapibrėžtumo žymų ir griežtų atitikties apribojimų.
Treniruočių rizika : jei dingsta sunkus darbas, atkurkite mokymąsi apgalvotais praktikos ciklais.
Straipsniai, kuriuos galbūt norėsite perskaityti po šio:
🔗 Ar dirbtinis intelektas artimiausiu metu pakeis radiologus?
Kaip vaizdavimo darbai gali pasikeisti naudojant dirbtinio intelekto diagnostiką.
🔗 Ar dirbtinis intelektas pakeis buhalterius, ar pakeis jų vaidmenį?
Ką gali atlikti automatizavimas ir kur žmonės vis dar svarbūs.
🔗 Ar dirbtinis intelektas pakeis duomenų analitikus: tikrieji pokalbiai
Praktinis požiūris į užduotis, kurias dirbtinis intelektas gali ir ko negali pakeisti.
🔗 Ar dirbtinis intelektas pakeis teisininkus? Sudėtingesnis klausimas, nei atrodo
Kodėl teisinis darbas priešinasi visiškam automatizavimui, nepaisant sparčios dirbtinio intelekto pažangos.
Trumpas atsakymas į klausimą „Ar dirbtinis intelektas pakeis investicinius bankininkus“ 📌
Dirbtinis intelektas vargu ar visiškai pakeis investicinius bankininkus nuo pradžios iki galo, nes bankininkystė ne tik gamina rezultatus – ji pelno pasitikėjimą, įveikia dviprasmybes ir sudaro sandorius, kai visi turi skirtingas paskatas ir selektyvią atmintį.
Bet DI neabejotinai:
-
analizės, braižymo ir apdorojimo darbų dalis
-
Suspausti pristatymo ir vykdymo laiko juostas
-
Sumažinti žmonių, reikalingų tam tikriems darbo sluoksniams, skaičių
-
Vertės poslinkis link santykių arklio galios + sprendimo + pasiskirstymo
-
Priversti bankus permąstyti analitiko ir darbuotojo „pameistrystės“ modelį
Taigi, jei klausiate „Ar dirbtinis intelektas pakeis investicinius bankininkus“, tarsi tai būtų vienas „taip“/„ne“ perjungimas, tiesus atsakymas yra: dirbtinis intelektas pakeičia užduotis, o ne visą rūšį 🧠🤖
Greitas realybės patikrinimas: tai ne „kada nors“ – tai jau yra darbo jėgos matematikoje 🔢
Aiškus būdas tai suformuluoti: vadovai nediskutuoja , ar dirbtinis intelektas yra svarbus – jie atsižvelgdami į tai planuoja biudžetą.
-
Pasaulio ekonomikos forumo darbdavių apklausoje 86 % respondentų tikisi, kad dirbtinis intelektas ir informacijos apdorojimo technologijos iki 2030 m. pakeis jų verslą, o tame pačiame tyrime pabrėžiamas didelio masto darbo vietų kaita (sukūrimas + perkėlimas), kurią lemia struktūrinė transformacija. [1]
-
Tuo tarpu svarbūs produktyvumo tyrimai teigia, kad generatyvusis dirbtinis intelektas gali iš esmės pakeisti valandinį našumą, jei organizacijos sėkmingai perskirsto laiką ir perprogramuoja darbo eigą (didelis „jei“, bet tai ir yra esmė). [2]
Vertimas: net jei „bankininkai“ neišnyks, veiklos modelis neliks toks pats.
Ką veikia investiciniai bankininkai (tą dalį, kurią žmonės pamiršta) 🧾📈
Jei investicinė bankininkystė būtų tik skaičiuoklės ir skaidrių rinkiniai, ši diskusija jau būtų pasibaigusi. Tačiau šis darbas labiau primena penkis darbus, sudėtus į lietpaltį:
-
Pradinis taškas (darbo paieška ir laimėjimas).
Santykių kūrimas, pozicionavimas, laiko parinkimas, politika. Truputis terapijos, truputėlis strategijos, truputėlis šachmatų ♟️ -
Vykdymas (sandorio įvykdymas).
Koordinavimas tarp teisininkų, buhalterių, vidaus komitetų, klientų vadovybės, sandorio šalių... plius nuolatinės „mažos“ krizės. -
Vertinimas ir pasakojimas.
Ne tik skaičiai – istorija, kuri atlaiko net ir kruopštų tyrimą. Kodėl šis sandoris, kodėl dabar, kodėl tokia kaina. -
Procesų valdymo
terminai, duomenų saugyklos, patikrinimo užklausos, suinteresuotųjų šalių banda. Tai iš esmės profesionalus kačių valdymas 🐈 -
Rizikos valdymas ir reputacijos vertinimas.
Ko nedaryti, yra tiek pat svarbu, kiek ir ką daryti. Kartais net ir dar svarbiau.
Dirbtinis intelektas gali padėti su visais penkiais. Visus penkis pakeisti yra sunkiau.
Kas daro dirbtinio intelekto versiją gerą investicinėje bankininkystėje 🤝🤖
„Gera“ dirbtinio intelekto versija bankininkystėje nėra ta, kuri sukuria gražiausią pastraipą. Ji yra ta, kuri elgiasi kaip patikimas jaunesnysis komandos draugas, kuris:
-
Nehaliucinuoja (arba bent aiškiai parodo netikrumą)
-
Paaiškina savo prielaidas nevirsdamas filosofijos paskaita
-
Veikia laikydamasi atitikties apribojimų ir dėl to nesiskųsdama
-
Naudoja nuoseklius šablonus ir versijų kontrolę (bankininkystė yra alergiška atsitiktinumui)
-
Supranta kontekstą – sektoriaus dinamiką, sandorių struktūros normas, klientų jautrumą
-
Išsaugo audito įrašą , kad vėliau būtų galima apginti rezultatus 😬
Taip pat: finansų sektorius jau diegia dirbtinį intelektą (įskaitant „GenAI“) tokiose srityse kaip vidinis apdorojimas ir atitiktis, aiškiai nurodydamas tokias rizikas kaip neskaidrumas, privatumas, kibernetinis saugumas ir šališkumas. Ši įtampa yra visas žaidimo aspektas. [3]
Paslėptas reikalavimas yra pasitikėjimas. Modelis gali būti protingas, bet jei juo negalima pasitikėti esant spaudimui, jis tampa našta. Kaip sportinis automobilis su nepatikimais stabdžiais – smagus, kol nebepasitiki.
Kur dirbtinis intelektas pirmiausia iškrenta: bankininkystės „pramoninės“ dalys 🏭🧠
Ankstyviausias poslinkis yra darbe, kuris yra:
-
Didelis tūris
-
Šablonais pagrįstas
-
Žmonės linkę daryti klaidas
-
Lengva patikrinti mechaniškai
Taigi, taip, daug klasikinių analitikų problemų kyla sprogimo zonoje.
Užduotys, kurios greičiausiai bus automatizuotos (arba labai suspaustos)
-
Pirmojo etapo pristatymų tekstų ir rinkos apžvalgų rengimas ✍️
-
Sudaromos lentelės iš struktūrizuotų įvesčių
-
Apibendrinant dokumentus, transkriptus, tyrimų pastabas
-
Skaidrių formatavimas ir prekės ženklo taisyklių laikymasis (sudie, 2 val. nakties lygiavimo karai) 🎯
-
CIM skyrių juodraščių kūrimas iš pateiktų patikrinimo pastabų
-
Greitas kelių vertinimo scenarijų generavimas
-
El. laiškų, būsenos atnaujinimų, susitikimų darbotvarkių rengimas (tie žavingi dalykai...)
Posūkis
Net kai DI „atlieka“ užduotį, žmonės vis tiek:
-
Patikrinkite
-
Pataisykite
-
Ginti tai viduje
-
Pateikite tai išoriškai
Taigi darbas pereina nuo kūrimo prie peržiūros, priežiūros ir vertinimo . Kas skamba lengviau... kol jūs pats nepritariate 😵💫
Labai tipiška vinjetė: 23:17 val., klientas iki ryto nori „griežtesnės istorijos apie nuosavybės vertybinius popierius“, o kažkam reikia trijų versijų trims vidinėms suinteresuotoms šalims. Tvirta dirbtinio intelekto sistema gali parašyti pirmojo etapo kalbą ir sukurti skaidrių šabloną per kelias minutes, o tada partneris / viceprezidentas atlieka tikrąjį darbą: ištaiso tai, kas techniškai teisinga , bet komerciškai neteisinga .
Kur sunkiai sekasi dirbtiniam intelektui: žmogiškieji klijai, kurie užbaigia sandorius 🧩💬
Štai kebli tiesa: didelė dalis investicinės bankininkystės vertės yra socialinė ir situacinė. Ne tariamai socialinė, o kontekstinė.
Dirbtiniam intelektui sunkiau sekasi su:
-
Kliento psichologija: baimė, ego, vidinė politika, valdybos dinamika
-
Derybų niuansas: kas pasakyta, palyginti su tuo, kas turima omenyje
-
Laiko instinktai: kada stumti, kada sustoti
-
Reputacija grįstas pasitikėjimas: „Aš jau mačiau šį filmą anksčiau, nežiūrėkite to“
-
Kūrybinis struktūrizavimas esant apribojimams (mokesčiai, valdymas, reguliavimo trintis)
-
Atsakomybė: klientai nori žmogaus, kuris prisiimtų atsakomybę už patarimus
Modelis gali pasiūlyti struktūrą. Jis negali sėdėti priešais pusiau piktą, pusiau išsigandusį generalinį direktorių ir ramiai nukreipti pokalbio atgal prie racionalių pasirinkimų. Tai labai žmogiškas įgūdis. Ne magiškas – žmogiškas.
Palyginimo lentelė: geriausios „DI + bankininkystės“ konfigūracijos (ir kam jos padeda) 📊✨
Štai praktinis požiūris – ne „geriausias dirbtinio intelekto įrankis“ reklaminis tekstas, o „geriausias naudojimo modelis“.
| Įrankis / sąranka | Auditorija | Kaina | Kodėl tai veikia |
|---|---|---|---|
| Analitikas (-ė), atliekantis (-i) lyginamuosius ir juodraščius (-i) | Analitikai, partneriai | $-$$ | Pagreitina pirmuosius juodraščius + sumažina kvailų klaidų skaičių. Vis tiek reikia (visada) patikrinti. |
| Aikštelės generatorius su firminiais apsauginiais turėklais | Aprėpties komandos | $$ | Greitai paverčia apytikslius kontūrus tinkamais naudoti puslapiais... nors formatavimas kartais būna keistas |
| Kruopštumo apibendrintojas + klausimų ir atsakymų robotas | Sandorių komandos | $$-$$$ | Žymiai sutrumpina skaitymo laiką, bet tik tuo atveju, jei prieiga prie duomenų yra švari ir turi leidimą |
| Vidinė žinių paieška (politika, precedentai) | Visi | $$ | Randa atsakymą į klausimą „kaip mums tai pavyko praeitą kartą?“ – labai sutaupo laiko 📚 |
| Ryšių analizė (signalai, klientų susiejimas) | Senjorai, kilmės | $$-$$$ | Padeda pastebėti laiką ir kampus; nepakeičia tikrojo santykio |
| Patvirtinimo darbo eiga + atitikties tikrintuvas | Rizika, teisiniai, bankininkai | $$$ | Užkerta kelią klaidoms, kurios tampa antraštėmis. Taip pat sulėtina procesą... ironiška 😬 |
Taip, kainodara miglota. Tai tyčia. Bankų pirkimai yra tarsi atskira paralelinė visata.
Ar dirbtinis intelektas pakeis investicinius bankininkus: tai priklauso nuo darbo stažo 👔🧑💻
Čia pokalbis įgauna aštrumo.
Analitikai ir jaunesnieji darbuotojai 😵💫
Daug jaunesniojo kurso darbų yra:
-
Braižymas
-
Formatavimas
-
Atnaujinama
-
To paties modelio atkūrimas su nedideliais pakeitimais
Dirbtinis intelektas tai smarkiai suspaudžia. Tai reiškia:
-
Tam pačiam rezultatui gali prireikti mažiau jaunesniųjų kursų studentų
-
Tikimasi, kad likę jaunesnieji žaidėjai greičiau dirbs aukštesniame lygyje
-
„Mokymosi per skausmą“ modelis sutrinka
Yra reali rizika: jei dirbtinis intelektas pašalins sunkaus darbo poreikį, jaunesnieji studentai taip pat gali prarasti kartojimo gebėjimą, kuris ugdo intuiciją. Panašiai kaip išmokti gaminti tik užsisakant maistą – išgyvensi, bet netapsi šefu.
Partneriai ir viceprezidentai 🧠
Šie vaidmenys gali tapti vertingesni, nes jie:
-
Kliento poreikius paversti rezultatais
-
Nustatykite gedimus prieš išsiunčiant prekes
-
Tvarkykite suinteresuotąsias šalis ir terminus
-
Interpretuokite dviprasmybes ir skambinkite
Dirbtinis intelektas juos padaro greitesnius, o ne pasenusius.
MD ir lietaus kūrėjai ☔
Jei iš tiesų pajamas generuojate per santykius ir pasitikėjimą, dirbtinis intelektas jūsų nepakeis. Jis netgi gali padidinti atotrūkį tarp:
-
Bankininkai, kurie gali inicijuoti ir patarti
-
Bankininkai, kurie daugiausia prižiūri procesą
Griežta, bet... taip.
Naujas bankininko įgūdžių rinkinys (t. y. kaip neatsidurti nuošalyje) 🧰🚀
Jei dirbtinis intelektas pašalina pasikartojančią gamybą, lieka tai, už ką žmonės moka.
Įgūdžiai, kurie tampa vertingesni
-
Kliento pasakojimo kūrimas: sudėtingumo pavertimas įsitikinimu 🎤
-
Komercinis sprendimas: kas svarbu, kas ne, kas rizikinga
-
Sektorių modelių atpažinimas: žinojimas, kodėl slypi skaičiai
-
Derybos ir įtaka: vidinė ir išorinė
-
Proceso lyderystė: sandorių vykdymas sudėtingumo sąlygomis
-
Dirbtinio intelekto priežiūra: rezultatų raginimas, patvirtinimas, testavimas nepalankiausiomis sąlygomis
Ir taip, „geras dirbtinio intelekto srityje“ tampa realybe – ne šiaip sau. Greičiau: ar galite jį naudoti atsakingai, greitai ir nesugėdindami komandos?.
Nepatogūs dalykai: rizika, atitiktis ir atsakomybė ⚠️🏛️
Bankininkystė nėra smėlio dėžė. Tai atskaitomybės mašina.
Dvi labai neseksualios realybės lemia įsivaikinimo greitį:
-
Modelių rizikos valdymas nėra neprivalomas.
Bankų reguliavimo institucijos jau seniai turi lūkesčių dėl modelių rizikos valdymo: patvirtinimo, dokumentavimo ir valdymo. (Generatyvusis dirbtinis intelektas stebuklingai negauna leidimo – jis gali tik padidinti kontrolės kartelę.) [4] -
Ryšių ir įrašų saugojimo problemos greitai tampa sudėtingos.
Tarpininkai-prekiautojai turi aiškias prievoles saugoti su verslu susijusius pranešimus (įskaitant elektroninius pranešimus) pagal SEC/FINRA įrašų tvarkymo režimus. Tai svarbu, kai žmonės pradeda klijuoti sandorių kontekstą į įrankius, generuoti juodraščius arba „bendrauti“ su vidiniais robotais. [5]
Taigi diegimas dažnai atrodo maždaug taip: „DI visur... bet tik po to, kai jis yra aptvertas.“
Kaip atrodo ateitis: mažiau sluoksnių, greitesni ciklai, daugiau specializacijos 🔄💼
Realus rezultatas nėra bankininkų išnykimas. Tai bankininkų pertvarkymas:
-
Lean sandorių komandos, kurias palaiko dirbtinio intelekto sistemos
-
Daugiau sektoriaus + produkto + vykdymo talentų „ankštų“
-
Greitesnis pasiūlymų ir modelių kartojimas
-
Didesnis dėmesys paskirstymui (kas gali pateikti užsakymus, kas gali pritraukti pirkėjų, kas gali perkelti kapitalą)
-
Skirstymas tarp:
-
Didelio pasitikėjimo reikalaujantis konsultacinis darbas (daug žmonių)
-
Didelės apimties gamybos darbai (daug dirbtinio intelekto)
-
Taip pat tikėkitės, kad daugiau mažų įmonių viršys savo galimybes. Jei dirbtinis intelektas suteiks mažesnėms komandoms gamybos pajėgumus, palyginti su didelėmis įmonėmis, išskirtinumu taps santykiai, sprendimai ir nišinė patirtis 🥊
Ar dirbtinis intelektas pakeis investicinius bankininkus: kompaktiška versija 🧾✅
Ar dirbtinis intelektas pakeis investicinius bankininkus? Ne visiškai. Tačiau jis pakeis didelę dalį to, ką bankininkai daro, ypač jaunesniųjų gamybos darbuotojų.
Kas prilimpa:
-
Santykiai
-
Teismo sprendimas
-
Derybos
-
Atskaitomybė
-
Naršymas žmonių sistemose (valdybose, ego, politikoje... taip)
Kas keičiasi:
-
Komandų dydžiai
-
Mokymo keliai
-
Greičio lūkesčiai
-
„Pridėtinės vertės“ apibrėžimas
Laimi tas bankininkas, kuris tampa puikiu realybės redaktoriumi – naudodamas dirbtinį intelektą arklio galioms gauti, tuo pačiu būdamas įkyriai atsakingas už sprendimą. Šiek tiek poetiška, bet kartu ir teisinga. Kaip naudojant elektrinį įrankį: jis padaro jus greitesniu, o ne išmintingesniu.
DUK
Ar dirbtinis intelektas visiškai pakeis investicinius bankininkus?
Ne tvarkingai, nuo pradžios iki galo. Investicinė bankininkystė – tai ne tik rezultatai – tai pasitikėjimas, vertinimas, politika ir tikrų žmonių privertimas pasakyti „taip“ esant spaudimui. Dirbtinis intelektas pakeis dalį darbo, sutrumpins terminus ir sumažins kai kuriuos sluoksnius, ypač jaunesniųjų projektų gamyboje. Tačiau klientai vis tiek nori žmogaus, kuris prisiimtų atsakomybę už patarimus (ir pasekmes). 🤝
Kurios investicinės bankininkystės užduotys greičiausiai bus automatizuotos pirmiausia?
Pirmiausia nukenčia „pramoninis“ darbas: didelės apimties, pagrįstas šablonais ir lengvai mechaniškai patikrinamas. Pagalvokite apie pirmojo etapo pristatymų tekstą, rinkos apžvalgas, palyginamųjų ataskaitų lenteles, dokumentų/stenogramų santraukas, skaidrių formatavimą, CIM skyrių juodraščius, scenarijų vykdymą ir nesibaigiančius būsenos atnaujinimus. Esmė ta, kad jūs nenustojate dirbti – pereinate nuo kūrimo prie peržiūros, taisymo ir rezultato gynimo, kai jis komerciškai neteisingas.
Ar dirbtinis intelektas pakeis investicinius bankininkus analitikų lygmenyje?
Dirbtinis intelektas smarkiai supaprastina klasikinį analitiko darbą: to paties modelio braižymą, formatavimą, atnaujinimą ir perkūrimą atliekant nedidelius pakeitimus. Tai gali reikšti, kad tam pačiam rezultatui reikės mažiau jaunesniųjų specialistų, o tiems, kurie lieka, bus keliami didesni lūkesčiai. Rizika kyla dėl mokymo: jei dingsta sunkus darbas, dingsta ir kartojimas, kuris ugdo instinktus. Neįmanoma tapti aštriu vien „užsakinėjant“ darbą. 😅
Kas nutinka darbuotojams, viceprezidentams ir generaliniams direktoriams, kai plinta dirbtinis intelektas?
Partneriai ir viceprezidentai gali tapti vertingesni, nes jie sudėtingus klientų poreikius paverčia rezultatais ir pastebi problemas dar prieš jas išsiunčiant. Jie taip pat valdo terminus, suinteresuotąsias šalis ir neaiškumus – sritis, kuriose dirbtinis intelektas vis dar sunkiai sekasi. Generaliniams direktoriams santykiais ir pasitikėjimu grįstas kūrimas niekur nedingsta. Didėja atotrūkis tarp „lietaus kūrėjų“ ir žmonių, kurie daugiausia prižiūri procesą. ☔
Kodėl dirbtiniam intelektui sunku dirbti bankininkystės srityse, kurios sudaro sandorius?
Nes sunkiausios dalys yra situacinės ir žmogiškos. Dirbtinis intelektas gali pasiūlyti struktūras, tačiau klientų psichologija, valdybos politika, derybų niuansai ir laiko instinktai nėra aiškūs duomenų rinkiniai. Reputacija pagrįstas pasitikėjimas taip pat yra keblus: „Aš jau mačiau šį filmą anksčiau“ yra iš dalies patirtis, iš dalies atsakomybė. Kai generalinis direktorius yra pusiau piktas, iš dalies išsigandęs, kažkas turi valdyti aplinką – ne tik generuoti tekstą.
Kaip bankai gali naudoti dirbtinį intelektą investicinėje bankininkystėje nenusidegindami?
„Gera“ sistema elgiasi kaip patikimas jaunesnysis komandos narys: ji atkreipia dėmesį į neapibrėžtumą, paaiškina prielaidas, dirba laikydamasi atitikties apribojimų ir užtikrina šablonų nuoseklumą. Taip pat svarbu, kad jai būtų audito seka, kad kažkas vėliau galėtų apginti rezultatus. Diegimas dažnai atrodo kaip „dirbtinis intelektas visur... bet aptvertas“, nes privatumo, kibernetinio saugumo, neskaidrumo ir šališkumo rizika neišnyksta sandorio dieną. ⚠️
Kokios yra didžiausios atitikties ir apskaitos rizikos, susijusios su „GenAI“ bankininkystėje?
Viską sulėtina dvi realybės. Pirma, modelio rizikos valdymas nėra neprivalomas – reguliuotojai tikisi patvirtinimo, dokumentavimo ir kontrolės, o „GenAI“ gali pakelti kartelę, o ne ją nuleisti. Antra, svarbu komunikacija ir įrašų saugojimas: kai žmonės įklijuoja sandorio kontekstą į įrankius arba generuoja juodraščius pokalbių lange, brokerių ir prekiautojų režimuose gali kilti problemų dėl įrašų saugojimo ir priežiūros.
Kaip išlikti vertingam, jei dirbtinis intelektas keičia investicinę bankininkystę?
Galvokite apie „arklio galią, o ne išmintį“. Naudokite dirbtinį intelektą braižyti, struktūrizuoti ir iteruoti greičiau – tada skirkite savo žmogiškąjį laiką pasakojimui, komerciniam vertinimui, sektoriaus modelių atpažinimui, deryboms ir procesų vadovavimui. Būti „geru dirbtinio intelekto specialistu“ reiškia atsakingai jį prižiūrėti: gerai raginti, testuoti rezultatus nepalankiausiomis sąlygomis ir pastebėti, kas techniškai teisinga, bet komerciškai neteisinga. Nugalėtojai tampa puikiais realybės redaktoriais. 🧠🤖
DUK
Ar dirbtinis intelektas visiškai pakeis investicinius bankininkus?
Ne tvarkingai, nuo pradžios iki galo. Investicinė bankininkystė – tai ne tik rezultatai – tai pasitikėjimas, vertinimas, politika ir tikrų žmonių privertimas pasakyti „taip“ esant spaudimui. Dirbtinis intelektas pakeis dalį darbo, sutrumpins terminus ir sumažins kai kuriuos sluoksnius, ypač jaunesniųjų projektų gamyboje. Tačiau klientai vis tiek nori žmogaus, kuris prisiimtų atsakomybę už patarimus (ir pasekmes). 🤝
Kurios investicinės bankininkystės užduotys greičiausiai bus automatizuotos pirmiausia?
Pirmiausia nukenčia „pramoninis“ darbas: didelės apimties, pagrįstas šablonais ir lengvai mechaniškai patikrinamas. Pagalvokite apie pirmojo etapo pristatymų tekstą, rinkos apžvalgas, palyginamųjų ataskaitų lenteles, dokumentų/stenogramų santraukas, skaidrių formatavimą, CIM skyrių juodraščius, scenarijų vykdymą ir nesibaigiančius būsenos atnaujinimus. Esmė ta, kad jūs nenustojate dirbti – pereinate nuo kūrimo prie peržiūros, taisymo ir rezultato gynimo, kai jis komerciškai neteisingas.
Ar dirbtinis intelektas pakeis investicinius bankininkus analitikų lygmenyje?
Dirbtinis intelektas smarkiai supaprastina klasikinį analitiko darbą: to paties modelio braižymą, formatavimą, atnaujinimą ir perkūrimą atliekant nedidelius pakeitimus. Tai gali reikšti, kad tam pačiam rezultatui reikės mažiau jaunesniųjų specialistų, o tiems, kurie lieka, bus keliami didesni lūkesčiai. Rizika kyla dėl mokymo: jei dingsta sunkus darbas, dingsta ir kartojimas, kuris ugdo instinktus. Neįmanoma tapti aštriu vien „užsakinėjant“ darbą. 😅
Kas nutinka darbuotojams, viceprezidentams ir generaliniams direktoriams, kai plinta dirbtinis intelektas?
Partneriai ir viceprezidentai gali tapti vertingesni, nes jie sudėtingus klientų poreikius paverčia rezultatais ir pastebi problemas dar prieš jas išsiunčiant. Jie taip pat valdo terminus, suinteresuotąsias šalis ir neaiškumus – sritis, kuriose dirbtinis intelektas vis dar sunkiai sekasi. Generaliniams direktoriams santykiais ir pasitikėjimu grįstas kūrimas niekur nedingsta. Didėja atotrūkis tarp „lietaus kūrėjų“ ir žmonių, kurie daugiausia prižiūri procesą. ☔
Kodėl dirbtiniam intelektui sunku dirbti bankininkystės srityse, kurios sudaro sandorius?
Nes sunkiausios dalys yra situacinės ir žmogiškos. Dirbtinis intelektas gali pasiūlyti struktūras, tačiau klientų psichologija, valdybos politika, derybų niuansai ir laiko instinktai nėra aiškūs duomenų rinkiniai. Reputacija pagrįstas pasitikėjimas taip pat yra keblus: „Aš jau mačiau šį filmą anksčiau“ yra iš dalies patirtis, iš dalies atsakomybė. Kai generalinis direktorius yra pusiau piktas, iš dalies išsigandęs, kažkas turi valdyti aplinką – ne tik generuoti tekstą.
Kaip bankai gali naudoti dirbtinį intelektą investicinėje bankininkystėje nenusidegindami?
„Gera“ sistema elgiasi kaip patikimas jaunesnysis komandos narys: ji atkreipia dėmesį į neapibrėžtumą, paaiškina prielaidas, dirba laikydamasi atitikties apribojimų ir užtikrina šablonų nuoseklumą. Taip pat svarbu, kad jai būtų audito seka, kad kažkas vėliau galėtų apginti rezultatus. Diegimas dažnai atrodo kaip „dirbtinis intelektas visur... bet aptvertas“, nes privatumo, kibernetinio saugumo, neskaidrumo ir šališkumo rizika neišnyksta sandorio dieną. ⚠️
Kokios yra didžiausios atitikties ir apskaitos rizikos, susijusios su „GenAI“ bankininkystėje?
Viską sulėtina dvi realybės. Pirma, modelio rizikos valdymas nėra neprivalomas – reguliuotojai tikisi patvirtinimo, dokumentavimo ir kontrolės, o „GenAI“ gali pakelti kartelę, o ne ją nuleisti. Antra, svarbu komunikacija ir įrašų saugojimas: kai žmonės įklijuoja sandorio kontekstą į įrankius arba generuoja juodraščius pokalbių lange, brokerių ir prekiautojų režimuose gali kilti problemų dėl įrašų saugojimo ir priežiūros.
Kaip išlikti vertingam, jei dirbtinis intelektas keičia investicinę bankininkystę?
Galvokite apie „arklio galią, o ne išmintį“. Naudokite dirbtinį intelektą braižyti, struktūrizuoti ir iteruoti greičiau – tada skirkite savo žmogiškąjį laiką pasakojimui, komerciniam vertinimui, sektoriaus modelių atpažinimui, deryboms ir procesų vadovavimui. Būti „geru dirbtinio intelekto specialistu“ reiškia atsakingai jį prižiūrėti: gerai raginti, testuoti rezultatus nepalankiausiomis sąlygomis ir pastebėti, kas techniškai teisinga, bet komerciškai neteisinga. Nugalėtojai tampa puikiais realybės redaktoriais. 🧠🤖
DUK
Ar dirbtinis intelektas visiškai pakeis investicinius bankininkus?
Ne tvarkingai, nuo pradžios iki galo. Investicinė bankininkystė – tai ne tik rezultatai – tai pasitikėjimas, vertinimas, politika ir tikrų žmonių privertimas pasakyti „taip“ esant spaudimui. Dirbtinis intelektas pakeis dalį darbo, sutrumpins terminus ir sumažins kai kuriuos sluoksnius, ypač jaunesniųjų projektų gamyboje. Tačiau klientai vis tiek nori žmogaus, kuris prisiimtų atsakomybę už patarimus (ir pasekmes). 🤝
Kurios investicinės bankininkystės užduotys greičiausiai bus automatizuotos pirmiausia?
Pirmiausia nukenčia „pramoninis“ darbas: didelės apimties, pagrįstas šablonais ir lengvai mechaniškai patikrinamas. Pagalvokite apie pirmojo etapo pristatymų tekstą, rinkos apžvalgas, palyginamųjų ataskaitų lenteles, dokumentų/stenogramų santraukas, skaidrių formatavimą, CIM skyrių juodraščius, scenarijų vykdymą ir nesibaigiančius būsenos atnaujinimus. Esmė ta, kad jūs nenustojate dirbti – pereinate nuo kūrimo prie peržiūros, taisymo ir rezultato gynimo, kai jis komerciškai neteisingas.
Ar dirbtinis intelektas pakeis investicinius bankininkus analitikų lygmenyje?
Dirbtinis intelektas smarkiai supaprastina klasikinį analitiko darbą: to paties modelio braižymą, formatavimą, atnaujinimą ir perkūrimą atliekant nedidelius pakeitimus. Tai gali reikšti, kad tam pačiam rezultatui reikės mažiau jaunesniųjų specialistų, o tiems, kurie lieka, bus keliami didesni lūkesčiai. Rizika kyla dėl mokymo: jei dingsta sunkus darbas, dingsta ir kartojimas, kuris ugdo instinktus. Neįmanoma tapti aštriu vien „užsakinėjant“ darbą. 😅
Kas nutinka darbuotojams, viceprezidentams ir generaliniams direktoriams, kai plinta dirbtinis intelektas?
Partneriai ir viceprezidentai gali tapti vertingesni, nes jie sudėtingus klientų poreikius paverčia rezultatais ir pastebi problemas dar prieš jas išsiunčiant. Jie taip pat valdo terminus, suinteresuotąsias šalis ir neaiškumus – sritis, kuriose dirbtinis intelektas vis dar sunkiai sekasi. Generaliniams direktoriams santykiais ir pasitikėjimu grįstas kūrimas niekur nedingsta. Didėja atotrūkis tarp „lietaus kūrėjų“ ir žmonių, kurie daugiausia prižiūri procesą. ☔
Kodėl dirbtiniam intelektui sunku dirbti bankininkystės srityse, kurios sudaro sandorius?
Nes sunkiausios dalys yra situacinės ir žmogiškos. Dirbtinis intelektas gali pasiūlyti struktūras, tačiau klientų psichologija, valdybos politika, derybų niuansai ir laiko instinktai nėra aiškūs duomenų rinkiniai. Reputacija pagrįstas pasitikėjimas taip pat yra keblus: „Aš jau mačiau šį filmą anksčiau“ yra iš dalies patirtis, iš dalies atsakomybė. Kai generalinis direktorius yra pusiau piktas, iš dalies išsigandęs, kažkas turi valdyti aplinką – ne tik generuoti tekstą.
Kaip bankai gali naudoti dirbtinį intelektą investicinėje bankininkystėje nenusidegindami?
„Gera“ sistema elgiasi kaip patikimas jaunesnysis komandos narys: ji atkreipia dėmesį į neapibrėžtumą, paaiškina prielaidas, dirba laikydamasi atitikties apribojimų ir užtikrina šablonų nuoseklumą. Taip pat svarbu, kad jai būtų audito seka, kad kažkas vėliau galėtų apginti rezultatus. Diegimas dažnai atrodo kaip „dirbtinis intelektas visur... bet aptvertas“, nes privatumo, kibernetinio saugumo, neskaidrumo ir šališkumo rizika neišnyksta sandorio dieną. ⚠️
Kokios yra didžiausios atitikties ir apskaitos rizikos, susijusios su „GenAI“ bankininkystėje?
Viską sulėtina dvi realybės. Pirma, modelio rizikos valdymas nėra neprivalomas – reguliuotojai tikisi patvirtinimo, dokumentavimo ir kontrolės, o „GenAI“ gali pakelti kartelę, o ne ją nuleisti. Antra, svarbu komunikacija ir įrašų saugojimas: kai žmonės įklijuoja sandorio kontekstą į įrankius arba generuoja juodraščius pokalbių lange, brokerių ir prekiautojų režimuose gali kilti problemų dėl įrašų saugojimo ir priežiūros.
Kaip išlikti vertingam, jei dirbtinis intelektas keičia investicinę bankininkystę?
Mąstykite „arklio galios, o ne išminties“ principu. Naudokite dirbtinį intelektą braižyti, struktūrizuoti ir iteruoti greičiau – tada skirkite savo žmogiškąjį laiką pasakojimui, komerciniam vertinimui, sektoriaus modelių atpažinimui, deryboms ir procesų vadovavimui. Būti „geru dirbtinio intelekto specialistu“ reiškia atsakingai jį prižiūrėti: gerai raginti, testuoti rezultatus nepalankiausiomis sąlygomis ir pastebėti, kas techniškai teisinga, bet komerciškai neteisinga. Nugalėtojai tampa puikiais realybės redaktoriais.
Nuorodos
[1] Pasaulio ekonomikos forumas –
Darbo vietų ateities ataskaita 2025 m. (santrauka) [2] „McKinsey Global Institute“ –
Generatyvaus dirbtinio intelekto ekonominis potencialas: kita produktyvumo riba [3] Tarptautinių atsiskaitymų bankas –
Pažangi finansų sistema: kaip dirbtinis intelektas keičia finansus (BIS darbo dokumentai Nr. 1194, PDF) [4] Federalinis rezervų bankas –
Priežiūros gairės dėl modelių rizikos valdymo (SR 11-7), PDF [5] FINRA – Knygos ir įrašai (įskaitant SEC biržos įstatymo 17a-4 taisyklę dėl elektroninių ryšių saugojimo)