هوش مصنوعی ماهیت تصمیمگیری سرمایهگذاری را متحول میکند. موفقیت نهادهای مالی در پنج سال آینده به حرکت از پردازش اطلاعات به خلق داده اختصاصی و طراحی سیستمهای تصمیمیار بستگی دارد.
زنجیره سنتی مدیریت دارایی، از جمعآوری اطلاعات تا اجرای تصمیم، در حال بازطراحی است. هوش مصنوعی تحلیل داده را به قابلیتی عمومی تبدیل میکند و مزیت رقابتی را از پردازش اطلاعات به سمت طراحی سیستم تصمیمگیری، کیفیت داده و قضاوت انسانی جابهجا میکند. در این مسیر، پرسش اصلی برای نهادهای مالی ایران نه دسترسی به فناوری، بلکه آمادهبودن فرآیندها و دادههاست.
محمدرضا دمثنا، سرمایهگذار و توسعهدهنده کسبوکار؛ متخصص مالی شرکتی در یادداشتی اختصاصی به این موضوع پرداخته و نوشت:
در چند دهه گذشته، صنعت مدیریت دارایی بر پایه یک زنجیره نسبتاً مشخص شکل گرفته است؛ جمعآوری اطلاعات، تحلیل دادهها، استخراج بینش، ارائه توصیه سرمایهگذاری و در نهایت اجرای تصمیم. در این مدل، بخش قابلتوجهی از ارزشآفرینی نهادهای مالی از توانایی تحلیلگران، مدیران سرمایهگذاری و مشاوران برای پردازش اطلاعات و تبدیل آن به تصمیم ایجاد میشد.
اما به نظر میرسد در پنج سال آینده، شکل جمعآوری دیتا، تحلیل دیتا، استخراج بینش و در نهایت اقدام سرمایهگذاری، بهطور بنیادین متفاوت از دو دهه گذشته خواهد بود. بخش بزرگی از این تغییر همین امروز آغاز شده است، اما همچنان مداخله انسانی برای اتصال هر مرحله به مرحله بعدی ضروری است. در آینده، این لایهها یکپارچهتر، سریعتر و دقیقتر خواهند شد و هوش مصنوعی بخش مهمی از فرآیند تصمیمسازی سرمایهگذاری را برعهده خواهد گرفت. گزارشهای اخیر از تحولات صنعت مدیریت دارایی در جهان نیز نشان میدهند که کاربرد هوش مصنوعی از افزایش بهرهوری عملیاتی فراتر رفته و به سمت تحقیق سرمایهگذاری، تحلیل دادههای گسترده، مدیریت ریسک و شخصیسازی خدمات و اجرا حرکت کرده است.
در این مسیر، تحلیل داده بهتدریج به یک قابلیت عمومیتر و کمتمایزتر تبدیل خواهد شد. همانطور که دسترسی به اطلاعات مالی در دو دهه گذشته دموکراتیزه شد، در سالهای پیشرو توانایی پردازش حجم بزرگی از داده نیز در اختیار بازیگران بیشتری قرار خواهد گرفت. بنابراین، مزیت رقابتی مشاوران سرمایهگذاری دیگر صرفاً در توانایی تحلیل صورتهای مالی یا تولید گزارش نخواهد بود؛ بلکه در ایجاد Data Visibility به معنی تبدیل دادههایی که تاکنون قابل پردازش نبودهاند به اطلاعات قابل استفاده برای تصمیمگیری خواهد بود.
نقش مشاور سرمایهگذاری نیز از ارائه توصیههای عمومی به سمت طراحی یک سیستم تصمیمگیری شخصیسازیشده تغییر خواهد کرد. مشاور آینده باید بتواند دادههای مالی، رفتاری و شخصیتی سرمایهگذار را جمعآوری و ساختاربندی کند، تصویر دقیقتری از اهداف، محدودیتها و ویژگیهای فردی او بسازد و این اطلاعات را در قالب یک چارچوب سرمایهگذاری مانند IPS به موتورهای هوش مصنوعی ارائه دهد. در این مدل، هوش مصنوعی میتواند ارتباط میان ویژگیهای انسانی سرمایهگذار و کلاسهای دارایی مناسب را بهتر شناسایی کند، اما نقش انسان در تعریف اهداف، کنترل انحرافها و ایجاد اعتماد همچنان باقی خواهد ماند.
برای مدیران دارایی نیز تغییر اصلی در ماهیت کار اتفاق خواهد افتاد. مدیر دارایی آینده کمتر بهعنوان فردی که روزانه درگیر خرید و فروش داراییها است تعریف میشود و بیشتر بهعنوان طراح محصول، معمار فرآیند سرمایهگذاری و سازنده سیستم تصمیمگیری شناخته خواهد شد. ارزشآفرینی او در این خواهد بود که خروجیهای تحلیلی را به تصمیمهای قابل اجرا، مرتبط و متناسب با نیاز مشتری تبدیل کند و ابزارها و الگوریتمهایی برای اجرای بهینه این تصمیمها توسعه دهد یا توسعه آنها را هدایت کند.
اما پرسش مهم این است که نهادهای مالی ایران در این مسیر کجا قرار دارند؟ در دو دهه اخیر، صنعت مالی ایران از نظر تعداد و تنوع نهادهای مالی توسعه قابلتوجهی داشته است. شکلگیری شرکتهای تأمین سرمایه، سبدگردانها، صندوقهای سرمایهگذاری و پلتفرمهای دیجیتال، ساختار رقابتیتری نسبت به گذشته ایجاد کرده است. با این حال، تحول دیجیتال صرفاً به ایجاد یک اپلیکیشن یا دیجیتالیکردن بخشی از فرآیندهای موجود محدود نمیشود.
استانداردهای جهانی نشان میدهد که موفقیت در هوش مصنوعی نیازمند بازطراحی فرآیندهای کاری، کیفیت داده، معماری فناوری و تغییر فرهنگ سازمانی است. بسیاری از مؤسسات مالی در جهان ابتدا روی زیرساخت داده، استانداردسازی اطلاعات و ایجاد دسترسی مناسب به دادهها سرمایهگذاری کردهاند، زیرا کیفیت خروجی هوش مصنوعی به کیفیت داده ورودی وابسته است.
در ایران، چالش اصلی بسیاری از نهادهای مالی احتمالاً کمبود ابزار نیست؛ بلکه آمادهنبودن فرآیندها و دادهها برای استفاده مؤثر از این ابزارها است. نهادهای مالی برای حرکت به سمت هوش مصنوعی باید «تحول دیجیتال» را بهعنوان مبنای بازطراحی فرآیندهای کاری جاری خود ببینند، نه یک پروژه جانبی فناوری.
در طرف دیگر، نقش نهادهای حاکمیتی مانند سازمان بورس، شرکت بورس اوراق بهادار و بورس کالا و بانک مرکزی نیز تعیینکننده است. در سطح جهانی، بسیاری از نهادهای ناظر مالی نیز در حال بررسی و استفاده از هوش مصنوعی برای نظارت، کشف ریسک، تحلیل اطلاعات و افزایش کارایی فرآیندهای نظارتی هستند؛ البته همزمان با توسعه چارچوبهای حاکمیتی برای کنترل ریسکهایی مانند سوگیری الگوریتمی، امنیت داده و قابلیت توضیحپذیری مدلها.
در ایران، بخشی از کندی این مسیر را میتوان به ویژگیهای ساختاری نهادهای عمومی و دولتی نسبت داد. مدیران ارشد این نهادها حتی در صورتی که انگیزههایشان فردیشان با منافع بلندمدت توسعهای در صنعت هماهنگ باشد، باز هم معمولاً با ملاحظات گستردهتری نسبت به شرکتهای خصوصی تصمیم میگیرند؛ از جمله الزامات حقوقی، حساسیتهای نظارتی، محدودیتهای بودجهای، ریسکهای اجرایی و ضرورت حفظ ثبات بازار. این عوامل میتوانند سرعت پذیرش فناوریهای جدید را کاهش دهند. از سوی دیگر، توسعه فناوریهای جدید در بازار مالی بدون همکاری نزدیک میان نهاد ناظر، نهادهای مالی و شرکتهای فناوری نیز دشوار است.
با این حال، در بلندمدت، توسعه صنعت مالی بدون حرکت به سمت استفاده ساختاریافته از داده و هوش مصنوعی امکانپذیر نخواهد بود. زمانی که نهادهای مالی بتوانند نیازهای مالی جامعه را به محصولات ساده، شخصیسازیشده و قابل اعتماد تبدیل کنند، فشار برای توسعه زیرساختهای نظارتی و فناوری نیز افزایش خواهد یافت.
در نهایت، هوش مصنوعی قرار نیست جایگزین مدیر دارایی، تحلیلگر یا مشاور سرمایهگذاری شود؛ بلکه مرز میان کسانی که صرفاً اطلاعات را پردازش میکنند و کسانی که سیستم تصمیمگیری میسازند را تغییر خواهد داد. آینده صنعت مدیریت دارایی، بیشتر از آنکه متعلق به کسانی باشد که سریعتر معامله میکنند، متعلق به کسانی خواهد بود که بهتر داده را به تصمیم و تصمیم را به نتایج رقابتی تبدیل میکنند.
برای عضویت در کانال بله صنعت مالی و اطلاع از آخرین اخبار و رویدادهای اقتصادی ایران و جهان کلیک کنید.