Īsā atbilde: mākslīgais intelekts pilnībā neaizstās investīciju baņķierus, taču tas pārņems lielu daļu jaunāko "ražošanas" darba un samazinās dažas komandas, jo darbplūsmas tiks pārveidotas. Ja uzņēmumi var norobežot rīkus atbilstības sliedēs un hermētiskās audita takās, analītiķu darbs ātri sarūk; ja uzticība sabrūk spiediena ietekmē, lēmums joprojām ir spēkā cilvēkiem.
Galvenie secinājumi:
Uzdevumu automatizācija : izmantojiet mākslīgo intelektu pirmajiem melnrakstiem, salīdzinājumiem, kopsavilkumiem un slaidu formatēšanai.
Cilvēciskā priekšrocība : koncentrēšanās uz uzticēšanos, sarunām, politiku un atbildību tiešraides darījumos.
Amata ranga maiņa : Analītiķi saspiežas; partneri/viceprezidenti iegūst ietekmi, veicot pārskatīšanu un spriedumus.
Kontrole pirmajā vietā : Pieprasiet audita takas, nenoteiktības karodziņus un stingrus atbilstības ierobežojumus.
Apmācības risks : ja pazūd steigas darbs, pārveidojiet mācekļa praksi ar apzinātiem prakses cikliem.
Raksti, kurus jūs varētu vēlēties izlasīt pēc šī raksta:
🔗 Vai mākslīgais intelekts tuvākajā nākotnē aizstās radiologus?
Kā attēlveidošanas darbs var mainīties, izmantojot mākslīgā intelekta palīdzību diagnostiku.
🔗 Vai mākslīgais intelekts aizstās grāmatvežus vai mainīs lomu?
Ko spēj paveikt automatizācija un kur cilvēkiem joprojām ir nozīme.
🔗 Vai mākslīgais intelekts aizstās datu analītiķus: īstā diskusija
Praktisks skatījums uz uzdevumiem, ko mākslīgais intelekts var un ko nevar aizstāt.
🔗 Vai mākslīgais intelekts aizstās juristus? Sarežģītāks jautājums, nekā izskatās
Kāpēc juridiskais darbs pretojas pilnīgai automatizācijai, neskatoties uz straujo mākslīgā intelekta attīstību.
Īsā atbilde uz jautājumu "Vai mākslīgais intelekts aizstās investīciju baņķierus" 📌
Maz ticams, ka mākslīgais intelekts pilnībā aizstās investīciju baņķierus no sākuma līdz beigām, jo banku darbība nav tikai rezultātu ģenerēšana — tā ir uzticības iegūšana, neskaidrību pārvarēšana un darījumu noslēgšana, kad ikvienam ir atšķirīgi stimuli un selektīva atmiņa.
Bet mākslīgais intelekts noteikti:
-
analīzes, rasēšanas un apstrādes darba daļas
-
Saspiest prezentāciju un izpildes laika grafikus
-
Samazināt cilvēku skaitu, kas nepieciešams noteiktiem darba līmeņiem
-
Vērtības maiņa attiecību zirgspēku + sprieduma + sadalījuma
-
Piespiest bankas pārskatīt analītiķa un darbinieka “mācekļa prakses” modeli
Tātad, ja jūs jautājat: "Vai mākslīgais intelekts aizstās investīciju baņķierus", it kā tas būtu viens jā/nē slēdzis, tiešā atbilde ir: mākslīgais intelekts aizstāj uzdevumus, nevis visu sugu 🧠🤖
Ātra realitātes pārbaude: tas nav "kādreiz" - tas jau ir darbaspēka matemātikā 🔢
Skaidrs veids, kā to formulēt: vadītāji nediskutē par to, vai mākslīgajam intelektam ir nozīme, — viņi budžetu veido, ņemot to vērā.
-
Pasaules Ekonomikas foruma darba devēju aptaujā 86 % aptaujāto sagaida, ka mākslīgais intelekts + informācijas apstrādes tehnoloģijas līdz 2030. gadam pārveidos viņu uzņēmējdarbību, un tajā pašā pētījumā ir uzsvērta liela mēroga darbavietu aizplūšana (radīšana + pārvietošana), ko veicina strukturālas pārmaiņas. [1]
-
Tikmēr nozīmīgi produktivitātes pētījumi apgalvo, ka ģeneratīvais mākslīgais intelekts var būtiski mainīt ražošanas apjomu stundā, ja organizācijām veiksmīgi izdodas pārdalīt laiku un pārveidot darbplūsmas (liels “ja”, bet tieši tā arī ir domāts). [2]
Tulkojums: pat ja “baņķieri” nepazudīs, darbības modelis nepaliks nemainīgs.
Ko dara investīciju baņķieri (tā daļa, ko cilvēki aizmirst) 🧾📈
Ja investīciju banku darbība būtu tikai izklājlapas un slaidrādes, šī saruna jau būtu beigusies. Taču darbs drīzāk atgādina piecus darbus, kas sakrauti trenčmētelī:
-
Darba meklējumi (darba atrašana un uzvarēšana).
Attiecību veidošana, pozicionēšana, laika izjūta, politika. Nedaudz terapijas, nedaudz stratēģijas, nedaudz šaha ♟️ -
Izpilde (darījuma noslēgšana).
Koordinācija starp juristiem, grāmatvežiem, iekšējām komitejām, klientu vadību, darījumu partneriem… plus pastāvīgas “nelielas” krīzes. -
Vērtējums un naratīvs.
Ne tikai skaitļi – stāsts, kas iztur pārbaudi. Kāpēc šis darījums, kāpēc tagad, kāpēc šāda cena. -
Procesu pārvaldības
laika grafiki, datu telpas, pārbaudes pieprasījumi, ieinteresēto personu ganīšana. Tā būtībā ir profesionāla kaķu pārvaldība 🐈 -
Risku pārvaldība un reputācijas spriedums.
Ko nedarīt, ir tikpat svarīgi kā ko darīt. Dažreiz pat svarīgāk.
Mākslīgais intelekts var palīdzēt ar visiem pieciem. Visu piecu aizstāšana ir grūtāka.
Kas padara mākslīgā intelekta versiju labu investīciju banku darbībā 🤝🤖
Banku nozarē mākslīgā intelekta “laba versija” nav tā, kas ģenerē visskaistāko rindkopu. Tā ir tā, kas uzvedas kā uzticams jaunākais komandas biedrs, kurš:
-
Nehalucinē (vai vismaz skaidri norāda uz nenoteiktību)
-
Izskaidro savus pieņēmumus, nepārvēršoties filozofijas lekcijā
-
Strādā atbilstības ierobežojumu ietvaros, par to nesūdzoties
-
Izmanto konsekventas veidnes un versiju kontroli (banku sistēma ir alerģiska pret nejaušību)
-
Izprot kontekstu — nozaru dinamiku, darījumu struktūras normas, klientu jutīgumu
-
Saglabā auditācijas ierakstu , lai kāds vēlāk varētu aizstāvēt izvadi 😬
Tāpat: finanšu nozare jau ievieš mākslīgo intelektu (tostarp GenAI) tādās jomās kā apstrādes procesi un atbilstība, vienlaikus skaidri norādot uz tādiem riskiem kā necaurredzamība, privātums, kiberdrošība un neobjektivitāte. Šī spriedze ir visa spēles pamatā. [3]
Slēptā prasība ir uzticēšanās. Modelis var būt gudrs, bet, ja tam nevar uzticēties spiediena apstākļos, tas kļūst par apgrūtinājumu. Tāpat kā sporta automašīna ar neuzticamām bremzēm – jautrība, līdz tā vairs nav.
Kur mākslīgais intelekts iedarbojas vispirms: banku darbības “industriālajās” daļās 🏭🧠
Agrākā pārvietošanās ir darbā, kas ir:
-
Liels apjoms
-
Veidņu vadīts
-
Cilvēkiem raksturīga kļūdu pieļaušana
-
Viegli pārbaudīt mehāniski
Tātad, jā, sprādziena zonā ir daudz klasisku analītiķu sāpju.
Uzdevumi, kas, visticamāk, tiks automatizēti (vai ievērojami saspiesti)
-
Pirmās prezentācijas teksta un tirgus pārskatu izstrāde ✍️
-
Salīdzināšanas tabulu veidošana no strukturētām ievades vielām
-
Iesniegumu, transkriptu un pētījumu piezīmju kopsavilkums
-
Slaidu formatēšana un zīmola noteikumu ievērošanas nodrošināšana (uz redzēšanos, plkst. 2:00 naktī izlīdzināšanas kari) 🎯
-
CIM sadaļu melnraksta izveide no sniegtajām pārbaudes piezīmēm
-
Ātra vairāku vērtēšanas scenāriju ģenerēšana
-
E-pastu, statusa atjauninājumu, sanāksmju darba kārtību (glanču lietu) sagatavošana
Pavērsiens
Pat tad, kad mākslīgais intelekts "veic" uzdevumu, cilvēki joprojām:
-
Pārbaudiet to
-
Labot to
-
Aizstāvi to iekšēji
-
Prezentējiet to ārēji
Tātad darbs pāriet no radīšanas uz pārskatīšanu, uzraudzību un spriedumu . Kas izklausās vieglāk… līdz brīdim, kad tu pats to apstiprināsi 😵💫
Ļoti tipiska vinjete: ir pulksten 23:17, klients līdz rītam vēlas “stingrāku akciju stāstu”, un kādam ir nepieciešamas trīs versijas trim iekšējām ieinteresētajām personām. Stabila mākslīgā intelekta iekārta var izveidot pirmās kārtas valodu un slaidu skeletu dažu minūšu laikā, un tad partneris/viceprezidents veic īsto darbu: labo to, kas ir tehniski pareizi , bet komerciāli nepareizi .
Kur mākslīgais intelekts cīnās: cilvēciskā līme, kas noslēdz darījumus 🧩💬
Lūk, neveiklā patiesība: liela daļa investīciju banku vērtības ir sociāla un situatīva. Nevis viltus sociāla, bet gan kontekstuāli sociāla.
Mākslīgajam intelektam ir lielākas grūtības ar:
-
Klienta psiholoģija: bailes, ego, iekšējā politika, valdes dinamika
-
Sarunu nianse: teiktais pretstatā domātajam
-
Laika instinkti: kad spiest, kad apstāties
-
Uz reputāciju balstīta uzticēšanās: “Esmu šo filmu jau redzējis, nedari tā”
-
Radoša strukturēšana ierobežojumu apstākļos (nodokļi, pārvaldība, regulējošās berzes)
-
Atbildība: klienti vēlas cilvēku, kuram pieder padoms
Modelis var ieteikt struktūru. Tas nevar sēdēt pretī izpilddirektoram, kurš ir pa pusei dusmīgs, pa pusei pārbijies, un mierīgi novirzīt sarunu atpakaļ pie racionālām izvēlēm. Tā ir ļoti cilvēciska prasme. Nevis maģiska – cilvēciska.
Salīdzināšanas tabula: populārākie “mākslīgā intelekta + banku pakalpojumu” iestatījumi (un kam tie palīdz) 📊✨
Lūk, praktisks skatījums — nevis “labākais mākslīgā intelekta rīks” pārdošanas teksts, bet gan “labākais lietošanas modelis”.
| Rīks/iestatīšana | Auditorija | Cena | Kāpēc tas darbojas |
|---|---|---|---|
| Analītiķa otrais pilots salīdzinājumiem + melnrakstiem | Analītiķi, partneri | $-$$ | Paātrina pirmos melnrakstus + samazina muļķīgu kļūdu skaitu. Joprojām ir jāpārbauda (vienmēr). |
| Laukuma klāja ģenerators ar zīmola aizsargmargām | Pārklājuma komandas | $$ | Ātri pārvērš aptuvenās kontūras lietojamās lapās… formatējums gan dažreiz kļūst dīvains |
| Rūpības apkopotājs + jautājumu un atbilžu robots | Darījumu komandas | $$-$$$ | Ievērojami samazina lasīšanas laiku, bet tikai tad, ja piekļuve datiem ir tīra un atļauta |
| Iekšējā zināšanu meklēšana (politikas, precedenti) | Ikviens | $$ | Atrod atbildi uz jautājumu “kā mēs to izdarījām iepriekšējo reizi?” — milzīgs laika ietaupījums 📚 |
| Attiecību informācija (signāli, kontu kartēšana) | Seniori, izcelsmes noteikšana | $$-$$$ | Palīdz noteikt laiku un leņķus; neaizstāj faktiskās attiecības |
| Apstiprināšanas darbplūsma + atbilstības pārbaudītājs | Risks, juridiskie, baņķieri | $$$ | Novērš kļūdas, kas nonāk ziņu virsrakstos. Arī palēnina procesu… ironiski 😬 |
Jā, cenas ir neskaidras. Tas ir apzināti. Banku iepirkumi ir sava veida paralēla visuma.
Vai mākslīgais intelekts aizstās investīciju baņķierus: tas atkarīgs no darba stāža 👔🧑💻
Šeit saruna kļūst pikanta.
Analītiķi un jaunākie kursi 😵💫
Daudzi junioru darbi ir:
-
Rasēšana
-
Formatēšana
-
Atjaunināšana
-
Tā paša modeļa atjaunošana ar nelielām izmaiņām
Mākslīgais intelekts to spēcīgi saspiež. Tas nozīmē:
-
Lai iegūtu tādu pašu rezultātu, var būt nepieciešams mazāk junioru
-
No junioriem, kuri paliek, tiks sagaidīts, ka viņi ātrāk darbosies augstākā līmenī
-
"Mācīšanās caur sāpēm" modelis tiek izjaukts
Pastāv reāls risks: ja mākslīgais intelekts novērsīs apgrūtinājumu, jaunākie studenti var zaudēt arī atkārtošanas spēju, kas veicina intuīciju. Līdzīgi kā mācīties gatavot, tikai pasūtot ēdienu – tu izdzīvosi, bet nekļūsi par pavāru.
Partneri un viceprezidenti 🧠
Šīs lomas var kļūt vērtīgākas, jo tās:
-
Iztulkojiet klienta vajadzības rezultātos
-
Atrodiet problēmas pirms nosūtīšanas
-
Ieinteresēto pušu un laika grafiku pārvaldība
-
Interpretēt neskaidrības un veikt zvanus
Mākslīgais intelekts padara tos ātrākus, nevis novecojušus.
Medicīnas direktori un lietusmeistari ☔
Ja jūs patiešām gūstat ieņēmumus, izmantojot attiecības un uzticēšanos, mākslīgais intelekts jūs neaizstāj. Tas var pat palielināt plaisu starp:
-
Baņķieri, kuri var iniciēt un sniegt konsultācijas
-
Baņķieri, kas galvenokārt uzrauga procesu
Skarbi, bet… jā.
Jaunā baņķiera prasmju steks (jeb kā nenokrist malā) 🧰🚀
Ja mākslīgais intelekts atņems jums atkārtotu ražošanu, tad atliek tikai tas, par ko cilvēki maksās.
Prasmes, kas kļūst vērtīgākas
-
Klienta naratīva veidošana: sarežģītības pārvēršana pārliecībā 🎤
-
Komerciāls spriedums: kas ir svarīgs, kas nav, kas ir riskants
-
Nozaru modeļu atpazīšana: zinot skaitļu “kāpēc”
-
Sarunas un ietekme: iekšējā un ārējā
-
Procesa vadība: darījumu virzība sarežģītības apstākļos
-
Mākslīgā intelekta uzraudzība: rezultātu ierosināšana, validēšana, stresa testēšana
Un jā, būt “labam mākslīgā intelekta jomā” kļūst par reālu lietu – nevis biedējoši. Drīzāk: vai jūs varat to izmantot atbildīgi, ātri un neapkaunojot komandu?.
Neērtās lietas: risks, atbilstība un atbildība ⚠️🏛️
Banku darbība nav smilšu kaste. Tā ir atbildības mašīna.
Divas ļoti neaizraujošas realitātes veicina ieviešanas ātrumu:
-
Modeļa riska pārvaldība nav izvēles iespēja.
Banku regulatoriem ir ilgstošas prasības attiecībā uz modeļa riska pārvaldību: validācija, dokumentācija un pārvaldība. (Ģeneratīvais mākslīgais intelekts maģiski neiegūst caurlaidību — ja nu kas, tas paceļ kontroles latiņu.) [4] -
Saziņa + ierakstu saglabāšana ātri kļūst sarežģīta.
Brokeriem-dīleriem ir nepārprotams pienākums saglabāt ar uzņēmējdarbību saistīto saziņu (tostarp elektronisko saziņu) saskaņā ar SEC/FINRA uzskaites režīmiem. Tas ir svarīgi, kad cilvēki sāk ielīmēt darījumu kontekstu rīkos, ģenerēt melnrakstus vai "tērzēt" ar iekšējiem robotiem. [5]
Tāpēc ieviešana bieži izskatās šādi: “Mākslīgais intelekts ir visur… bet tikai pēc tam, kad tas ir ierobežots.”
Kā izskatās nākotne: mazāk slāņu, ātrāki cikli, lielāka specializācija 🔄💼
Reālistisks iznākums nav baņķieru izzušana. Tā ir baņķieru pārkvalifikācija:
-
Lean darījumu komandas, ko atbalsta mākslīgā intelekta sistēmas
-
Vairāk nozaru, produktu un izpildes talantu “pākšu”
-
Ātrāka prezentāciju un modeļu iterācija
-
Lielāks uzsvars uz izplatīšanu (kas var izvietot, kas var piesaistīt pircējus, kas var pārvietot kapitālu)
-
Sadalījums starp:
-
Augstas uzticības konsultāciju darbs (ar lielu cilvēkresursu patēriņu)
-
Lielapjoma ražošanas darbs (ar augstu mākslīgā intelekta līmeni)
-
Tāpat sagaidāms, ka arvien vairāk mazumtirdzniecības uzņēmumu pārsniegs savu potenciālu. Ja mākslīgais intelekts mazākām komandām piešķirs lielu uzņēmumu ražošanas jaudu, diferenciācijas faktors kļūs attiecības, spriedumi un nišas zināšanas 🥊
Vai mākslīgais intelekts aizstās investīciju baņķierus: kompaktā versija 🧾✅
Vai mākslīgais intelekts aizstās investīciju baņķierus? Ne pilnībā. Taču tas aizstās lielu daļu no tā, ko baņķieri pavada, īpaši jaunāko klašu ražošanas darbu.
Kas pielīp:
-
Attiecības
-
Spriedums
-
Sarunas
-
Atbildība
-
Orientēšanās cilvēku sistēmās (valdes, ego, politika… jā)
Kas mainās:
-
Komandas lielums
-
Apmācības ceļi
-
Ātruma cerības
-
"Pievienotās vērtības" definīcija
Uzvar tas baņķieris, kurš kļūst par lielisku realitātes redaktoru — izmantojot mākslīgo intelektu zirgspēku iegūšanai, vienlaikus apsēsti atbildot par lēmumu. Nedaudz poētiski, bet arī patiesi. Līdzīgi kā lietojot elektroinstrumentu: tas padara tevi ātrāku, nevis gudrāku.
Bieži uzdotie jautājumi
Vai mākslīgais intelekts pilnībā aizstās investīciju baņķierus?
Ne kārtīgā, no sākuma līdz beigām aptverošā darbā. Investīciju banku darbība nav tikai rezultāti — tā ir uzticēšanās, spriedumi, politika un īstu cilvēku piespiešana teikt “jā” spiediena apstākļos. Mākslīgais intelekts aizstās darba daļas, saīsinās laika grafikus un samazinās dažus slāņus, īpaši jaunāko klašu ražošanā. Taču klienti joprojām vēlas cilvēku, kurš uzņemas padomus (un sekas). 🤝
Kuri investīciju banku uzdevumi, visticamāk, tiks automatizēti vispirms?
Vispirms tiek skarts “rūpnieciskais” darbs: liela apjoma, uz veidnēm balstīts un viegli mehāniski pārbaudāms. Iedomājieties pirmās kārtas prezentācijas tekstu, tirgus pārskatus, salīdzināšanas tabulas, iesniegumus/transkriptu kopsavilkumus, slaidu formatēšanu, CIM sadaļu melnrakstu, scenāriju izpildi un nebeidzamus statusa atjauninājumus. Svarīgi ir tas, ka jūs nepārtraucat darbu — jūs pārejat no radīšanas uz rezultātu pārskatīšanu, labošanu un aizstāvēšanu, ja tas ir komerciāli kļūdains.
Vai mākslīgais intelekts aizstās investīciju baņķierus analītiķu līmenī?
Mākslīgais intelekts ievērojami samazina klasisko analītiķu slogu: viena un tā paša modeļa izstrādi, formatēšanu, atjaunināšanu un pārbūvi ar nelielām izmaiņām. Tas var nozīmēt, ka tam pašam rezultātam būs nepieciešams mazāk jaunāko speciālistu un augstākas prasības tiem, kas paliek. Risks ir saistīts ar apmācību: ja pazūd smags darbs, pazūd arī atkārtošanās, kas veido instinktus. Nevar kļūt ass, tikai "pavēlot" darbu. 😅
Kas notiek ar darbiniekiem, viceprezidentiem un rīkotājdirektoriem, mākslīgajam intelektam izplatoties?
Partneri un viceprezidenti var kļūt vērtīgāki, jo viņi pārvērš sarežģītas klientu vajadzības rezultātos un pamana problēmas, pirms kaut kas tiek piegādāts. Viņi arī pārvalda laika grafikus, ieinteresētās personas un neskaidrības — jomas, kurās mākslīgajam intelektam joprojām ir grūtības. Rīkotāju direktoriem uz attiecībām un uz uzticēšanos balstīta sākotnējo attiecību izcelsme nekur nepazūd. Plaisa starp lietus veidotājiem un cilvēkiem, kuri galvenokārt uzrauga procesu, palielinās. ☔
Kāpēc mākslīgajam intelektam ir grūtības ar tām banku darbības jomām, kas noslēdz darījumus?
Jo vissarežģītākās daļas ir situatīvās un cilvēciskās. Mākslīgais intelekts var ieteikt struktūras, taču klienta psiholoģija, valdes politika, sarunu nianses un laika instinkti nav tīri datu kopumi. Arī uz reputāciju balstīta uzticēšanās ir sarežģīta: “Esmu redzējis šo filmu jau iepriekš” ir daļēji pieredze, daļēji atbildība. Kad izpilddirektors ir pa pusei dusmīgs un pa pusei pārbijies, kādam ir jāvada telpa, nevis tikai jāģenerē teksts.
Kā bankas var izmantot mākslīgo intelektu investīciju banku darbībā, neapdedzinot savas ekosistēmu?
“Labs” iestatījums uzvedas kā uzticams jaunākais komandas biedrs: tas norāda uz nenoteiktību, izskaidro pieņēmumus, darbojas atbilstības ierobežojumu ietvaros un nodrošina veidņu konsekvenci. Tikpat svarīgi ir tas, ka tam ir nepieciešama audita taka, lai kāds vēlāk varētu aizstāvēt rezultātus. Ieviešana bieži vien izskatās pēc “mākslīgā intelekta visur… bet ierobežotā veidā”, jo privātuma, kiberdrošības, necaurredzamības un neobjektivitātes riski nepazūd darījuma dienā. ⚠️
Kādi ir lielākie atbilstības un uzskaites riski, kas saistīti ar GenAI banku sektorā?
Visu palēnina divas realitātes. Pirmkārt, modeļa riska pārvaldība nav izvēles iespēja — regulatori sagaida validāciju, dokumentāciju un kontroli, un GenAI var paaugstināt latiņu, nevis to pazemināt. Otrkārt, komunikācijai un ierakstu saglabāšanai ir nozīme: kad cilvēki ielīmē darījuma kontekstu rīkos vai ģenerē melnrakstus tērzēšanā, brokeru-dīleru režīmos var rasties galvassāpes ar ierakstu saglabāšanu un uzraudzību.
Kā saglabāt vērtību, ja mākslīgais intelekts maina investīciju banku darbību?
Domājiet par “zirgspēku, nevis gudrību”. Izmantojiet mākslīgo intelektu (MI), lai ātrāk izstrādātu, strukturētu un atkārtotu darbu, un pēc tam veltiet savu cilvēcisko laiku stāstījumam, komerciālai spriedumam, nozares modeļu atpazīšanai, sarunām un procesu vadībai. Būt “labam MI jomā” nozīmē to atbildīgi uzraudzīt: labi rosināt, pārbaudīt rezultātus un pamanīt to, kas ir tehniski pareizi, bet komerciāli nepareizi. Uzvarētāji kļūst par lieliskiem realitātes redaktoriem. 🧠🤖
Bieži uzdotie jautājumi
Vai mākslīgais intelekts pilnībā aizstās investīciju baņķierus?
Ne kārtīgā, no sākuma līdz beigām aptverošā darbā. Investīciju banku darbība nav tikai rezultāti — tā ir uzticēšanās, spriedumi, politika un īstu cilvēku piespiešana teikt “jā” spiediena apstākļos. Mākslīgais intelekts aizstās darba daļas, saīsinās laika grafikus un samazinās dažus slāņus, īpaši jaunāko klašu ražošanā. Taču klienti joprojām vēlas cilvēku, kurš uzņemas padomus (un sekas). 🤝
Kuri investīciju banku uzdevumi, visticamāk, tiks automatizēti vispirms?
Vispirms tiek skarts “rūpnieciskais” darbs: liela apjoma, uz veidnēm balstīts un viegli mehāniski pārbaudāms. Iedomājieties pirmās kārtas prezentācijas tekstu, tirgus pārskatus, salīdzināšanas tabulas, iesniegumus/transkriptu kopsavilkumus, slaidu formatēšanu, CIM sadaļu melnrakstu, scenāriju izpildi un nebeidzamus statusa atjauninājumus. Svarīgi ir tas, ka jūs nepārtraucat darbu — jūs pārejat no radīšanas uz rezultātu pārskatīšanu, labošanu un aizstāvēšanu, ja tas ir komerciāli kļūdains.
Vai mākslīgais intelekts aizstās investīciju baņķierus analītiķu līmenī?
Mākslīgais intelekts ievērojami samazina klasisko analītiķu slogu: viena un tā paša modeļa izstrādi, formatēšanu, atjaunināšanu un pārbūvi ar nelielām izmaiņām. Tas var nozīmēt, ka tam pašam rezultātam būs nepieciešams mazāk jaunāko speciālistu un augstākas prasības tiem, kas paliek. Risks ir saistīts ar apmācību: ja pazūd smags darbs, pazūd arī atkārtošanās, kas veido instinktus. Nevar kļūt ass, tikai "pavēlot" darbu. 😅
Kas notiek ar darbiniekiem, viceprezidentiem un rīkotājdirektoriem, mākslīgajam intelektam izplatoties?
Partneri un viceprezidenti var kļūt vērtīgāki, jo viņi pārvērš sarežģītas klientu vajadzības rezultātos un pamana problēmas, pirms kaut kas tiek piegādāts. Viņi arī pārvalda laika grafikus, ieinteresētās personas un neskaidrības — jomas, kurās mākslīgajam intelektam joprojām ir grūtības. Rīkotāju direktoriem uz attiecībām un uz uzticēšanos balstīta sākotnējo attiecību izcelsme nekur nepazūd. Plaisa starp lietus veidotājiem un cilvēkiem, kuri galvenokārt uzrauga procesu, palielinās. ☔
Kāpēc mākslīgajam intelektam ir grūtības ar tām banku darbības jomām, kas noslēdz darījumus?
Jo vissarežģītākās daļas ir situatīvās un cilvēciskās. Mākslīgais intelekts var ieteikt struktūras, taču klienta psiholoģija, valdes politika, sarunu nianses un laika instinkti nav tīri datu kopumi. Arī uz reputāciju balstīta uzticēšanās ir sarežģīta: “Esmu redzējis šo filmu jau iepriekš” ir daļēji pieredze, daļēji atbildība. Kad izpilddirektors ir pa pusei dusmīgs un pa pusei pārbijies, kādam ir jāvada telpa, nevis tikai jāģenerē teksts.
Kā bankas var izmantot mākslīgo intelektu investīciju banku darbībā, neapdedzinot savas ekosistēmu?
“Labs” iestatījums uzvedas kā uzticams jaunākais komandas biedrs: tas norāda uz nenoteiktību, izskaidro pieņēmumus, darbojas atbilstības ierobežojumu ietvaros un nodrošina veidņu konsekvenci. Tikpat svarīgi ir tas, ka tam ir nepieciešama audita taka, lai kāds vēlāk varētu aizstāvēt rezultātus. Ieviešana bieži vien izskatās pēc “mākslīgā intelekta visur… bet ierobežotā veidā”, jo privātuma, kiberdrošības, necaurredzamības un neobjektivitātes riski nepazūd darījuma dienā. ⚠️
Kādi ir lielākie atbilstības un uzskaites riski, kas saistīti ar GenAI banku sektorā?
Visu palēnina divas realitātes. Pirmkārt, modeļa riska pārvaldība nav izvēles iespēja — regulatori sagaida validāciju, dokumentāciju un kontroli, un GenAI var paaugstināt latiņu, nevis to pazemināt. Otrkārt, komunikācijai un ierakstu saglabāšanai ir nozīme: kad cilvēki ielīmē darījuma kontekstu rīkos vai ģenerē melnrakstus tērzēšanā, brokeru-dīleru režīmos var rasties galvassāpes ar ierakstu saglabāšanu un uzraudzību.
Kā saglabāt vērtību, ja mākslīgais intelekts maina investīciju banku darbību?
Domājiet par “zirgspēku, nevis gudrību”. Izmantojiet mākslīgo intelektu (MI), lai ātrāk izstrādātu, strukturētu un atkārtotu darbu, un pēc tam veltiet savu cilvēcisko laiku stāstījumam, komerciālai spriedumam, nozares modeļu atpazīšanai, sarunām un procesu vadībai. Būt “labam MI jomā” nozīmē to atbildīgi uzraudzīt: labi rosināt, pārbaudīt rezultātus un pamanīt to, kas ir tehniski pareizi, bet komerciāli nepareizi. Uzvarētāji kļūst par lieliskiem realitātes redaktoriem. 🧠🤖
Bieži uzdotie jautājumi
Vai mākslīgais intelekts pilnībā aizstās investīciju baņķierus?
Ne kārtīgā, no sākuma līdz beigām aptverošā darbā. Investīciju banku darbība nav tikai rezultāti — tā ir uzticēšanās, spriedumi, politika un īstu cilvēku piespiešana teikt “jā” spiediena apstākļos. Mākslīgais intelekts aizstās darba daļas, saīsinās laika grafikus un samazinās dažus slāņus, īpaši jaunāko klašu ražošanā. Taču klienti joprojām vēlas cilvēku, kurš uzņemas padomus (un sekas). 🤝
Kuri investīciju banku uzdevumi, visticamāk, tiks automatizēti vispirms?
Vispirms tiek skarts “rūpnieciskais” darbs: liela apjoma, uz veidnēm balstīts un viegli mehāniski pārbaudāms. Iedomājieties pirmās kārtas prezentācijas tekstu, tirgus pārskatus, salīdzināšanas tabulas, iesniegumus/transkriptu kopsavilkumus, slaidu formatēšanu, CIM sadaļu melnrakstu, scenāriju izpildi un nebeidzamus statusa atjauninājumus. Svarīgi ir tas, ka jūs nepārtraucat darbu — jūs pārejat no radīšanas uz rezultātu pārskatīšanu, labošanu un aizstāvēšanu, ja tas ir komerciāli kļūdains.
Vai mākslīgais intelekts aizstās investīciju baņķierus analītiķu līmenī?
Mākslīgais intelekts ievērojami samazina klasisko analītiķu slogu: viena un tā paša modeļa izstrādi, formatēšanu, atjaunināšanu un pārbūvi ar nelielām izmaiņām. Tas var nozīmēt, ka tam pašam rezultātam būs nepieciešams mazāk jaunāko speciālistu un augstākas prasības tiem, kas paliek. Risks ir saistīts ar apmācību: ja pazūd smags darbs, pazūd arī atkārtošanās, kas veido instinktus. Nevar kļūt ass, tikai "pavēlot" darbu. 😅
Kas notiek ar darbiniekiem, viceprezidentiem un rīkotājdirektoriem, mākslīgajam intelektam izplatoties?
Partneri un viceprezidenti var kļūt vērtīgāki, jo viņi pārvērš sarežģītas klientu vajadzības rezultātos un pamana problēmas, pirms kaut kas tiek piegādāts. Viņi arī pārvalda laika grafikus, ieinteresētās personas un neskaidrības — jomas, kurās mākslīgajam intelektam joprojām ir grūtības. Rīkotāju direktoriem uz attiecībām un uz uzticēšanos balstīta sākotnējo attiecību izcelsme nekur nepazūd. Plaisa starp lietus veidotājiem un cilvēkiem, kuri galvenokārt uzrauga procesu, palielinās. ☔
Kāpēc mākslīgajam intelektam ir grūtības ar tām banku darbības jomām, kas noslēdz darījumus?
Jo vissarežģītākās daļas ir situatīvās un cilvēciskās. Mākslīgais intelekts var ieteikt struktūras, taču klienta psiholoģija, valdes politika, sarunu nianses un laika instinkti nav tīri datu kopumi. Arī uz reputāciju balstīta uzticēšanās ir sarežģīta: “Esmu redzējis šo filmu jau iepriekš” ir daļēji pieredze, daļēji atbildība. Kad izpilddirektors ir pa pusei dusmīgs un pa pusei pārbijies, kādam ir jāvada telpa, nevis tikai jāģenerē teksts.
Kā bankas var izmantot mākslīgo intelektu investīciju banku darbībā, neapdedzinot savas ekosistēmu?
“Labs” iestatījums uzvedas kā uzticams jaunākais komandas biedrs: tas norāda uz nenoteiktību, izskaidro pieņēmumus, darbojas atbilstības ierobežojumu ietvaros un nodrošina veidņu konsekvenci. Tikpat svarīgi ir tas, ka tam ir nepieciešama audita taka, lai kāds vēlāk varētu aizstāvēt rezultātus. Ieviešana bieži vien izskatās pēc “mākslīgā intelekta visur… bet ierobežotā veidā”, jo privātuma, kiberdrošības, necaurredzamības un neobjektivitātes riski nepazūd darījuma dienā. ⚠️
Kādi ir lielākie atbilstības un uzskaites riski, kas saistīti ar GenAI banku sektorā?
Visu palēnina divas realitātes. Pirmkārt, modeļa riska pārvaldība nav izvēles iespēja — regulatori sagaida validāciju, dokumentāciju un kontroli, un GenAI var paaugstināt latiņu, nevis to pazemināt. Otrkārt, komunikācijai un ierakstu saglabāšanai ir nozīme: kad cilvēki ielīmē darījuma kontekstu rīkos vai ģenerē melnrakstus tērzēšanā, brokeru-dīleru režīmos var rasties galvassāpes ar ierakstu saglabāšanu un uzraudzību.
Kā saglabāt vērtību, ja mākslīgais intelekts maina investīciju banku darbību?
Domājiet “zirgspēku, nevis gudrību”. Izmantojiet mākslīgo intelektu (MI), lai ātrāk izstrādātu, strukturētu un atkārtotu darbu, un pēc tam veltiet savu cilvēcisko laiku stāstījumam, komerciālai spriedumu veidošanai, nozares modeļu atpazīšanai, sarunām un procesu vadībai. Būt “labam MI jomā” nozīmē to atbildīgi uzraudzīt: labi rosināt, pārbaudīt rezultātus un pamanīt to, kas ir tehniski pareizi, bet komerciāli nepareizi. Uzvarētāji kļūst par lieliskiem realitātes redaktoriem.
Atsauces
[1] Pasaules Ekonomikas forums —
Ziņojums par darbavietu nākotni 2025. gadā (kopsavilkums) [2] McKinsey Global Institute —
Ģeneratīvā mākslīgā intelekta ekonomiskais potenciāls: nākamā produktivitātes robeža [3] Starptautisko norēķinu banka —
Inteliģenta finanšu sistēma: kā mākslīgais intelekts maina finanšu sistēmu (BIS darba dokumenti Nr. 1194, PDF formātā) [4] Federālo rezervju sistēma —
Uzraudzības vadlīnijas par modeļu riska pārvaldību (SR 11-7), PDF formātā [5] FINRA — Grāmatvedība un ieraksti (tostarp SEC biržas likuma 17.a-4. noteikums par elektronisko sakaru saglabāšanu)