大摩：AI到“临界点”了，资管公司到了广泛部署的时刻

本文主要是介绍大摩：AI到“临界点”了，资管公司到了广泛部署的时刻，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

大摩表示，尽管AI技术在资产管理行业中的应用仍处于早期阶段，但其潜力巨大，能够为行业带来根本性的变革。预计生成式AI能够在资产管理公司的运营模型中带来20%至40%的生产力提升。

正文介绍

在全球经济面临诸多不确定因素的当下，资产管理行业即将迎来一场以人工智能（AI）为核心驱动力的变革浪潮。

摩根士丹利本周发布报告指出，生成式 AI技术已经达到了一个“临界点”，意味着它能够被广泛地部署在资产管理公司中。预计生成式AI能够在资产管理公司的运营模型中带来20%至40%的生产力提升。

大摩Michael J. Cyprys分析师团队在报告中表示，尽管AI技术在资产管理行业中的应用仍处于早期阶段，但其潜力巨大，能够为行业带来根本性的变革。通过利用AI技术，资产管理公司不仅可以提高日常运营的效率，还可以通过更精准的市场定位和客户服务来增加收入和市场份额。此外，报告还强调了数据科学家在投资决策中的重要性，以及通过AI技术实现个性化服务的潜力。

从产品开发到售后服务，AI全面提振资管运营效率

虽然生成式AI本身并不是一个增长驱动因素，但摩根士丹利认为，其在提高运营效率方面具有巨大潜力，能够释放资源以投资于盈利性增长领域。

以下是AI的具体的应用领域和潜在影响：

1. 销售与基金募集

利用生成式AI定制沟通策略，以适应每个客户的独特需求和偏好；根据客户数据和历史交互生成定制化的洞察和销售策略。

2. 市场营销

定制市场营销材料和脚本，针对多个细分市场或渠道；综合市场反馈和客户行为数据，生成营销活动的想法和计划。

3. 客户服务

解释咨询并提供定制化响应：通过匹配知识库中的类似问题，以定制化的方式响应客户咨询；起草定制化的定期投资者报告。

4. 产品开发

根据客户需求定制化地构思新的产品或解决方案；整合来自多个来源的数据，为委员会批准制定商业计划。

5. 投资组合管理

从新闻或报告中抓取和转换大量信息，以预测市场动向或证券风险；生成市场或风险情景，以及用于回测的综合历史和预测数据。从定义好的宇宙中选择相关证券，提出新的投资想法。

6. 研究与投资

综合研究并从多个来源提取数据，包括数据室；提出新的投资想法，并从定义好的宇宙中选择相关证券。

7. 交易

通过综合对手方的价格弹性信息，提出交易优化策略。智能对冲和平仓。

8. 风险、法律与合规

搜索并总结法律和合规文件；起草风险和绩效报告。

9. IT与运营

生成代码并进行调试；按需定制报告财务、运营和技术事件、KPI等；预填充数据、生成完整版本的文书/表单助手。

核心能力

大摩认为，生成式 AI在资产管理中应用有五大核心能力：

搜索信息：从多个来源研究并提取相关信息。

响应和与人类互动：提供类似人类的答案以回应询问或提示，并与人类互动。

创建和定制新内容：在多种媒介中生成新的和定制化的内容，例如文本、数据、代码。

解释信息和学习模式：理解基于自然语言的信息背后的模式，超越数字数据。

总结和组织信息：以所需的格式组织大量信息，并总结关键见解。

大摩表示，通过这些应用，资产管理公司可以提高决策的质量，优化客户服务，增强风险管理，并创造更加个性化和高效的运营模式。这些变革不仅能够提升公司内部的工作效率，还能够为投资者提供更高质量的服务和产品。

哪些资管公司能从AI中受益

报告中指出，尽管AI存在幻觉、数据泄露、侵权等风险，一些资管公司仍能从生成式AI中受益，只要它们满足以下七个因素：

将专有数据作为战略资产进行部署: 利用公司独有的数据集来获得竞争优势。

采用全面或系统化的方法: 从整体上理解和实施AI技术。

确定生成式 AI是否是特定业务问题的正确解决方案: 针对具体问题选择合适的AI工具。

重新构想运营以利用AI的可能性: 调整运营模式以最大化AI的潜力。

发展人才战略并建立正确的团队合作模式: 培养和吸引能够支持AI项目的人才。

保持信任和透明度: 确保AI的使用过程对客户和利益相关者保持透明。

在内部能力和外包之间找到正确的平衡: 决定哪些AI功能应该内部开发，哪些可以通过外包实现。