Основываясь на последних наблюдениях, можно сделать вывод, что sell-side сегмент, будет наращивать свои инвестиции в эти технологии быстрее, чем их buy-side коллеги.
Искусственный интеллект и методы машинного обучения - это технологии, способные преобразовывать бизнес и его рынки. Определение того, какую форму примут эти преобразования и как компании на финансовых рынках должны позиционировать себя, чтобы получить от них максимальную пользу, - задача непростая.
Однако в своем недавнем отчете Refinitiv удалось пролить свет на эту тему. «The rise of the data scientist», как назван этот отчет, является вторым ежегодным отчетом от группы финансовых данных и аналитики по данному сектору.
В рамках отчета было опрошено более 420 участников коммерческих и инвестиционных банков, брокерско-дилерских фирм, бирж, хедж-фондов, управляющих активами и венчурных компаний. Специальности опрошенных варьировались от data science, количественного анализа и разработки до высшего руководства.
Географически респонденты были разделены на Азиатско-Тихоокеанский регион, Европу и Америку. На каждый регион приходится примерно по трети участников. Хотя небольшой количественный уклон в сторону Азиатско-Тихоокеанского региона все-таки присутствовал, в котором было на 7 участников больше, чем в Европе, и на 9 больше, чем в Северной и Южной Америке.
Основные выводы отчета заключаются в том, что сейчас компании стремятся наращивать свои средства искусственного интеллекта и машинного обучения во многих сферах своего бизнеса.
По мере того, как эти оперативные подразделения развиваются, увеличивается набор специалистов по data science, а роль искусственного интеллекта и машинного обучения перестает быть вспомогательной (как, например, для оценки эффективности маркетинговых кампаний) и смещается в сторону проактивных задач, которые помогают управлять стратегией.
Такие методы, как обработка естественного языка, могут раскрыть значительную ценность, скрытую в наборах неструктурированных данных, которыми обладают многие фирмы.
Однако, качество и доступность данных сейчас рассматриваются как самый большой барьер на пути более широкого внедрения искусственного интеллекта и машинного обучения. Как говорится в отчете, проблемы нехватки талантов, технологий и финансирования постепенно сходят на нет.
Однако искусственный интеллект и машинное обучение не являются панацеей, и модели искусственного интеллекта компаний будут настолько эффективны, насколько позволит их стратегия обработки данных.
Последствия COVID-19, вероятно, увеличат инвестиции в искусственный интеллект со стороны фирм, уже имеющих существующие программы. Однако для того, чтобы эти технологии были эффективными против других таких «черных лебедей» (или хотя бы были готовы к ним), потребуется доступ к большему количеству альтернативных данных.
Что касается результатов опроса, 72% респондентов заявили, что искусственный интеллект и/или машинное обучение, являются основным компонентом их бизнес-стратегии. 80% заявили, что вкладывают значительные средства в эти технологии. 70% респондентов согласились с тем, что решения о стратегии внедрения и развития искусственного интеллекта и машинного обучения касаются многих сфер их бизнеса.
Количество вариантов использования искусственного интеллекта также увеличивается. Риск менеджмент и трейдинг являются двумя наиболее распространенными областями применения, где более 60% организаций внедряют решения на базе искусственного интеллекта.
Тем не менее, уровень внедрения в области отчетности и комплаенса составил 33%. Также 31% опрошенных предприятий используют искусственный интеллект в исследованиях и генерации идей. Другие популярные варианты использования включают обслуживание клиентов, таргетинг, предтрейдинговую аналитику и сопровождение новых клиентов.
Предполагается, что sell-side сегмент, будет наращивать свои инвестиции в эти технологии быстрее, чем их buy-side коллеги, и с большей вероятностью будут разворачивать их сразу в нескольких областях своего бизнеса. До сих пор buy-side в основном использовали эти технологии локально, а не в масштабах всего бизнеса.
Около 44% sell-side организаций демонстрируют широкий спектр развертывания по сравнению с 28% для buy-side.
65% опрошенных фирм используют один тип искусственного интеллекта и машинного обучения, 28% - два. Однако только 7% фирм применяют в своей деятельности три разных типа этих технологий.
Наконец, с точки зрения приложений и областей интересов, компании на финансовых рынках все больше обращают внимание на глубокое обучение. Около 75% респондентов заявили, что использовали эти приложения, хотя именно здесь все же лидирует buy-side.
Перевод статьи был подготовлен в преддверии старта курса "Математика для Data Science". Всех, кому интересен данный курс, приглашаем посетить день открытых дверей, который пройдет онлайн на платформе OTUS уже 1 февраля.
