A Franklin Templeton mesterséges intelligencia alapú munkafolyamatokat fejleszt, kezdve az részvénykutatással, hogy a portfóliókezelők könnyebben össze tudják hasonlítani a különböző kutatási nézőpontokat és feltárhassák egy befektetési ötlet mögötti kockázatokat. A csapat több eszközt használ, köztük Codexet, hogy olyan munkafolyamatokat építsen, amelyek a kutatási tevékenységet támogatják.
A korai kísérletektől a kapcsolt intelligenciáig
Amikor a Franklin Templeton először próbált meg AI-t használni, az adatokat adatbázisba helyezték és modelleket kötöttek hozzá. Ez azonban nem adta meg a várt válaszokat, mert a modellek nem értették, hogyan illeszkednek egymáshoz az adatok. Amikor a csapat ügynököket (agents) és egy szemantikus réteget vezetett be — egy strukturált modellt arról, mit jelentenek a vállalat adatai és hogyan kapcsolódnak — az eredmények megváltoztak. „Sikerült felépítenünk azt, amit kapcsolt intelligencia rétegnek gondolunk,” mondja Dudley. „Behozzuk az adatokat az eszközökbe, és olyan meglátásokat hozunk felszínre, amelyek számítanak.”
Több nézőpont integrálása a döntéshozatalhoz
A research, a kockázatkezelés, a megfelelés és a kereskedés más-más szempontból közelít egy befektetéshez. Franklin Templeton célja ezeket az inputokat egyesíteni, és így jobb támpontokat adni a portfóliókezelőknek. „Be tudjuk ezeket hozni, és aztán ezeket használva felszínre hozni a döntéshozók számára azokat a meglátásokat, akik a portfóliókezelők” — mondja Dudley.
Dudley a korábbi részvénykutatási munkafolyamatot embervezéreltnek és egymás utáni lépésekre épülőnek írja le: az elemző elkészíti az első körös részvényelemzést, áttekinti a negyedéves gyorsbejelentéseket és megvizsgálja az egyes üzletágak versenytársait. A cél hasznos információk feltárása, hogy az elemzők új ötleteket tudjanak bemutatni a portfóliókezelőknek, vagy frissítéseket adjanak a meglévő pozíciókról. Ahogy Dudley fogalmaz: „Ez egyszerűen folyamatos intelligencia, amelyet kombinálunk az emberi ítélőképességgel.”
A tervezett munkafolyamat jellemzői
A Franklin Templeton víziója szerint a befektetési csapatok egy szabályozott, újrahasznosítható intelligenciaalaphoz férnek hozzá, amely megbízható csatlakozókat (connectors), portfólió- és munkafolyamat-kontekstust, valamint ügynöki képességeket (agentic capabilities) egyesít. Ezek az elemek olyan cselekvésre alkalmas meglátásokat hoznak felszínre az elemzők és portfóliókezelők számára.
A csapat Codexet is használt hackathonokon, ahol szakértőket vonnak be együtt a befektetési gyakorlókkal, miközben azok saját eszközeiket fejlesztik. A befektetési AI bajnokok (Investment AI champions) azon dolgoznak, hogy a kísérleteket élesíthető, termelésre kész munkafolyamatokká alakítsák; ennek része a biztonsági áttekintés, szakértői támogatás és adatkontroll.
Dudley szerint „áttértünk a kutatási folyamat kiegészítéséről a befektetési kutatási munkafolyamat újragondolására.”
Kihívások az eszközkezelésben és a félretájékoztatás elkerülése
Néhány, más területeken bevált AI-megoldás nem működik ugyanúgy az vagyonkezelésben. Sok eszköz megtanulja a felhasználó preferenciáit és több hasonlót mutat, ami azt eredményezheti, hogy ha valaki egy adott kutatószolgáltatót részesít előnyben, az eszköz annak riportjait hozza többet. Egy befektetési csapat esetében ez elfogultságot vihet be a befektetési döntésbe; Franklin Templeton ezzel szemben azt szeretné, hogy rendszerük a kutatási sokszínűséget és a vélemények változatosságát támogassa. „Azt akarjuk, hogy hozzáférjenek a kutatások és a vélemények sokféleségéhez,” mondja Dudley.
A cég AI-rendszereinek hangsúlyozniuk kell a befektetési kockázatokat is. „Szükségünk van arra, hogy az AI megértse: egy nagyszerű befektetési ötlet jól átgondolt, de elemezte a kockázatokat is, és figyelmezteti a portfóliókezelőnket a kockázatra” — mondja Dudley. „Ha egy kutatási jegyzetet nézel, az, hogy valaki azonosította a befektetési kockázatokat, nem rossz dolog a mi nézőpontunkból. Ez tájékozottabb befektetési döntéshez vezet.”
A gyakorlatban bevált irányelvek
Franklin Templeton tapasztalatai alapján több bevett gyakorlat rajzolódik ki:
- Vezetői üzenet: A vezetés támogatja az AI-innovációt és kísérletezést világosan meghatározott kockázatkezelési keretek között; nem minden kezdeményezés lesz sikeres, de mindegyiknek értékes tapasztalatot kell adnia, amely erősíti a képességeket és előremozdítja a folyamatos fejlesztést — mondja Dudley.
- Új eszközök gyors eljuttatása a csapatokhoz: a technológiára épülő gyakorlati laborokat gyorsan elérhetővé tették a csapatok számára, hogy kipróbálhassák, hogyan illeszkedik a munkájukhoz.
- A csapatok segítése az eszközök megtanulásában: „A cél, hogy valóban megértsék a technológia erejét,” teszi hozzá Dudley.
- Megfelelő kontrollok beépítése: a biztonsági áttekintés, szakértői támogatás és adatmegállapodások részei annak az útnak, amely a kísérletezéstől a termelési szintű megoldásokig vezet.
Emberi szakértelem megőrzése
Dudley hosszabb távú célja, hogy a kapcsolt intelligencia elérhető legyen az összes befektetési csapat számára, az elemzőktől a befektetési csoportok vezetőiig. Szeretné, ha az elemzők több időt töltenének a terepen, különféle szakértőkkel és szakemberekkel beszélgetve — beleértve a magáncégek vezetőit is — és az így szerzett emberi perspektívát visszahoznák a csapatokhoz. Dudley számára az emberi szemlélet továbbra is nélkülözhetetlen a technológiák fejlődése mellett.
Összegzés
A Franklin Templeton Codexet és más AI-eszközöket alkalmazva egy strukturált, kapcsolt intelligencia rétegen dolgozik, amelynek célja a kutatási nézőpontok összehangolása, a kockázatok hangsúlyozása és a portfóliókezelők számára hasznos, cselekvésre alkalmas meglátások felszínre hozatala. A megközelítés a gyors kísérletezést, vezetői támogatást és szabályozott kontrollokat egyaránt ötvözi, miközben megőrzi az emberi szakértelem szerepét.
