Whalesbook
AI માં માસ્ટરીનો ઊંચો ખર્ચ
ફાઇનાન્સિયલ સેક્ટર હવે માત્ર આર્ટિફિશિયલ ઇન્ટેલિજન્સ (AI) નું પરીક્ષણ નથી કરી રહ્યું; તે તેની કામગીરીમાં AI ને ઊંડાણપૂર્વક એકીકૃત કરવા માટે ભીષણ સ્પર્ધામાં ઉતર્યું છે. ભૂતપૂર્વ SoftBank રોકાણકારો જેવા લોકો દ્વારા ચલાવવામાં આવતા ટોપ-ટાયર વર્કશોપ પાંચ-આંકડાની દૈનિક ફી વસૂલી રહ્યા છે. આ દર્શાવે છે કે અગ્રણી ફર્મો સ્પર્ધાત્મક રહેવા માટે AI સાક્ષરતાને આવશ્યક માને છે. ધ્યાન ફક્ત કાર્યક્ષમતા વધારવા પરથી કાર્યબળના મોટા પાયે પરિવર્તન તરફ ગયું છે. જ્યારે ઊંચો તાલીમ ખર્ચ મુખ્ય સમાચાર બની રહ્યો છે, ત્યારે વાસ્તવિક મુદ્દો પરંપરાગત ફાઇનાન્સ પ્રોફેશનલ્સ માટે અનુકૂલન સાધવાનો ઘટતો સમય છે, કારણ કે કંપનીઓ AI એજન્ટ્સનો ઉપયોગ જટિલ નિર્ણયો લેવા માટે વધુને વધુ મૂલ્ય આપી રહી છે.
પ્રયોગોથી લઈને સંપૂર્ણ AI એકીકરણ સુધી
મોટી ફાઇનાન્સિયલ સંસ્થાઓ પ્રારંભિક ટ્રાયલ્સથી આગળ વધીને AI ને ઊંડાણપૂર્વક એકીકૃત કરી રહી છે. ઉદાહરણ તરીકે, JPMorgan Chase એ તેના કસ્ટમ LLM સ્યુટને 200,000 થી વધુ કર્મચારીઓ માટે રોલ આઉટ કર્યું છે. આ સિસ્ટમ M&A મેમો ડ્રાફ્ટ કરવા અને ક્લાયન્ટ પ્રેઝન્ટેશન બનાવવા જેવા કાર્યોને ઓટોમેટ કરવા માટે ડિઝાઇન કરવામાં આવી છે, માત્ર ચેટબોટ તરીકે કામ કરવા માટે નહીં. પ્રારંભિક પરિણામો સૂચવે છે કે આ AI એજન્ટ્સ વાર્ષિક લાભમાં 30-40% નો વધારો કરી રહ્યા છે. Bank of America એ પણ નોંધપાત્ર ઉત્પાદકતા લાભ જોયો છે, જેમાં AI-સહાયિત કોડિંગ ટૂલ્સ સોફ્ટવેર ડેવલપમેન્ટ કાર્યક્ષમતામાં 55% સુધી સુધારો કરી રહ્યા છે. દરેક જગ્યાએ સંસ્થાઓ ઓળખે છે કે AI અપનાવવામાં નિષ્ફળ જવું એ સૌથી મોટું જોખમ છે, કારણ કે હરીફો છેતરપિંડી શોધ (fraud detection) અને વેપાર સેટલમેન્ટ (trade settlement) જેવા ક્ષેત્રોમાં ખર્ચ ઘટાડવા માટે તેનો ઉપયોગ કરી રહ્યા છે.
ઝડપી AI અપનાવવાના જોખમો
નોંધપાત્ર ફાયદાઓ છતાં, AI ના ઝડપી અપનાવવાથી કમાણી (earnings), નિયમન (regulations), અને કાર્યબળમાં વિક્ષેપ (workforce disruption) સંબંધિત જોખમો રહેલા છે. મેન્યુઅલ નોકરીઓને AI સિસ્ટમ્સ સાથે બદલવાથી નવા, અણધાર્યા જોખમો ઊભા થઈ શકે છે; ઓટોમેટેડ ટ્રેડિંગ અથવા સંશોધન મોડેલમાં એક નાની ભૂલ ઝડપથી મોટી સિસ્ટમ-વ્યાપી સમસ્યા બની શકે છે. થર્ડ-પાર્ટી લાર્જ લેંગ્વેજ મોડેલ્સનો ઉપયોગ ડેટા ગોપનીયતા (data privacy) અને બૌદ્ધિક સંપદા (intellectual property) અંગે પણ ચિંતાઓ ઊભી કરે છે. જ્યારે કંપનીઓ વિસ્થાપિત કામદારોને ફરીથી તાલીમ આપવા વિશે વાત કરે છે, ત્યારે AI ને સંપૂર્ણપણે અપનાવનારાઓ અને પરંપરાગત કર્મચારીઓ વચ્ચેનું અંતર વધી રહ્યું છે, જેના કારણે આંતરિક તણાવ ઊભો થયો છે. ઘણી મોટી ફર્મો તેમના વિશાળ AI ટેકનોલોજી બજેટ માટે રોકાણ પરના વળતર (return on investment) ને ન્યાયી ઠેરવવામાં મુશ્કેલી અનુભવી રહી છે. નોંધપાત્ર બજાર ઘટાડો આ મોટા AI રોકાણોને ખર્ચાળ અને નબળી રીતે સંચાલિત જવાબદારીઓ તરીકે ઉજાગર કરી શકે છે.
ભવિષ્યમાં શું છે?
ઉદ્યોગ AI-સંચાલિત પરિવર્તનના લાંબા ગાળાની અપેક્ષા રાખે છે, જે સંભવતઃ માનવ કર્મચારીઓને ફરીથી તાલીમ આપી શકાય તેના કરતાં વધુ ઝડપી હશે. ભવિષ્યમાં, ફાઇનાન્સિયલ ફર્મો માટે મુખ્ય લાભ ફક્ત AI ટૂલ્સની માલિકી જ નહીં, પરંતુ મજબૂત આંતરિક નિયંત્રણો (internal controls) ધરાવવું અને કાર્યક્ષમ સ્થિરતા (operational stability) ને જોખમમાં મૂક્યા વિના AI એકીકરણમાં નિપુણતા મેળવવાનું રહેશે. જેમ જેમ મોટી ગ્રુપિંગ વ્યવસાયો માટે AI સેવાઓ વિકસાવવા સહયોગ કરે છે, ત્યારે આગલું પગલું સંસ્થાકીય જ્ઞાન (institutional knowledge) મેળવતા સુરક્ષિત, કસ્ટમ મોડેલનો સમાવેશ કરશે. સફળ ફર્મો તે હશે જેઓ વધુને વધુ જટિલ બજાર પરિસ્થિતિઓને સંચાલિત કરવા માટે માનવ દેખરેખ જાળવી રાખીને શક્તિશાળી AI એજન્ટ્સ જમાવી શકશે.