Whalesbook
AI मास्टरीचा मोठा खर्च
आता फायनान्स क्षेत्रातील कंपन्या केवळ आर्टिफिशियल इंटेलिजन्स (AI) ची चाचणी न करता, ते आपल्या कामात पूर्णपणे रुजवण्यासाठी जोरदार स्पर्धेत उतरल्या आहेत. माजी सॉफ्टबँक (SoftBank) गुंतवणूकदारांसारख्या तज्ञांकडून चालवल्या जाणाऱ्या हाय-एंड वर्कशॉप्समध्ये दररोज पाच आकडी फी आकारली जात आहे. यावरून हे स्पष्ट होते की, आघाडीच्या कंपन्या AI साक्षरतेला स्पर्धेत टिकून राहण्यासाठी अत्यावश्यक मानत आहेत. साध्या कार्यक्षमतेत वाढ करण्याऐवजी, आता कर्मचाऱ्यांमध्ये मोठे बदल घडवण्यावर लक्ष केंद्रित केले जात आहे. उच्च प्रशिक्षण खर्चाकडे लक्ष वेधले जात असले तरी, खरा मुद्दा हा आहे की पारंपरिक फायनान्स व्यावसायिकांना जुळवून घेण्यासाठी कमी वेळ मिळत आहे, कारण कंपन्या आता AI एजंट्सचा वापर करून क्लिष्ट निर्णय घेणाऱ्या कर्मचाऱ्यांना जास्त महत्त्व देत आहेत.
प्रयोगांपासून पूर्ण AI एकत्रीकरणापर्यंत
मोठ्या फायनान्शिअल संस्था केवळ सुरुवातीच्या चाचण्यांपलीकडे जाऊन AI ला आपल्या सिस्टीममध्ये खोलवर समाविष्ट करत आहेत. उदाहरणार्थ, जेपी मॉर्गन चेस (JPMorgan Chase) ने आपल्या २,००,००० पेक्षा जास्त कर्मचाऱ्यांसाठी कस्टम LLM सूट (LLM Suite) आणली आहे. ही प्रणाली केवळ चॅटबॉट म्हणून काम न करता, M&A मेमो तयार करणे आणि क्लायंट प्रेझेंटेशन बनवणे यांसारखी कामे स्वयंचलित करण्यासाठी डिझाइन केली आहे. सुरुवातीच्या निकालांनुसार, हे AI एजंट्स वार्षिक फायद्यांमध्ये 30-40% वाढ करत आहेत. बँक ऑफ अमेरिका (Bank of America) ने देखील उत्पादकतेत लक्षणीय वाढ अनुभवली आहे, जिथे AI-सहाय्यित कोडिंग साधनांमुळे सॉफ्टवेअर डेव्हलपमेंटची कार्यक्षमता 55% पर्यंत सुधारली आहे. सर्वच संस्थांना हे जाणवत आहे की AI चा अवलंब न करणे हा सर्वात मोठा धोका आहे, कारण त्यांचे प्रतिस्पर्धी फसवणूक शोधणे (fraud detection) आणि ट्रेड सेटलमेंट (trade settlement) यांसारख्या क्षेत्रांमध्ये खर्च कमी करण्यासाठी याचा वापर करत आहेत.
जलद AI अवलंबण्याचे धोके
नोंदवलेल्या फायद्यांनंतरही, AI च्या जलद अवलंबणामध्ये कमाई, नियम आणि कर्मचारी बदलांशी संबंधित धोके आहेत. मॅन्युअल नोकऱ्यांची जागा AI प्रणालींनी घेतल्यास नवीन, अनपेक्षित धोके निर्माण होऊ शकतात; स्वयंचलित ट्रेडिंग किंवा संशोधन मॉडेलमधील छोटीशी चूक लवकरच एक मोठी सिस्टीम-व्यापी समस्या बनू शकते. थर्ड-पार्टी लार्ज लँग्वेज मॉडेल्स (large language models) वापरल्याने डेटा गोपनीयता (data privacy) आणि बौद्धिक संपदा (intellectual property) याबद्दलही चिंता निर्माण होते. कंपन्या विस्थापित कर्मचाऱ्यांना पुन्हा प्रशिक्षित करण्याबद्दल बोलत असल्या तरी, जे AI पूर्णपणे स्वीकारतात आणि पारंपरिक कर्मचारी यांच्यातील दरी वाढत आहे, ज्यामुळे अंतर्गत तणाव निर्माण होत आहे. अनेक मोठ्या कंपन्यांना त्यांच्या प्रचंड AI तंत्रज्ञान बजेटसाठी गुंतवणुकीवरील परतावा (return on investment) सिद्ध करणे कठीण जात आहे. बाजारात मोठी घसरण झाल्यास, हे मोठे AI गुंतवणूक महाग आणि कुप्रबंधित दायित्वे (liabilities) म्हणून उघड होऊ शकतात.
पुढे काय?
उद्योग AI-चालित बदलाचा एक दीर्घकाळ चालणारा काळ अपेक्षित आहे, जो मानवी कर्मचाऱ्यांच्या पुनर्प्रशिक्षणाच्या वेगापेक्षा जास्त असू शकतो. भविष्यात, फायनान्शिअल कंपन्यांसाठी मुख्य फायदा केवळ AI साधने मालकीचा नसेल, तर मजबूत अंतर्गत नियंत्रणे (internal controls) असणे आणि ऑपरेशनल स्थिरता धोक्यात न घालता AI एकत्रीकरणामध्ये (AI integration) प्राविण्य मिळवणे हा असेल. जसजसे मोठे समूह व्यवसायांसाठी AI सेवा विकसित करण्यासाठी सहयोग करत आहेत, पुढील टप्पा सुरक्षित, कस्टम मॉडेल्सचा असेल जे संस्थात्मक ज्ञान (institutional knowledge) कॅप्चर करतील. यशस्वी कंपन्या त्या असतील ज्या मानवी देखरेखीसह (human oversight) शक्तिशाली AI एजंट्स तैनात करू शकतील आणि वाढत्या क्लिष्ट बाजार परिस्थितीचे व्यवस्थापन करू शकतील.