Nejde přitom o zcela nový trend. Více než polovina firem (56 %) začala AI do svých operací začleňovat před čtyřmi až pěti lety. Jen 9 % s integrací začalo během posledního roku. Odvětví se tak podle průzkumu nachází uprostřed své cesty k AI, nikoli na jejím začátku .
Nejvýraznějším zjištěním je rozdílný pohled na to, jak vysoké investice do AI jsou vlastně přiměřené:
Tento rozpor, který Clearwater označuje za „investiční paradox“, ukazuje na hlubší nejistotu. Odvětví považuje AI za technologii s transformačním potenciálem, zároveň ale obtížně odhaduje její návratnost a nedokáže přesně určit správnou míru investic .
Respondenti dostali otázku, ve kterých oblastech očekávají největší dopad AI během příštích 12 měsíců. Výsledky ukazují především na práci s informacemi a na nástroje podporující lidské rozhodování:
Čísla naznačují, že finanční sektor zatím vnímá AI spíše jako nástroj, který urychlí datově náročnou a analytickou práci, než jako náhradu portfolio manažerů.
Ne každá investice do AI přináší stejné výsledky. Studie zjistila, že rozhodujícím faktorem je kvalita dat, na nichž systémy umělé inteligence stojí.
Jak shrnul server Institutional Investor, správci aktiv sice své výdaje na AI výrazně zvyšují, větší rozpočty však automaticky neznamenají lepší výsledky . Firmy s kvalitnějším řízením dat dokážou dosáhnout konkrétního zlepšení v provozu, řízení rizik i analýze. Ostatní mohou do technologie investovat srovnatelné částky, aniž by se dočkaly podobného efektu.
Studie „GenAI and the Data Divide“ vykresluje odvětví, které na AI sází odvážně, ale stále nemá jistotu, jak přesně měřit její přínos. Rozpočty rostou, přesto chybí obecně přijímaná měřítka úspěchu. Většina firem už AI zavádí několik let, ale dvě třetiny vedoucích pracovníků se stále obávají nadměrných výdajů.
Nejpraktičtější závěr průzkumu je jednoznačný: kvalita dat může být důležitější než samotná výše rozpočtu. Správci aktiv, kteří investují do přesných a dobře spravovaných dat, mají výrazně vyšší šanci, že jim AI zlepší řízení rizik i rozhodování. Otázka proto nezní pouze, kolik peněz do umělé inteligence vložit, ale také jak kvalitní data do jejích modelů vstupují.