Branchen er heller ikke helt ny i arbejdet med teknologien. 56 procent begyndte at integrere AI i deres drift for fire til fem år siden, mens kun 9 procent først er gået i gang inden for det seneste år . Det tyder på, at kapitalforvalterne befinder sig midt i en længere transformationsproces – ikke ved begyndelsen.

Det store paradoks: For meget og for lidt på samme tid

På trods af de stigende budgetter er der langt fra enighed om, hvor meget virksomhederne bør investere:

• 66 procent frygter, at deres virksomhed overinvesterer i AI .
• 25 procent mener derimod, at organisationen stadig investerer for lidt .

Clearwater Analytics kalder det et investeringsparadoks. Teknologien opfattes som afgørende for branchens fremtid, men det er fortsat uklart, hvordan virksomhederne bedst vurderer afkastet af investeringerne. Souvik Das, teknologidirektør hos Clearwater Analytics, peger på, at branchen derfor har svært ved at finde det rette ambitionsniveau for en teknologi, der både er omvæltende og vanskelig at måle effekten af .

Her forventer branchen de største forandringer

De adspurgte ledere forventer især, at AI vil ændre arbejdsområder, hvor store datamængder skal behandles, og hvor medarbejdere skal træffe beslutninger på et oplyst grundlag.

• 62 procent forventer gennemgribende forandringer i generering og opsummering af data .
• 58 procent forventer en stor effekt på beslutningsstøttesystemer, herunder omlægning af porteføljer .
• 57 procent peger på en stor effekt inden for prædiktive modeller og stresstest .

Tallene peger på, at AI primært ses som et værktøj, der kan accelerere det data- og analyseintensive arbejde omkring investeringsbeslutninger – snarere end som en direkte erstatning for porteføljeforvaltere.

Datakvalitet kan afgøre, hvem der får udbyttet

Størrelsen på AI-budgettet er dog ikke nødvendigvis det, der afgør, om investeringen lykkes. Undersøgelsen peger i stedet på kvaliteten af de data, modellerne bygger på.

Blandt virksomheder med god eller fremragende datanøjagtighed siger 44 procent, at AI har gjort risikostyringen "meget mere proaktiv". Det samme gælder kun 17 procent af virksomheder, der vurderer deres datakvalitet som middelmådig eller dårlig .

Det illustrerer undersøgelsens centrale pointe: Flere penge på AI fører ikke automatisk til bedre resultater. Virksomheder med stærk datastyring ser ud til at få større operationelle gevinster, mens virksomheder med svagere datagrundlag risikerer at bruge betydelige beløb uden en tilsvarende effekt .

Hvad betyder det for kapitalforvalterne?

Undersøgelsen viser en branche, der satser stort på AI, selv om afkastet stadig er usikkert. Budgetterne vokser, og mange virksomheder har allerede arbejdet med teknologien i flere år. Alligevel mener to ud af tre ledere, at deres organisation måske bruger for meget.

Den mest konkrete læring er, at datagrundlaget kan være vigtigere end selve budgettets størrelse. For kapitalforvaltere, der vil have mere ud af AI, handler det derfor ikke kun om, hvor meget de skal investere, men også om hvor præcise, sammenhængende og veldokumenterede de data er, som modellerne får adgang til.

Branchen er heller ikke helt ny i arbejdet med teknologien. 56 procent begyndte at integrere AI i deres drift for fire til fem år siden, mens kun 9 procent først er gået i gang inden for det seneste år . Det tyder på, at kapitalforvalterne befinder sig midt i en længere transformationsproces – ikke ved begyndelsen.

Det store paradoks: For meget og for lidt på samme tid

På trods af de stigende budgetter er der langt fra enighed om, hvor meget virksomhederne bør investere:

• 66 procent frygter, at deres virksomhed overinvesterer i AI .
• 25 procent mener derimod, at organisationen stadig investerer for lidt .

Clearwater Analytics kalder det et investeringsparadoks. Teknologien opfattes som afgørende for branchens fremtid, men det er fortsat uklart, hvordan virksomhederne bedst vurderer afkastet af investeringerne. Souvik Das, teknologidirektør hos Clearwater Analytics, peger på, at branchen derfor har svært ved at finde det rette ambitionsniveau for en teknologi, der både er omvæltende og vanskelig at måle effekten af .

Her forventer branchen de største forandringer

De adspurgte ledere forventer især, at AI vil ændre arbejdsområder, hvor store datamængder skal behandles, og hvor medarbejdere skal træffe beslutninger på et oplyst grundlag.

• 62 procent forventer gennemgribende forandringer i generering og opsummering af data .
• 58 procent forventer en stor effekt på beslutningsstøttesystemer, herunder omlægning af porteføljer .
• 57 procent peger på en stor effekt inden for prædiktive modeller og stresstest .

Tallene peger på, at AI primært ses som et værktøj, der kan accelerere det data- og analyseintensive arbejde omkring investeringsbeslutninger – snarere end som en direkte erstatning for porteføljeforvaltere.

Datakvalitet kan afgøre, hvem der får udbyttet

Størrelsen på AI-budgettet er dog ikke nødvendigvis det, der afgør, om investeringen lykkes. Undersøgelsen peger i stedet på kvaliteten af de data, modellerne bygger på.

Blandt virksomheder med god eller fremragende datanøjagtighed siger 44 procent, at AI har gjort risikostyringen "meget mere proaktiv". Det samme gælder kun 17 procent af virksomheder, der vurderer deres datakvalitet som middelmådig eller dårlig .

Det illustrerer undersøgelsens centrale pointe: Flere penge på AI fører ikke automatisk til bedre resultater. Virksomheder med stærk datastyring ser ud til at få større operationelle gevinster, mens virksomheder med svagere datagrundlag risikerer at bruge betydelige beløb uden en tilsvarende effekt .

Hvad betyder det for kapitalforvalterne?

Undersøgelsen viser en branche, der satser stort på AI, selv om afkastet stadig er usikkert. Budgetterne vokser, og mange virksomheder har allerede arbejdet med teknologien i flere år. Alligevel mener to ud af tre ledere, at deres organisation måske bruger for meget.

Den mest konkrete læring er, at datagrundlaget kan være vigtigere end selve budgettets størrelse. For kapitalforvaltere, der vil have mere ud af AI, handler det derfor ikke kun om, hvor meget de skal investere, men også om hvor præcise, sammenhængende og veldokumenterede de data er, som modellerne får adgang til.