Utviklingen startet heller ikke i går. Over halvparten av selskapene, 56 prosent, begynte å integrere AI i virksomheten for fire til fem år siden. Bare 9 prosent startet i løpet av det siste året . Det tyder på at bransjen er godt inne i AI-omstillingen – ikke på startstreken.

Et tydelig investeringsparadoks

Det mest slående funnet er kanskje at bransjen ikke er enig om hvor mye det egentlig er riktig å bruke på AI:

• 66 prosent av fondsforvalterne frykter at selskapene deres overinvesterer i AI .
• 25 prosent mener organisasjonene fortsatt investerer for lite .

Clearwater omtaler dette som et «investeringsparadoks». Tallene peker på en dypere usikkerhet: AI blir sett på som en teknologi som kan endre bransjen, men avkastningen på investeringene er fortsatt vanskelig å beregne .

Her ventes AI å få størst betydning

Respondentene ble også spurt om hvilke områder som vil bli mest påvirket av AI de neste tolv månedene. Svarene peker særlig mot arbeidsprosesser som krever mye informasjonsbehandling og som støtter menneskelige vurderinger:

• 62 prosent forventer gjennomgripende endringer i generering og oppsummering av data .
• 58 prosent venter stor påvirkning på beslutningsstøttesystemer, blant annet systemer for rebalansering av porteføljer .
• 57 prosent peker på store effekter innen prediktive modeller og stresstesting .

Funnene tyder på at kapitalforvalterne først og fremst ser AI som et verktøy som kan effektivisere analyse- og datakrevende oppgaver – ikke nødvendigvis som en erstatning for porteføljeforvalteren.

Datakvalitet kan avgjøre hvem som lykkes

Større budsjetter gir imidlertid ikke automatisk bedre resultater. Undersøkelsen viser at kvaliteten på virksomhetens underliggende data er avgjørende for om AI-investeringene faktisk gir forbedringer.

• 44 prosent av selskapene som vurderer datanøyaktigheten som god eller svært god, sier at AI har gjort risikostyringen «langt mer proaktiv» .
• Blant selskaper med middels eller svak datakvalitet sier bare 17 prosent det samme .

Som Institutional Investor oppsummerte undersøkelsen: Kapitalforvaltere øker AI-investeringene kraftig, men større budsjetter gir ikke nødvendigvis bedre resultater . Selskaper med god datastyring ser ut til å hente ut større operative gevinster enn selskaper som mangler et solid datagrunnlag.

Hva betyr dette for bransjen?

«GenAI and the Data Divide» tegner et bilde av en bransje som gjør store og kostbare teknologisatsinger, uten at det finnes en felles oppskrift på hva som er riktig investeringsnivå. De fleste selskapene har allerede flere års erfaring med AI, men likevel mener et stort flertall av lederne at det kan brukes for mye penger på teknologien.

Den tydeligste lærdommen handler derfor ikke nødvendigvis om hvor stort AI-budsjettet bør være. Den handler om hva slags data som mates inn i modellene. Selskaper med nøyaktige og godt styrte data ser ut til å ha langt bedre forutsetninger for å forbedre risikostyring og beslutninger enn selskaper som bare øker pengebruken.

For kapitalforvaltere som prøver å finne veien videre, er spørsmålet dermed ikke bare hvor mye de skal investere i AI – men også om datagrunnlaget er godt nok til at investeringen kan gi resultater.

Utviklingen startet heller ikke i går. Over halvparten av selskapene, 56 prosent, begynte å integrere AI i virksomheten for fire til fem år siden. Bare 9 prosent startet i løpet av det siste året . Det tyder på at bransjen er godt inne i AI-omstillingen – ikke på startstreken.

Et tydelig investeringsparadoks

Det mest slående funnet er kanskje at bransjen ikke er enig om hvor mye det egentlig er riktig å bruke på AI:

• 66 prosent av fondsforvalterne frykter at selskapene deres overinvesterer i AI .
• 25 prosent mener organisasjonene fortsatt investerer for lite .

Clearwater omtaler dette som et «investeringsparadoks». Tallene peker på en dypere usikkerhet: AI blir sett på som en teknologi som kan endre bransjen, men avkastningen på investeringene er fortsatt vanskelig å beregne .

Her ventes AI å få størst betydning

Respondentene ble også spurt om hvilke områder som vil bli mest påvirket av AI de neste tolv månedene. Svarene peker særlig mot arbeidsprosesser som krever mye informasjonsbehandling og som støtter menneskelige vurderinger:

• 62 prosent forventer gjennomgripende endringer i generering og oppsummering av data .
• 58 prosent venter stor påvirkning på beslutningsstøttesystemer, blant annet systemer for rebalansering av porteføljer .
• 57 prosent peker på store effekter innen prediktive modeller og stresstesting .

Funnene tyder på at kapitalforvalterne først og fremst ser AI som et verktøy som kan effektivisere analyse- og datakrevende oppgaver – ikke nødvendigvis som en erstatning for porteføljeforvalteren.

Datakvalitet kan avgjøre hvem som lykkes

Større budsjetter gir imidlertid ikke automatisk bedre resultater. Undersøkelsen viser at kvaliteten på virksomhetens underliggende data er avgjørende for om AI-investeringene faktisk gir forbedringer.

• 44 prosent av selskapene som vurderer datanøyaktigheten som god eller svært god, sier at AI har gjort risikostyringen «langt mer proaktiv» .
• Blant selskaper med middels eller svak datakvalitet sier bare 17 prosent det samme .

Som Institutional Investor oppsummerte undersøkelsen: Kapitalforvaltere øker AI-investeringene kraftig, men større budsjetter gir ikke nødvendigvis bedre resultater . Selskaper med god datastyring ser ut til å hente ut større operative gevinster enn selskaper som mangler et solid datagrunnlag.

Hva betyr dette for bransjen?

«GenAI and the Data Divide» tegner et bilde av en bransje som gjør store og kostbare teknologisatsinger, uten at det finnes en felles oppskrift på hva som er riktig investeringsnivå. De fleste selskapene har allerede flere års erfaring med AI, men likevel mener et stort flertall av lederne at det kan brukes for mye penger på teknologien.

Den tydeligste lærdommen handler derfor ikke nødvendigvis om hvor stort AI-budsjettet bør være. Den handler om hva slags data som mates inn i modellene. Selskaper med nøyaktige og godt styrte data ser ut til å ha langt bedre forutsetninger for å forbedre risikostyring og beslutninger enn selskaper som bare øker pengebruken.

For kapitalforvaltere som prøver å finne veien videre, er spørsmålet dermed ikke bare hvor mye de skal investere i AI – men også om datagrunnlaget er godt nok til at investeringen kan gi resultater.