Это не внезапный поворот. Более половины организаций — 56% — начали внедрять ИИ в рабочие процессы четыре-пять лет назад. Лишь 9% приступили к интеграции технологии в течение последнего года . Иными словами, отрасль находится не у стартовой черты, а в середине долгого процесса внедрения.

Инвестиционный парадокс: 66% боятся потратить слишком много

Участники исследования заметно расходятся во мнениях относительно «правильного» уровня расходов:

• 66% управляющих фондами опасаются, что их компании чрезмерно инвестируют в ИИ .
• 25% считают, что организациям, напротив, всё ещё не хватает вложений .

Clearwater Analytics называет это «инвестиционным парадоксом». Отрасль практически не сомневается в преобразующем потенциале ИИ, но пока не выработала понятных ориентиров, позволяющих определить оптимальный объём инвестиций. Как отметил технический директор Clearwater Analytics Сувик Дас, компаниям сложно соотнести масштабы обязательств с отдачей от технологии, которая уже меняет отрасль, но пока приносит трудно прогнозируемый результат .

Где ИИ должен изменить работу управляющих активами

В ближайшие 12 месяцев руководители ожидают наибольшего эффекта от ИИ в процессах, связанных с обработкой больших массивов информации и поддержкой решений специалистов:

• 62% прогнозируют трансформационные изменения в генерации и обобщении данных .
• 58% ожидают серьёзного влияния на системы поддержки решений, включая ребалансировку портфелей .
• 57% отмечают возможный значительный эффект в прогнозном моделировании и стресс-тестировании .

Эти оценки указывают, что управляющие пока видят в ИИ прежде всего инструмент усиления аналитической работы, а не прямую замену портфельным менеджерам. Технология должна ускорить операции, требующие обработки данных, расчётов и подготовки сценариев для принятия инвестиционных решений.

Качество данных важнее размера бюджета

Большие расходы на ИИ сами по себе не гарантируют заметного улучшения результатов. Исследование показывает, что решающее значение имеет состояние исходных данных и качество управления ими.

Среди компаний, оценивших точность своих данных как хорошую или отличную, 44% сообщили, что благодаря ИИ управление рисками стало «значительно более проактивным». В группе с посредственным или плохим качеством данных такой результат отметили лишь 17% респондентов .

Как отмечал Institutional Investor, управляющие активами резко увеличивают расходы на ИИ, однако более крупные бюджеты не всегда превращаются в сопоставимый эффект . Организации с выстроенным управлением данными получают более ощутимые улучшения в риск-менеджменте, отчётности и аналитике. Компании без надёжной информационной базы рискуют тратить больше, не добиваясь таких же результатов.

Главный вывод для отрасли

Исследование «GenAI and the Data Divide» описывает отрасль, которая делает крупную ставку на технологию с пока неопределённой отдачей. Бюджеты растут, но единых критериев успеха по-прежнему нет. При этом большинство компаний уже несколько лет внедряют ИИ, а две трети их руководителей всё ещё считают возможным перерасход средств.

Самый практичный вывод исследования прост: прежде чем увеличивать бюджет, управляющим активами стоит проверить качество данных, на которых строятся модели. Точные, согласованные и надёжно контролируемые данные с гораздо большей вероятностью превращают ИИ в инструмент улучшения управления рисками и принятия решений. Вопрос для отрасли теперь звучит не только как «сколько инвестировать?», но и как «насколько качественны данные, которые мы подаём алгоритмам?»

Это не внезапный поворот. Более половины организаций — 56% — начали внедрять ИИ в рабочие процессы четыре-пять лет назад. Лишь 9% приступили к интеграции технологии в течение последнего года . Иными словами, отрасль находится не у стартовой черты, а в середине долгого процесса внедрения.

Инвестиционный парадокс: 66% боятся потратить слишком много

Участники исследования заметно расходятся во мнениях относительно «правильного» уровня расходов:

• 66% управляющих фондами опасаются, что их компании чрезмерно инвестируют в ИИ .
• 25% считают, что организациям, напротив, всё ещё не хватает вложений .

Clearwater Analytics называет это «инвестиционным парадоксом». Отрасль практически не сомневается в преобразующем потенциале ИИ, но пока не выработала понятных ориентиров, позволяющих определить оптимальный объём инвестиций. Как отметил технический директор Clearwater Analytics Сувик Дас, компаниям сложно соотнести масштабы обязательств с отдачей от технологии, которая уже меняет отрасль, но пока приносит трудно прогнозируемый результат .

Где ИИ должен изменить работу управляющих активами

В ближайшие 12 месяцев руководители ожидают наибольшего эффекта от ИИ в процессах, связанных с обработкой больших массивов информации и поддержкой решений специалистов:

• 62% прогнозируют трансформационные изменения в генерации и обобщении данных .
• 58% ожидают серьёзного влияния на системы поддержки решений, включая ребалансировку портфелей .
• 57% отмечают возможный значительный эффект в прогнозном моделировании и стресс-тестировании .

Эти оценки указывают, что управляющие пока видят в ИИ прежде всего инструмент усиления аналитической работы, а не прямую замену портфельным менеджерам. Технология должна ускорить операции, требующие обработки данных, расчётов и подготовки сценариев для принятия инвестиционных решений.

Качество данных важнее размера бюджета

Большие расходы на ИИ сами по себе не гарантируют заметного улучшения результатов. Исследование показывает, что решающее значение имеет состояние исходных данных и качество управления ими.

Среди компаний, оценивших точность своих данных как хорошую или отличную, 44% сообщили, что благодаря ИИ управление рисками стало «значительно более проактивным». В группе с посредственным или плохим качеством данных такой результат отметили лишь 17% респондентов .

Как отмечал Institutional Investor, управляющие активами резко увеличивают расходы на ИИ, однако более крупные бюджеты не всегда превращаются в сопоставимый эффект . Организации с выстроенным управлением данными получают более ощутимые улучшения в риск-менеджменте, отчётности и аналитике. Компании без надёжной информационной базы рискуют тратить больше, не добиваясь таких же результатов.

Главный вывод для отрасли

Исследование «GenAI and the Data Divide» описывает отрасль, которая делает крупную ставку на технологию с пока неопределённой отдачей. Бюджеты растут, но единых критериев успеха по-прежнему нет. При этом большинство компаний уже несколько лет внедряют ИИ, а две трети их руководителей всё ещё считают возможным перерасход средств.

Самый практичный вывод исследования прост: прежде чем увеличивать бюджет, управляющим активами стоит проверить качество данных, на которых строятся модели. Точные, согласованные и надёжно контролируемые данные с гораздо большей вероятностью превращают ИИ в инструмент улучшения управления рисками и принятия решений. Вопрос для отрасли теперь звучит не только как «сколько инвестировать?», но и как «насколько качественны данные, которые мы подаём алгоритмам?»