全球资管巨头AI投入狂飙：三分之二高管忧心过度，四分之一嫌不够

这一趋势并非刚刚起步。超过一半的公司（56%）在四到五年前就已开始将AI整合到运营中，仅有9%在过去一年内才开始——这意味着行业正处在AI应用的中途，而非起点 。

投资悖论：66%担心过度，25%还想加码

最引人注目的发现或许是，行业对AI投入的合理水平缺乏基本共识：

• 66% 的基金经理担心所在公司AI投入过度 。
• 25% 认为公司AI投入仍然不足 。

Clearwater将此称为"投资悖论"，指向更深层的不确定性。该公司首席技术官Souvik Das指出，行业难以校准对一项技术的投入力度——这项技术显然具有变革性，但其投资回报仍然难以预测 。

AI最有望发力的领域：数据、决策与风险模型

研究询问高管未来12个月AI将产生最大影响的领域，结果直指涉及信息处理和支持人类判断的运营环节：

• 62% 的基金经理期待AI在数据生成与摘要方面带来变革性变化 。
• 58% 认为AI将对决策支持系统（包括投资组合再平衡）产生重大影响 。
• 57% 认为AI对预测建模和压力测试影响显著 。

这些数据表明，行业将AI视作投资经理的加速器，而非替代品——AI擅长处理数据密集型的分析工作，为投资决策提供支撑。

数据质量：成功与停滞之间的隐藏分水岭

并非所有AI投入都能产生相同效果。研究发现，底层数据质量是决定AI投资能否真正提升绩效的关键因素。

• 数据准确性良好或优秀的公司中，44% 表示AI已使风险管理变得"更加主动" 。
• 数据质量一般或较差的公司中，该比例仅为17% 。

《机构投资者》杂志总结研究的核心信息时称："资产管理公司在AI上大幅增加支出，但更大的预算并不总能转化为更好的结果。" 数据治理强的公司获得了实质性的运营改进；数据管理薄弱的公司花了钱却看不到对等的回报。

对行业的启示

《生成式AI与数据鸿沟》研究描绘了一幅图景：行业正在对一个回报尚不明朗的技术下大赌注。预算持续攀升，但缺乏衡量成功的明确基准。多数公司已进行数年的AI整合，却有三分之二的领导者认为组织可能投入过多。

最清晰的行动指南是：数据质量比预算规模更重要。投资于准确、治理良好的数据的公司，更可能让AI切实改善风险管理和决策。对于试图在AI浪潮中找到方向的资管公司而言，这项研究提示：优先要务不是花多少钱——而是喂给模型的数据有多干净。