資產管理公司的AI支出矛盾：擔憂過度投資，卻持續加碼

這股趨勢並非剛剛開始。超過半數（56%）的企業在四到五年前就已開始整合AI到營運中，僅有9%在過去一年內才起步——這意味著整個產業正處於AI旅程的中段，而非起點 。

投資矛盾：66%憂心過度投資，25%仍嫌不足

報告中最引人注目的發現，或許是業界對於AI支出「多少才算合理」缺乏共識：

• 66% 的基金經理擔心所屬企業在AI上投資過多 。
• 25% 則認為公司投資仍然不足 。

Clearwater將此現象稱為「投資矛盾」，反映更深層的不確定性。Clearwater Analytics技術長Souvik Das指出，業界面臨的挑戰在於如何拿捏對這項技術的投入程度——這項技術顯然具有變革潛力，但其投資報酬率仍難以預測 。

AI的應用焦點：數據、決策與風險模型

研究詢問高階主管未來12個月AI影響最大的領域。結果顯示，焦點集中在涉及資訊處理與輔助人類判斷的營運環節：

• 62% 的基金經理預期AI將在數據生成與摘要領域帶來變革性影響 。
• 58% 認為對決策支援系統（包括投資組合再平衡）影響重大 。
• 57% 則指出對預測模型與壓力測試影響重大 。

這些數據顯示，業界並未將AI視為基金經理的替代品，而是視為加速數據密集型分析工作的工具，以支持投資決策。

數據品質：成功與停滯的隱形分水嶺

並非所有AI支出都能產生相同成果。研究發現，企業底層數據的品質，是決定AI投資能否實際提升績效的關鍵因素。

• 數據準確度「良好」或「卓越」的企業中，44% 表示AI已使風險管理變得「更加主動」 。
• 數據品質「一般」或「較差」的企業中，僅有17% 能達到同樣效果 。

《Institutional Investor》在總結該研究的核心訊息時指出：「資產管理公司正大幅增加AI支出，但更大的預算並不總是帶來成果。」 擁有更強數據治理能力的企業，正在獲取實質的營運改善；而那些數據基礎薄弱的企業，即使投入資金，也難以看到對應的效益。

對業界的啟示

《GenAI與數據鴻溝》研究描繪出一個產業大膽押注一項報酬仍不明確的技術的景象。預算持續攀升，卻缺乏明確的成功衡量基準。多數企業已投入AI整合數年，但三分之二的高層卻認為公司可能花費過多。

報告中最清晰且可行的結論是：數據品質比預算規模更重要。投資於精準、治理良好的數據資產的企業，更有可能讓AI真正改善風險管理與決策品質。對於正在摸索AI未來的資產管理公司而言，這項研究的啟示是：重點不應放在「該花多少錢」，而是「餵給AI模型的數據到底有多乾淨」。