AI generativa (genai) tem o potencial de transformar o Indústria de gerenciamento de ativos Na hora certa. Após quase duas décadas de desempenho forte, há pressão sobre as empresas para reduzir custos, diversificar as receitas e introduzir serviços mais personalizados.
= Genai é uma máquina de síntese. Os modelos subjacentes absorvem grandes quantidades de informações, são treinados para entender o contexto e o significado, podem responder a perguntas aparentemente abstratas e podem criar novas informações líquidas, incluindo cópias e imagens. Esses modelos também aprendem incrivelmente rápido. Implantado em escala, Genai está bem preso para aprimorar e perturbar Gerenciamento de ativos , que em sua essência é um setor baseado no conhecimento em que as informações são consumidas, processadas e criadas, e trilhões de dólares em ativos de clientes são gerenciados. Exploramos os impactos de Genai no desempenho, na segurança e nos riscos e oferecemos alguns pensamentos práticos sobre como os gerentes de ativos podem começar seu
In this article, we consider the possible medium-term impact of GenAI on asset management. We explore GenAI’s impacts on performance, address security and risks, and offer some practical thoughts on how asset managers can begin their Jornadas de transformação . Inscreva -se
Subscribe to our Artificial Intelligence E-Alert.
Cinco impactos potenciais
Identificamos os cinco principais aplicativos de Genai que estão no coração do negócio de gerenciamento de ativos e temos o potencial de impacto significativo. Para algumas funções, o intervalo pode chegar a 40%a 50%. (Essas estimativas são baseadas em nossa análise de cada etapa na cadeia de valor e cada função e subfunção.)
Improved Operating Efficiency. There’s potential for 10%–15% improvement in operating efficiency if AI were to be implanted at scale to augment current job functions. For some functions, the range may be as high as 40%–50%. (These estimates are based on our analysis of each step in the value chain and each function and subfunction.)
Genai pode ser implantado para ajudar e acelerar significativamente o trabalho em departamentos como marketing, finanças e recursos humanos. No marketing, por exemplo, a Genai já está ajudando no design, na redação de cópias, na seleção de imagens e nas verificações de conformidade.
GenAI can be deployed to assist and significantly expedite work.
Personalização em escala. O BCG estima que os ganhos de 30% ou mais no engajamento e 5 a 10% nas vendas são alcançáveis. No entanto, até recentemente, fundações fracas de dados, recursos insuficientes de ciência de dados e dificuldades com o gerenciamento de mudanças (convencer os vendedores a usar novos recursos), restringiram os gerentes de ativos de entregar ao potencial máximo. Historicamente, as equipes de capacitação de vendas gastaram grandes quantidades de tempo organizando com precisão conjuntos de dados. Hoje, a Genai pode aproveitar os conjuntos de dados e inferir o significado e a intenção das perguntas que estão sendo feitas. (Por exemplo, “Qual dos meus clientes está mostrando sinais de possíveis resgates?”) The content creation and synthesis capabilities of GenAI make customization achievable across large numbers of clients/customers. BCG estimates that gains of 30% or more on engagement and 5–10% on sales are achievable.
In the years ahead, owning the customer experience will be as important as offering excellent products. However, until recently, weak data foundations, insufficient data science capabilities, and difficulties with change management (convincing salespeople to use new capabilities), have constrained asset managers from delivering to the maximum potential.
GenAI enables a step change in the ability to offer individual customers what they need. Historically, sales enablement teams spent large amounts of time precisely organizing data sets. Today, GenAI can leverage data sets and infer the meaning and intention of questions being asked. (For example, “Which of my clients are showing signs of potential redemptions?”)
Genai permite uma mudança de etapa na capacidade de oferecer aos clientes individuais o que eles precisam.
A adoção também pode ser significativamente melhorada. No passado, um grande obstáculo era que os profissionais de vendas não acreditavam em resultados de modelos e encontrando desafios para explicá -los. A resposta era geralmente como se "confie em mim". Agora, os modelos habilitados para Genai criam interfaces de linguagem natural bidirecional que possibilitam uma conversa e fazer perguntas. Se a resposta a uma pergunta não satisfazer o vendedor, eles poderão se aprofundar e obter confirmação ou sinalizar um problema em potencial para melhorar o modelo. Muito disso já está em desenvolvimento e promete ser um grande desbloqueio para personalização em escala.
In the future, GenAI could also help salespeople do quick meeting prep on the road, send notes which can be processed and submitted by GenAI in summary form to customer relationship management teams, and routinely access powerful recommendation engines. Much of this is already in development and promises to be a major unlock for personalization at scale.
Composição do conhecimento. A Genai pode finalmente ajudar a desbloquear esse potencial, aliviando o ônus da recuperação do conhecimento por meio de uma interface de usuário de linguagem natural e síntese da qualidade humana. “Entenda” a intenção de uma pergunta, e não apenas as palavras. Isso permite a recuperação de grupos de documentos relacionados, incluindo palavras e imagens específicas. Por exemplo, uma consulta da Genai pode estar "estou interessado no pensamento de nossa empresa sobre os méritos de compra versus decisões de construção para as capacidades de IA, com ênfase nas considerações de custo". Esse nível de profundidade não teria sido possível apenas alguns meses atrás. True cross-enterprise knowledge sharing—the ability of an organization to never forget, to always have the best thinking available, and to share seamlessly across silos—has been the great unfulfilled promise of asset managers for decades. GenAI can finally help unlock this potential by easing the burden of knowledge retrieval through a natural language user interface and human quality synthesis.
GenAI is already helping organizations overcome siloed structure of investment teams, frictions around uploading and tagging documents, and challenges related to quality control and compliance by streamlining processes and making the user experience more intuitive.
Knowledge systems powered by GenAI can “understand” the intent of a question, rather than just the words. This enables retrieval of groups of related documents, including specific words and images. For example, a GenAI query could be “I am interested in our firm’s thinking on the merits of buy versus build decisions for AI capabilities, with emphasis on cost considerations.” This level of depth would not have been possible just a few months ago.
Organizations are already re-engaging on knowledge with GenAI.
Os benefícios de desbloquear o conhecimento incluem reduzir o risco de pessoa -chave, compartilhamento de informações mais eficaz nas classes de ativos, acesso melhor/mais fácil a documentos principais e/ou políticas para ativar funções e reduzir o tempo e o custo gastos recriando documentos antigos. As organizações já estão se envolvendo no conhecimento com a Genai, e a tendência provavelmente continuará. Em um futuro próximo, os assistentes de pesquisa habilitados para a Genai ajudarão as empresas menores a nivelar o campo de jogo, criando um exército "sintético" de analistas de pesquisa a um baixo custo marginal. Em um futuro próximo, Genai provavelmente subirá a cadeia de valor para sugerir visualizações de investimento holisticamente fundamentadas, estratégias de negociação e controles de risco. No entanto, a supervisão da qualidade será importante, especialmente até que os modelos possam ser ajustados e governados com os corrimãos apropriados.
Research Accelerator. The speed and quality of investment research is poised to accelerate and challenge the competitiveness of larger asset managers that have historically benefited from big teams of researchers and data scientists. In the near future, GenAI-enabled research assistants will help smaller firms level the playing field by creating a “synthetic” army of research analysts at a low marginal cost.
Already investors are able to interact with data sets using intuitive natural language interfaces to generate investment hypotheses and even first draft investment memos. In the near future, GenAI will likely move up the value chain to suggest holistically reasoned investment views, trading strategies, and risk controls. However, quality oversight will be important, especially until the models can be fine-tuned and governed with appropriate guardrails.
Investment edge in research will increasingly rely on the ability to connect GenAI models to compound knowledge faster than peers.
dentro desses parâmetros, o potencial de pesquisa mais rápida, nova geração de idéias e risco de pessoa -chave reduzido são significativos. Simplesmente ter mais pessoas não será necessariamente uma vantagem competitiva. Em vez disso, a vantagem do investimento na pesquisa dependerá cada vez mais da capacidade de conectar os modelos Genai para compor o conhecimento mais rápido que os pares.
Democratização da codificação. A Genai já mudou o jogo para o desenvolvimento de aplicativos, com funcionalidade que pode aceitar um prompt de linguagem natural e gerar automaticamente o código necessário. Como resultado, a Genai pode aprimorar o processo de desenvolvimento de software, permitindo uma maior democratização do desenvolvimento do código, aplicações de maior qualidade e redução da dependência de recursos offshore. English and other languages are the new coding languages. GenAI has already changed the game for application development, with functionality that can accept a natural language prompt and auto generate the required code. As a result, GenAI can enhance the software development process, allowing for greater democratization of code development, higher quality applications, and reduced reliance on offshore resources.
Genai permite uma maior democratização do desenvolvimento do código.
Hoje, funcionários técnicos, como cientistas de dados e desenvolvedores, passam um tempo significativo em consulta de baixo valor e redação de código. Como resultado, eles enfrentam pedidos de atraso no desenvolvimento e geralmente implantam aplicativos de buggy. A Genai pode reduzir o número de pessoas necessárias para o mesmo trabalho em que mais pessoas poderão criar código. Os especialistas técnicos serão liberados para assumir tarefas mais complexas de codificação e teste.
As implicações do modelo operacional são potencialmente profundas. Esperamos que as organizações de tecnologia pareçam muito diferentes em um futuro próximo-muito menores, mais recursos em terra e mais foco no trabalho de alto valor alimentado por Genai. Isso será fundamental para criar um campo de jogo de nível em toda a organização. As empresas que investem tempo cedo se posicionarão para navegar com o Genai de maneira mais eficaz.
Where to Begin
Given how fast GenAI has taken off, the first step is to start with foundational education, so that everyone—including the Board, C-suite, and staff—understands its importance. This will be critical to creating a level playing field across the organization. Firms that invest time early will position themselves to navigate GenAI the most effectively.
Todos os gerentes de ativos precisarão de uma estratégia Genai adequada para maximizar os benefícios e minimizar os riscos. É provável que a Genai desafie fontes históricas de vantagem (grandes equipes de ciência de dados). O papel dessas equipes precisa ser revisitado. Ao mesmo tempo, a maioria dos provedores de serviços está incorporando a Genai em seus produtos, o que deve desbloquear benefícios de eficiência em várias funções. Fazer essas perguntas mais profundas no início ajudará a moldar o foco da organização.
In particular, organizations need to tackle three questions:
Where is GenAI going to be a source of competitive advantage (and therefore should be managed internally)? If it is not a source of competitive advantage, will the market provide the service through partners? GenAI is likely to challenge historical sources of advantage (large data science teams). The role of these teams needs to be revisited. At the same time, most service providers are embedding GenAI into their products, which should unlock efficiency benefits across many functions. Asking those deeper questions early on will help shape the organization’s focus.
All asset managers will need a GenAI strategy to maximize the benefits and minimize risks.
Quais aplicativos/casos de uso devemos começar imediatamente para maximizar o aprendizado e o impacto em toda a empresa? A experimentação pensativa é fundamental. Genai é novo para quase todos, portanto, encontrar o ajuste certo em qualquer organização levará tempo, bem como tentativa e erro. As empresas mais avançadas lançaram várias experiências. Eles são projetados para equilibrar o impacto e a aprendizagem (o que significa que, mesmo que o experimento falhe, a organização aprende algo valioso). Os pilotos são geralmente orquestrados do centro, mas liderados dia a dia por líderes que estão dispostos a ultrapassar os limites. As empresas já estão tomando medidas para mitigar o óbvio risco à segurança de dados serem divulgados fora da organização. Os riscos dentro da organização são mais desafiadores. Há perguntas sobre a precisão do conteúdo criado por Genai, a proveniência de dados e o controle de qualidade. As empresas precisam pensar nos requisitos regulatórios para certos tipos de dados (especialmente relatórios financeiros). Um conjunto cristalino de
How do we manage security and compliance to enable learning while avoiding the risks and pitfalls that could damage the business? GenAI is powerful and therefore also dangerous if not managed effectively. Firms are already taking action to mitigate the obvious security risk of data being disseminated outside the organization. The risks within the organization are more challenging. There are questions around the accuracy of GenAI created content, the provenance of data, and quality control. Firms need to think about regulatory requirements for certain types of data (especially financial reporting). A crystal clear set of Genai responsável Princípios e controles serão críticos. A abordagem natural será "esperar e ver", como na maioria das tendências tecnológicas. No entanto, acreditamos que esperar não é uma opção devido à velocidade em que Genai está crescendo e continuará a crescer. Por uma questão de urgência, os gerentes de ativos precisam de uma estratégia de genai prospectiva. Isso os posicionará para avançar com confiança, mitigar riscos e colher os benefícios de uma nova tecnologia poderosa. Rabener e Michelle Stohlmeyer Russell por suas contribuições para este artigo.
GenAI can be a positive breakthrough for asset managers at a critical time for the industry. The natural approach will be to “wait and see,” as with most technology trends. However, we believe waiting is not an option because of the speed at which GenAI is growing and will continue to grow. As a matter of urgency, asset managers need a forward-looking GenAI strategy. This will position them to move forward with confidence, mitigate risks, and reap the benefits of a powerful new technology.
The authors thank BCG colleagues Julie Bedard, Jeanne Kwong Bickford, Ingmar Brömstrup, Juliet Grabowski, Helen Han, Sam Lambert, Kedra Newsom Reeves, Ian Pancham, Neil Pardasani, Ella Rabener, and Michelle Stohlmeyer Russell for their contributions to this article.
