Сім сценаріїв використання AI для допомоги менеджерам активів підвищити ефективність і продуктивність у умовах ринкових труднощів

Стюарт Грант — керівник відділу ринків капіталу, активів та управління багатством у SAP.

Дізнайтеся про найважливіші новини та події у фінтехі!

Підписуйтеся на розсилку FinTech Weekly

Читають керівники JP Morgan, Coinbase, Blackrock, Klarna та інших компаній

Від зниження комісійних до несприятливих змін у макроекономічних умовах та зростаючих інвестицій у технології, які ще не окупилися, організації з управління активами стикаються з серйозними перешкодами у 2026 році.

У аналізі глобальної індустрії управління активами 2025 року McKinsey & Company зазначила, що за останні п’ять років маржа менеджерів активів у Північній Америці знизилася на три відсоткові пункти, а в Європі — на п’ять через такі фактори.

Однак є засіб для зняття тиску — цілеспрямовані, добре розміщені впровадження штучного інтелекту. Різні форми AI — генеративний, агентний тощо — починають демонструвати цінність у різних сферах роботи — від фронт-офісу до бек-офісу, надаючи менеджерам активів можливість отримати нові показники продуктивності та ефективності, виявляти та використовувати прибуткові нові бізнес-можливості раніше за конкурентів. У своєму аналізі, заснованому на опитуванні керівників вищої ланки з компаній з управління активами в Північній Америці та Європі, McKinsey визначила, що для середнього менеджера активів потенційний вплив AI, генеративного AI та агентного AI «може бути трансформативним, становлячи від 25 до 40 відсотків їхньої витратної бази».

Отже, для організацій з управління активами важливо визначити, де саме в їхній структурі AI може принести найбільшу цінність.

Впровадження AI для максимальної ефективності

Компанії в галузі управління активами застосовують AI у різних сферах. Більшість активностей зосереджено у великих організаціях, які мають ресурси для розробки власних моделей на основі великих мовних моделей, цілеспрямованих AI-агентів тощо. Але інша сторона AI — це те, що він може допомогти меншим менеджерам активів конкурувати на рівних з великими компаніями.

Крім того, багато організацій зосереджують свої інвестиції на клієнтських AI-використаннях, але важливо не втратити можливості створювати цінність за допомогою інших масштабованих AI-рішень у фронт-, мідл- та бек-офісах. Замість пошуку окремих рішень, які можуть погано інтегруватися між собою, розумніше спрямувати інвестиції на зняття віртуальних бар’єрів між трьома рівнями офісів для підвищення ефективності, продуктивності, спрощення процесів і покращення планування та стратегії.

Коротко кажучи, шукайте сценарії застосування AI, які сприяють — і можуть використовувати — вільний обмін даними всередині організації. Ось кілька з них, що виглядають особливо перспективними:

1. Автоматизація та прискорення фінансового закриття та інших фінансових функцій. Фінанси традиційно були сферою з багато ручних процесів. За допомогою AI-агентів організації з управління активами мають можливість автоматизувати багато процесів, зокрема фінансове закриття, AR, AP, звірку рахунків та інше. У таких сценаріях AI може підтримувати покращену автоматизацію переміщення даних і надавати проактивні сповіщення та сценарії дій щодо потенційних проблем із надлишком/недостатком капіталу, коригуваннями балансових звітів тощо.

2. Покращення управління ризиками через справжнє узгодження з фінансами. Дані з бек-офісу можуть бути надзвичайно цінними для команд управління ризиками у мідл-офісі. Вони можуть використовувати дані про інвестиційні портфелі, грошові потоки, ліквідність ринку, маржу/заставу тощо, у поєднанні з профілями клієнтів і комунікаційними даними для раннього виявлення сигналів про викуп клієнтів і пов’язані з цим ризики ліквідності.

3. Виявлення та швидке реагування на можливості нових структур збору комісій та бізнес-моделей. Організації можуть налаштовувати свої AI-інструменти для дослідження та моделювання впливу потенційних змін у зборах та нових бізнес-моделей. Що каже історичний досвід щодо впливу змін зборів на дебіторську заборгованість? Чи є можливості розділити існуючу бізнес-ділянку (наприклад, конкретний клас активів або регіональні фонди) на кілька частин або по-різному класифікувати клієнтів, і наскільки обґрунтовані такі рішення?

4. Інформування рішень щодо розширення у нові продукти або регіони. Ваша організація розглядає вихід на перспективний, але ризикований новий ринок. Як минулі події вплинули на очікувані та фактичні витрати? Які ймовірні регуляторні та кадрові наслідки? Спілкування з генеративним AI-асистентом може дати цінні відповіді, що допоможуть ухвалити більш обґрунтовані стратегічні рішення.

5. Моделювання сценаріїв «що, якщо» щодо впливу ребалансування портфеля на майбутні доходи, інвестиційні пріоритети та рівень ризику клієнтів. AI може допомогти оцінити потенційний вплив таких змін і надати рекомендації щодо оптимального часу з урахуванням зобов’язань по оплаті та інших факторів. Такі зв’язки між даними сприяють подоланню інформаційних розривів між фінансовою функцією та управлінням портфелем на фронт-офісі, підтримуючи більш точне стратегічне планування та бюджетування.

Наприклад, один із моїх клієнтів прагне поєднати дані про результати портфеля з даними про ризик-апетит клієнтів і структуру зборів. Мета — краще зрозуміти фінансові наслідки ребалансування портфеля у порівнянні з очікуваннями клієнтів і майбутніми доходами.

6. Підвищення продуктивності. Деякі керівники з управління активами, з якими я спілкувався, кажуть, що їхні організації прагнуть подвоїти активи під управлінням без значного збільшення штату, просто завдяки ширшому застосуванню AI та AI-агентів. Вони створюють AI-агентів і розміщують їх поруч із співробітниками — як цифрові розширення цих працівників. В кінцевому підсумку, ці агенти дозволяють малим і середнім компаніям конкурувати з більшими фірмами на рівних умовах.

7. Посилення виявлення шахрайства під час onboarding клієнтів. AI швидко сканує та перевіряє автентичність документів для реєстрації, виявляючи навіть найменші аномалії (у розмірі шрифту, форматуванні тощо), що можуть свідчити про підробку або шахрайство.

Якщо говорити про такі сценарії, їх максимальна цінність залежить від якості та доступності даних, що їх живлять. Передусім, дані мають бути зрозумілими для людини та машини у режимі самостійного доступу. Часто компанії витягують дані з вихідних додатків і переносять їх у дата-літак, але це позбавляє їх важливих семантичних та контекстуальних даних, специфічних для середовища застосування. Без цієї метаданих вихід AI — і загалом його вплив — може бути субоптимальним. Тому багато організацій краще залишати ці дані у природному середовищі застосування разом із метаданими. Уявіть ці дані як батареї, що живлять генеративний AI, агентний AI і аналітику. Чим потужніші батареї, тим краще організація з управління активами зможе використовувати свої інвестиції в AI для подолання перешкод.

Про автора

Стюарт Грант — керівник відділу ринків капіталу, активів і управління багатством у SAP. Більше 20 років він працює з даними у галузі капітальних ринків у ролях, що охоплюють управління продуктами, розвиток бізнесу та управління бізнесом.