የኤአይአይ መጨመር በተለያዩ ኢንዱስትሪዎች ላይ ተጽእኖ ማሳደሩ ግልጽ ነው, እና የፋይናንስ ኢንዱስትሪው ከፍተኛ ተጽዕኖ ካሳደረባቸው መካከል አንዱ ነው. ለምሳሌ፣ ባለፈው ዓመት እንደ GPT-3.5 ያሉ ሞዴሎችን በይፋ ማስጀመር የፈንድ አስተዳዳሪዎችን በትንተና፣ በአደጋ አስተዳደር እና በውሳኔ አሰጣጥ ችሎታ ለማሳደግ AI የመጠቀም ፍላጎት ጨምሯል።
ስለዚህ የ AI መሳሪያዎች የገበያ ግምገማዎችን የበለጠ ትክክለኛ ለማድረግ እና አደጋዎችን በብቃት ለመቆጣጠር ይተገበራሉ። የማሽን መማሪያ ስልተ ቀመሮችን፣ የተፈጥሮ ቋንቋ ማቀነባበሪያ እና አርቴፊሻል ኢንተለጀንስ መሳሪያዎችን በንግድ ንግዳቸው ውስጥ ሲተገበሩ የፖርትፎሊዮ አስተዳዳሪዎች የገበያውን እንቅስቃሴ በግልፅ እንዲገመግሙ፣ ተገቢ የኢንቨስትመንት ምርጫዎችን በማጥበብ እና አደጋዎችን መቆጣጠር ይጠበቅባቸዋል።
የማሽን መማሪያ ስልተ ቀመሮችን እንዲሁም የተፈጥሮ ቋንቋን ማቀናበሪያ መሳሪያዎች ወደ ቁልፍ ተጫዋቾች የግብይት ስልቶች መቀላቀላቸው የእነዚህን ሂደቶች ቅልጥፍና ለመጨመር እና ፈጣን እና ትክክለኛ የኢንቨስትመንት ውሳኔዎችን እና ግምታዊ ትንታኔዎችን በማዘጋጀት ተወዳዳሪ ጥቅም እንዲያገኙ ይረዳቸዋል።
ባለፉት አሥርተ ዓመታት AI በተለያዩ የፋይናንስ ኢንዱስትሪ ዘርፎች ውስጥ ተተግብሯል. በኋለኛው ቢሮ ውስጥ፣ኤምኤል አልጎሪዝም በአፈጻጸም ምዝግብ ማስታወሻዎች ውስጥ ያልተለመዱ ነገሮችን ለማግኘት፣ አጠራጣሪ ግብይቶችን ለመለየት እና አደጋዎችን ለመቆጣጠር ጥቅም ላይ ይውላሉ፣ ይህም ወደ ውጤታማነት እና ደህንነት ይጨምራል። በፊት ቢሮ ውስጥ፣ AI ደንበኞችን ለመከፋፈል፣ የደንበኛ ድጋፍ ሂደቶችን በራስ ሰር ለመስራት እና የዋጋ አወጣጥ ሁኔታዎችን ለማሻሻል እየረዳ ነው።
ነገር ግን፣ በጣም የሚገርመው የአይኤ አቅም ለገንዘብ ግዢ - በገቢያ ጫጫታ መካከል የሚገመቱ ምልክቶችን መለየት በተቻለ ፍጥነት ከፍተኛ መጠን ያለው መረጃን በመተንተን። ለምሳሌ፣ እንደዚህ አይነት መተግበሪያዎች የጊዜ ተከታታይ ትንበያን፣ ገበያዎችን መከፋፈል እና በእርግጥ የንብረት ፖርትፎሊዮዎችን ማስተዳደርን ሊያካትቱ ይችላሉ። የ AI ሰፊ የውሂብ ስብስቦችን ለማስኬድ እና ለመተንተን ያለው እድሎች ተለምዷዊ ዘዴዎች ምናልባት የሚያመልጡትን ስውር ንድፎችን ለማግኘት ይረዳሉ።
ፖርትፎሊዮ ማመቻቸት በመረጃ ሳይንስ ልማት እና የላቀ የስሌት ቴክኒኮችን በመተግበር ላይ በከፍተኛ ሁኔታ እያደገ ለብዙ አስርት ዓመታት የተለመደ ተግባር ነው። እንደ ማርኮዊትዝ ዘመናዊ ፖርትፎሊዮ ቲዎሪ (1952) እና የካፒታል እሴት ዋጋ ሞዴል (1964) ያሉ ሳይንሳዊ አቀራረቦች ከ50 ዓመታት በፊት ቀርበዋል ነገርግን አሁንም ጠቃሚ ሆነው ይቆያሉ። ነገር ግን፣ ቀጥተኛ ያልሆነ አደጋን እና በታሪካዊ መረጃ ላይ ጥገኝነት በማስተናገድ ረገድ ያላቸው ውስንነት ከቀን ወደ ቀን ይበልጥ ግልጽ እየሆነ መጥቷል።
እንደ ህዳሴ ቴክኖሎጅ፣ DE Shaw እና Two Sigma Investments ባሉ ቁልፍ ተዋናዮች በስፋት የሚተገበሩ እንደ ስጋት ሞዴሊንግ፣ ሲናሪዮ ትንተና እና የቁጥር ግብይት ያሉ ልምምዶች ይበልጥ ውስብስብ እና የላቀ ስልተ ቀመሮችን ተግባራዊ ለማድረግ አስችለዋል። በተጨማሪም የማሽን መማር እና አርቴፊሻል ኢንተለጀንስ ትንቢታዊ ትንታኔዎችን ይበልጥ ትክክለኛ እንዲሆኑ እና ለግል የተበጁ የኢንቨስትመንት ስልቶች እና አውቶማቲክ ውስብስብ የውሳኔ አሰጣጥ ሂደቶችን ስላደረጉ በቅርብ ዓመታት ውስጥ ኢንዱስትሪው በ AI ከፍተኛ ተጽዕኖ አሳድሯል ።
ይህ በአይ-ተኮር ለውጥ የፖርትፎሊዮ አስተዳዳሪዎች ብዙ መረጃዎችን በቅጽበት እንዲያስኬዱ እና ሦስቱን ዋና ዋና ተግዳሮቶች እንዲፈቱ አስችሏቸዋል።
እንደሚለው
በ AI የተጎላበተው በንብረት አስተዳደር መፍትሄዎች ላይ ጉዲፈቻ እና ኢንቨስትመንትን ማሳደግ እና AI በፖርትፎሊዮ ማመቻቸት ውስጥ ያለውን ተግባራዊ አጠቃቀም ማድመቅ።
በንብረት አስተዳደር ኢንዱስትሪ ውስጥ AI ጉዲፈቻ አዲስ አዝማሚያ አይደለም; ከቅርብ ዓመታት ወዲህ እድገትን አሳይቷል ነገር ግን አሁንም በጥቂቱ የገበያ ተጫዋቾች ማለትም hedge Fund, Quantitative Management Offices, ትላልቅ የምርምር ክፍሎች እና የፋይናንስ ተቋማት የአይቲ አገልግሎቶችን በመጠቀም ብቻ የተወሰነ ነው.
ለ AI ብዙ የማመልከቻ መስኮች አሉ፡
AI የፖርትፎሊዮ ግንባታ ማመቻቸት ሂደትን በእጅጉ ያሻሽላል። ለምሳሌ፣ የማርኮዊትዝ ዘመናዊ ፖርትፎሊዮ ቲዎሪ ክላሲካል አቀራረብ፣ በኮንቬክስ ማሻሻያ ፅንሰ-ሀሳቦች ላይ የሚመረኮዝ፣ ለዘመኑ AI-ተኮር ዘዴዎች እንደ መቅድም ሆኖ ያገለግላል። ይህ የመሠረት ንድፈ ሐሳብ በጣም ወሳኝ የሆነበት ምክንያት AI ስልተ ቀመሮች የበለጠ ለመለወጥ እና የኢንቨስትመንት ስልቶችን የሚያሻሽሉበትን መሠረት ይመሰርታል.
በአሁኑ ጊዜ፣ AI በዚህ ፅንሰ-ሀሳብ ላይ አዳዲስ የውሂብ ልኬቶችን በመፈለግ እና የላቀ የትንታኔ ቴክኒኮችን በማዋሃድ ይሰፋል። ይህ የተስፋፋ የመረጃ አቅም የበለጠ ግንዛቤ እና እውቀት ያለው ውሳኔ ለመስጠት ያስችላል - ይህ አሰራር በኢንዱስትሪው ውስጥ በስፋት ጥቅም ላይ የዋለ።
ስለ ኩባንያ መሰረታዊ ነገሮች፣ የማክሮ ኢኮኖሚ አካባቢ ወይም የገበያ ሁኔታዎች ብዙ መረጃዎችን በመጠቀም የተወሰኑ የ AI ቴክኒኮች ከቁጥር አስተዳደር ጋር ሙሉ በሙሉ ይጣጣማሉ። የማሽን መማሪያ ስልተ ቀመሮች በተለያዩ ተለዋዋጮች መካከል ውስብስብ ያልሆኑ የመስመር ላይ ግንኙነቶችን ሊያገኙ እና በእርግጥ ተንታኞች የማይችሏቸውን አዝማሚያዎች ሊያገኙ ይችላሉ።
ጽሑፍ ትንተና በመሠረታዊ ትንተና ውስጥ ሌላው የ AI መተግበሪያ ነው። የተፈጥሮ ቋንቋን ማቀናበር (NLP) በመጠቀም AI እንደ የድርጅት ገቢ ሪፖርቶች፣ የማዕከላዊ ባንክ ጋዜጣዊ መግለጫዎች እና የፋይናንሺያል ዜና ያሉ የጽሑፍ ምንጮችን ያካሂዳል እና ይመረምራል። በNLP በኩል AI በኢኮኖሚያዊ እና በፋይናንሺያል ጠቃሚ መረጃዎችን ከዚህ ያልተዋቀረ መረጃ ማውጣት ይችላል። ይህን በማድረግ የሰውን አተረጓጎም የሚያሻሽል እና የሚያግዝ መጠናዊ እና ስልታዊ መለኪያ ይሰጣል።
የግብይቶች ውስብስብነት እና የፍጥነት ፍላጎት በሚዛን በሚመጣበት የ AI ሃይሎች በንግድ ውስጥ እጅግ ጠቃሚ ናቸው። AI በፋይናንሺያል ገበያዎች ውስጥ የሚተዳደሩ የግብይቶች ቅልጥፍናን በማሻሻል የሂደቱን ብዙ ደረጃዎች በራስ-ሰር በማካሄድ አልጎሪዝም ግብይትን ይደግፋል።
AI በቅናሽ ዋጋ ለግል የተበጁ የኢንቨስትመንት አማካሪ አገልግሎቶችን ለማቅረብ እድሉን ከፍቷል። እነዚህ ስርዓቶች የእውነተኛ ጊዜ የገበያ መረጃን ለማስኬድ ውስብስብ ስልተ ቀመሮችን ይጠቀማሉ፣ የመመለሻ አላማዎቻቸውን እና የአደጋ መገለጫዎችን መሰረት በማድረግ ለግል ደንበኛ ፍላጎቶች በጣም ተስማሚ የሆኑ ስልቶችን ያዘጋጃሉ።
በስጋት አያያዝ፣ AI የተለያዩ 'ሊሆኑ የሚችሉ ነገር ግን የማይፈለጉ' ሁኔታዎችን በመቅረጽ ይረዳል፣ ይህም በተራው፣ በአብዛኛዎቹ ሊሆኑ በሚችሉ ውጤቶች ላይ ብቻ የሚያተኩሩ ልማዳዊ ድርጊቶችን ያጎለብታል።
ክላሲካል የማሽን የመማር ዘዴዎች አሁንም በፖርትፎሊዮ አስተዳደር ውስጥ በጣም ታዋቂ ናቸው፣ እና እነሱም፡- መስመራዊ ሞዴሎች፣ ተራ ትንሹ ካሬዎች፣ ሪጅ ሪግረስሽን እና የላስሶ ሪግሬሽንን ጨምሮ። እነዚህ በተደጋጋሚ ከመካከለኛ-ተለዋዋጭ ማሻሻያ አሰራር እና የማትሪክስ የመበስበስ ቴክኒኮች እንደ ነጠላ እሴት መበስበስ (SVD) እና ዋና አካል ትንተና (ፒሲኤ) ያሉ የንብረት ግንኙነቶችን በመረዳት እና የፖርትፎሊዮ ድልድልን ለማመቻቸት መሰረታዊ ከሆኑ ዘዴዎች ጋር ይደባለቃሉ።
በእነዚህ ክላሲካል አቀራረቦች እና ይበልጥ ዘመናዊ ዘዴዎች መካከል ያሉት የድጋፍ ቬክተር ማሽኖች (SVMs) ናቸው። ምንም እንኳን SVMs በተግባር ጥቅም ላይ ቢውሉም እንደተለመደው አልተሰማሩም ነገር ግን ጉልህ ሚና ይጫወታሉ፣ በተለይም የአክሲዮን አፈጻጸምን ለመተንበይ የታለሙ የምደባ ተግባራት።
እነዚህ ተግባራት ብዙውን ጊዜ አንድ አክሲዮን ትርፍ ወይም ኪሳራ ይደርስ እንደሆነ መተንበይ፣ የአክሲዮን ዋጋ መለዋወጥን እና የግብይት መጠኖችን ጨምሮ ታሪካዊ የፋይናንሺያል መረጃዎችን በመጠቀም ንብረቶችን ወደ ምድቦች ለማስቀመጥ እና አፈጻጸማቸውን ለመተንበይ ያካትታሉ።
ስለ ዘመናዊ ዘዴዎች በመነጋገር፣ የነርቭ ኔትወርኮች በማሽን መማሪያ ውስጥ ለፖርትፎሊዮ አስተዳደር ዋና ዋና እድገቶችን ያሳያሉ እና በባህላዊ ሞዴሎች ለመያዝ አስቸጋሪ የሆኑ ውስብስብ ያልሆኑ መስመራዊ ቅጦችን ለመቅረጽ የተሻሻሉ ችሎታዎችን ያቀርባሉ። ከነርቭ ኔትወርኮች በተጨማሪ፣ እንደ ክትትል የሚደረግበት እና ክትትል የማይደረግበት ትምህርት ያሉ ሌሎች ክላሲካል አቀራረቦች የመረጃ ትንተናን የበለጠ ያሻሽላሉ እና ያሻሽላሉ፣ ይህም ስውር የገበያ ምልክቶችን ማግኘት እና መጠቀሚያ ማድረግ ይቻላል።
እንደ ማጠናከሪያ ትምህርት እና ጥልቅ ጥ-ትምህርት ያሉ አዳዲስ አቀራረቦች እነዚህን ባህሪያት ወደ ፈጣን ውሳኔ ሰጪ አካባቢዎች ያመጧቸዋል፣ ስርዓቱ ከገቢያ ግብረመልስ በመማር ላይ በመመስረት የፋይናንሺያል ውጤቶችን ለማመቻቸት ፖርትፎሊዮዎች በቅጽበት ሊስተካከሉ ይችላሉ።
እንደ ስሜት ትንተና ያሉ የተፈጥሮ ቋንቋ ማቀነባበሪያ ቴክኒኮች እንደ የጋዜጣ መጣጥፎች፣ የማህበራዊ ሚዲያ ልጥፎች እና ተንታኝ ዘገባዎች የጋራ አስተያየቶችን ለመምረጥ እና ለመምረጥ ያግዛሉ። በተጨማሪም፣ የፖርትፎሊዮ አስተዳዳሪዎች የድርጅት ገቢ ሪፖርቶችን ጨምሮ፣ የባለሃብቶችን ስሜት ለመሰማት እና የገበያ እንቅስቃሴዎችን ለመተንበይ በፋይናንሺያል ሚዲያ ውስጥ ጥቅም ላይ የዋለውን ቋንቋ መተንተን ይችላሉ፣ እነዚህ ሁሉ በውሳኔ አሰጣጥ ሂደት ውስጥ ወሳኝ መረጃ ናቸው።
በከፍተኛ-ድግግሞሽ ንግድ (HFT) ላይ የተካኑ ድርጅቶች፣ እንደ AI-powered quantitative trading algorithms እንደሚቀጥሩ፣ በገበያ ውስጥ ለአፍታ በሚከሰቱ ቅልጥፍናዎች ላይ ገንዘብ ያገኛሉ። እነዚህ ድርጅቶች የማሽን መማሪያ ቴክኖሎጂዎችን በመጠቀም ተዛማጅ የገበያ መረጃዎችን እጅግ በጣም ከፍተኛ በሆነ ፍጥነት ለመተንተን እና ትዕዛዞችን በትክክለኛው ጊዜ በሚሊሰከንድ አጭር ጊዜ ውስጥ ያደርጋሉ።
እንዲህ ያለው ፈጣን ግድያ ከተወዳዳሪዎቹ በበለጠ ፍጥነት የዋጋ ልዩነት ላይ እርምጃ በመውሰድ ከግልግል እድሎች ተጠቃሚ እንዲሆኑ እና ከፍተኛ ትርፍ እንዲያሳድጉ ያስችላቸዋል። የህዳሴ ቴክኖሎጅዎች በቁጥር የግብይት አቀራረቦች የሚታወቁ ቢሆንም፣ በዋናነት በፍጥነት ላይ ያተኮሩትን ከባህላዊ የኤችኤፍቲ ልምዶች የሚያካትት ሰፊ ስትራቴጂውን ከግምት ውስጥ ማስገባት አስፈላጊ ነው።
LIME (አካባቢያዊ ሊተረጎም የሚችል ሞዴል-አግኖስቲክ ማብራሪያዎች) ውስብስብ የማሽን መማሪያ ሞዴሎችን ውጤቶች የበለጠ ለመረዳት የሚያስችል ታዋቂ የኤኤአይአይ ዘዴ ነው። በፖርትፎሊዮ አስተዳደር ውስጥ ይህ ዘዴ ጥቁር ሳጥን ሞዴሎች እንዴት ትንበያዎችን እንደሚሰጡ ለመተርጎም በጣም ጠቃሚ ሊሆን ይችላል. የግቤት ውሂብን በመጠቀም እና በአምሳያው ውጤቶች ላይ ያለውን ተጽእኖ በመተንተን፣ LIME የፖርትፎሊዮ አስተዳዳሪዎች እና የውሂብ ሳይንቲስቶች ከሌሎቹ በበለጠ የኢንቨስትመንት ውሳኔዎች ላይ ተጽዕኖ የሚያሳድሩትን ባህሪያት እንዲገልጹ ይረዳል።
ይህ ሂደት በአይአይ የተደገፉ ውሳኔዎችን ግልፅነት ለማሻሻል ይረዳል እና እነዚህን ሞዴሎች ለመረዳት ምን ያህል ቀላል እንደሆኑ ለማረጋገጥ እና ለማሻሻል ጥረቶችን ይደግፋል። ነገር ግን፣ LIME ስለ ሞዴል ባህሪ ያለንን ግንዛቤ ሲያሻሽል፣ የሞዴሎቹን አጠቃላይ አስተማማኝነት መገምገም ተጨማሪ የማረጋገጫ ዘዴዎችን ያካትታል።
AI ቴክ የቁጥጥር ማዕቀፎችን ማክበር እና በፋይናንሺያል ኢንደስትሪ ውስጥ የኢንቨስትመንት ገደቦችን በመቆጣጠር ረገድ ትልቅ ሚና ይጫወታል። እነዚህን ሂደቶች አውቶማቲክ በማድረግ፣ AI ስርዓቶች የፋይናንስ ድርጅቶች ህጋዊ ደረጃዎችን በብቃት፣ በትክክል እንዲከተሉ እና ችግር ውስጥ እንዳይገቡ ይረዷቸዋል። ይህ ቴክኖሎጂ በትላልቅ የግብይቶች እና የተለያዩ የፖርትፎሊዮ እንቅስቃሴዎች ላይ ተገዢነትን በመከታተል ረገድ በጣም ጠቃሚ ነው፣ በፍጥነት (በእርግጥ በእውነቱ) ከቁጥጥር መስፈርቶች ወይም የውስጥ መመሪያዎች ልዩነቶችን መለየት ይችላል።
ከዚህም በላይ AI መጠቀም የሰዎች ስህተት አደጋን ይቀንሳል, ይህም ስህተቶች ወደ ህጋዊ እና የገንዘብ መዘዞች ሊያስከትሉ በሚችሉ ከፍተኛ የቁጥጥር አካባቢዎች ውስጥ ወሳኝ ነው.
በራስ-ሰር መልሶ ማመጣጠን ላይ ያሉ የ AI መተግበሪያዎች በጊዜ ሂደት ተስማሚ የንብረት ምደባዎችን ለመጠበቅ ወሳኝ ናቸው። ለገበያ ለውጦች ወይም ለባለሀብቶች ስጋት መገለጫ ለውጦች ምላሽ ለመስጠት ፖርትፎሊዮዎችን ማስተካከል ይችላሉ፣ ይህም ከስልታዊ የኢንቨስትመንት ግቦች ጋር መጣጣምን ያረጋግጣል።
በተለይ ለኢንቨስትመንት ከተዘጋጁ አፕሊኬሽኖች በተጨማሪ፣ በንብረት አስተዳደር ንግድ ውስጥ አርቴፊሻል ኢንተለጀንስ የማዳበር እድሉ ሰፊ ይመስላል። ነገር ግን፣ በደመ ነፍስ የተወሰኑ ሥራዎችን በተለያዩ የአሠራር ሰንሰለቶች ደረጃዎች ላይ አውቶማቲክ የማድረግ እድል ብናይም፣ አሁንም የሰው ሰራሽ የማሰብ ችሎታን የሚረብሽ ኃይልን ሙሉ በሙሉ ለመገመት አስቸጋሪ ነው። ይህ የሆነበት ምክንያት AI ተጨማሪ እድገቶች ሲፈጠሩ አዳዲስ የአተገባበር ዘርፎችን ይፈጥራል ተብሎ ስለሚጠበቅ ነው.
አርቴፊሻል ኢንተለጀንስን በመጠቀም ለቴክኖሎጂ እድገት እና ለምርታማነት መገኘት ቢያስችልም የአርቴፊሻል ኢንተለጀንስ ውስንነቶችን እንዲሁም በአንዳንድ የፖርትፎሊዮ አስተዳደር ጉዳዮች ላይ የሚያደርሱትን አደጋዎች ማስታወስ አለብን። በመጀመሪያ ደረጃ፣ አርቴፊሻል ኢንተለጀንስ እና የማሽን መማሪያ አቀራረቦች የመማሪያ ስልተ ቀመሮችን ለመመገብ ጥቅም ላይ በሚውለው መረጃ ላይ ይመሰረታሉ።
ይህ ውሂብ ከዝማኔዎች፣ ትክክለኛነት፣ ሙሉነት እና ተወካይነት አንፃር ከፍተኛ ጥራት ያለው መሆኑ አስፈላጊ ነው።
ሁልጊዜ የማይገኝ እጅግ በጣም ብዙ የውሂብ መጠን ከሚያስፈልጉት መስፈርቶች በተጨማሪ ይህ መረጃ ጥሩ ጥራት ያለው መሆን አለበት. በሌላ በማንኛውም ሁኔታ ትንበያ ሞዴሎችን በመጠቀም የተገኙ ግኝቶች አስተማማኝ ወይም ጠንካራ አይደሉም.
በተጨማሪም ስልተ ቀመሮቹ ከተተነተነው የውሂብ ስብስብ ውስጥ ተዛማጅነት የሌላቸውን አዝማሚያዎችን በማንሳት የውሸት ግምቶችን ሊያደርጉ ይችላሉ, ይህም ወደ የተሳሳቱ መደምደሚያዎች ሊመራ ይችላል. ይህ በጅምላ መያዝን፣ በጣም ስለታም መዝለሎችን እና በጣም ትንሹን ብልሽቶችን ሊያስከትል ይችላል። ተመሳሳይ AI ስልተ ቀመሮችን የሚያስተዳድሩ ብዙ የገበያ ኦፕሬተሮች በአንድ ጊዜ የተሳሳተ ውሳኔ ሊያደርጉ ወይም ከእውነተኛ ጊዜ ሁኔታ ጋር ተመሳሳይ ምላሽ ሊሰጡ በመቻላቸው የገበያ ውድድር መጥፋት ሊከሰት ይችላል። እንዲህ ያለው አደጋ ገዳይ ሊሆን ይችላል.
ምንም እንኳን AI በፖርትፎሊዮ አስተዳደር ውስጥ ሊኖሩ የሚችሉ ጥቅሞች ቢኖሩም ፣ እንደማንኛውም መስክ ፣ በአእምሯችን ልንይዝ እና በመጨረሻም ልንረዳቸው የሚገቡ ብዙ ተግዳሮቶች አሉ ። ከዋና ዋናዎቹ ችግሮች አንዱ የ AI ሞዴሎች ግልጽነት እና የትርጓሜ እጥረት ነው, ይህም አስተዳዳሪዎች ከ AI ጋር ያላቸውን ትብብር ውጤት ለማስረዳት ፈታኝ ያደርገዋል. ይህ የአጠቃቀም ውስብስብነት በአውሮፓ ገንዘቦች ውስጥ AI መቀበል በአንጻራዊነት ዝቅተኛ እንዲሆን ከሚያደርጉት ምክንያቶች አንዱ ሊሆን ይችላል. ከሴፕቴምበር 2022 ጀምሮ፣
የአውሮፓ የፋይናንሺያል ገበያ ባለስልጣን (ESMA)
በዚህ ጊዜ፣ ሰው ሰራሽ የማሰብ ችሎታ በንብረት አስተዳደር ኢንዱስትሪ ውስጥ እውነተኛ ሰዎችን ሙሉ በሙሉ ከመተካት አሁንም በጣም ሩቅ ይመስላል። ይህ በተባለው ጊዜ ግልጽነት፣ የመተማመን ግንኙነት እና በደንበኞች እና በአስተዳደር ባለሙያዎች መካከል ያለው ግንኙነት ከመቼውም ጊዜ በበለጠ አሁን ወሳኝ ባህሪያት ሆነው ቀጥለዋል።
ሆኖም፣ ሰው ሰራሽ የማሰብ ችሎታ አዲስ እና በእሴት ሰንሰለት ውስጥ ጥቅም ላይ ሊውሉ የሚችሉ መሳሪያዎችን እንደሚያመጣ ልንክድ አንችልም፣ እና የእነዚህ መሳሪያዎች እምቅ ኢንዱስትሪ ዛሬ ያለውን መልክ ሊለውጥ ይችላል።