Tekoälystä on muodostunut 2020-luvun merkittävin sijoitusteema. Uskomme tekoälybuumin seuraavan teeman olevan sijoittajien painopisteen siirtyminen tekoälyn tuottajista tekoälyn hyödyntäjiin. Toisaalta uskomme, että tekoälyn hyödyntämisessä onnistuminen tai epäonnistuminen jakaa yrityksiä entistä jyrkemmin toimialansa voittajiin ja häviäjiin.
Kuinka kaksi mielenkiintoista sijoitusteemaa, tekoäly ja rahoitusala, kietoutuvat toisiinsa? Millaisia mahdollisuuksia siitä voi sijoittajalle muodostua?
Tekoälyn mukanaan tuoma disruptio asettaa rahoitusalan erittäin mielenkiintoiseen tilanteeseen. Perinteisesti konservatiivisena ja sijoittajan näkökulmasta defensiivisenä pidetty sektori saattaa lähivuosina osoittautua yhdeksi hedelmällisimmäksi toimialaksi tekoälyn hyödyntämisessä.
Mielenkiintoisimmillaan tämä saattaa tarkoittaa toimialan merkittävääkin uusjakoa, mikä tarjoaa hereillä olevalle sijoittajalle merkittäviä mahdollisuuksia.
Tunnistamme tekoälyn ja rahoitusalan risteyskohdassa kolme erillistä näkökulmaa.
Tehokuusnäkökulmassa tekoälyavusteiset operaatiot voivat ajaa kustannuksia alas ja katteita ylös. Kasvun näkökulmassa tekoäly mahdollistaa uusia tuotteita ja ansaintamalleja. Kilpailun näkökulmassa puolestaan tekoäly käynnistää kilpajuoksun sen mahdollistaman kehävaikutuksen käynnistämiseksi.
Tekoälystä tehokkuutta
Tekoälyn kenties ilmeisin liiketoiminnallinen potentiaali on luonnollisesti sen mahdollistamat kustannussäästöt. Tekoäly mahdollistaa monien liiketoiminnan operatiivisten päätösten tekemisen nopeammin, paremmin ja skaalautuvammin kuin ihmisen tekemänä.
Tämä korostuu erityisesti pankkialalla, jossa päätöksenteko perustuu usein suureen määrään dataa, ja päätösten ilmeisten vaikutusten lisäksi on kyettävä tehokkaasti arvioimaan myös päätöksiin liittyvää epävarmuutta ja mahdollisia riskejä.
Tunnistamme kolme selkeää tapaa, jolla tekoäly voi tarjota rahoitusalalle merkittäviä tuottavuushyötyjä.
Tekoälyn avulla voidaan automatisoida tuhansia pieniä mutta kriittisiä pankkiliiketoimintaan kuuluvia manuaalisia työtehtäviä, jotka on perinteisesti jouduttu toteuttamaan ihmisvoimin, mikä vaatii resursseja ja samalla altistaa inhimilliselle virheille ja väärinkäytöksille.
Pankkialalla havainnollinen esimerkki tekoälyn mahdollisuuksista on sääntelyn noudattamisen automatisointi. Jokainen pankkialan kanssa tekemisissä ollut tietää, millainen taakka niin sanottu compliancen (sääntelyn noudattamisen) toteuttaminen ja varmistaminen voi olla.
Tekoälypohjaisilla järjestelmillä voidaan skannata miljoonia transaktioita ja etsiä mahdollisesti sääntelypoikkeamia, samalla tehokkaasti ohittaen ns. väärät hälytykset. Pelkästään sääntelynmukaisuuden varmistamisen tuominen tekoälyn aikakaudelle voi tuottaa merkittäviä kustannussäästöjä.
Tekoälyn potentiaali ei kuitenkaan rajoitu pelkkiin automaatioihin. Kenties tätäkin suurempi potentiaali liittyy sen kykyyn tuottaa dataan perustuvia ennusteita.
Koneoppimisella voidaan yrityksen riskien mallintamista kehittää jatkuvasti, kun uutta tietoa markkinaolosuhteista, asiakkaiden ja vastapuolen käyttäytymisestä sekä yrityksen omasta liiketoiminnallisesta tilasta kertyy.
Tekoälyavusteisella ennustavalla analytiikalla voidaan arvioida ja ennakoida yrityksen kassavirtoja, markkina-altistuksia riskiprofiilia reaaliaikaisesti, ilman inhimillisestä työpanoksesta aiheutuvia viiveitä tai kustannuksia.
Tekoälyavusteisten päätöksentekojärjestelmien on mahdollista oppia jokaisesta tehdystä päätöksestä ja sen lopputuloksesta, mikä parhaimmillaan tarkoittaa jatkuvasti paranevia päätöksiä ja toisaalta reaaliaikaista adaptaatiota muuttuviin olosuhteisiin.
Tekoälyn kenties suurin tuottavuuspotentiaali liittyy sen kykyyn kehittää itseään ja kumuloida tuottavuusparannuksia. Yhtiöiden, jotka kykenevät integroimaan itseään kehittäviä tekoälymalleja läpi koko arvoketjun, on mahdollista toteuttaa jatkuvan parantamisen periaatetta merkittävästi tehokkaammin.
Siinä missä ihmiset ja ihmisistä muodostuvat organisaatiot usein luontaisesti vastustavat muutosta ja pyrkivät säilyttämään vallitsevaa asiantilaa, voidaan tekoälymallit rakentaaa tavoittelemaan jatkuvaa parantamista ja hienosäätöä.
On helppo nähdä, kuinka tekoälypohjainen päätöksenteko voi kyetä toteuttamaan perusteltuja muutoksia nopeammin, tämä pieni ero saattaa yli ajan kasvaa merkittäväksi, jopa ylivoimaiseksi eduksi operatiivisessa tehokkuudessa.
Saattaakin olla hyödyllistä ajatella, että tekoälyn integroiminen operatiiviseen toimintaan voi tarjota paitsi kertaluonteisia kustannussäästöjä, myös toimia rakenteellisen ja kasautuvan kilpailuedun lähteenä.
Tekoäly kasvun moottorina
Tuottavuuden lisäksi toinen tekoälyn suuri lupaus rahoitusalalle on mahdollisuus kasvuun uusien tuotteiden ja ansaintamallien kautta. Rahoitusliiketoiminnan näkökulmasta jokainen asiakas tarpeineen on uniikki, ja tekoäly tarjoaa entistä parempia edellytyksiä palvella kutakin asiakasta juuri hänen tarpeisiinsa vastaten.
Tekoäly ja koneoppiminen mahdollistavat palvelutarjooman räätälöinnin kunkin asiakkaan yksilökohtaisten tarpeiden ja sen hetkisen tilanteen mukaisesti. Esimerkkejä tällaisista “yhden asiakkaan segmenteistä” voisivat olla esimerkiksi:
Luottorajoja, hinnoittelua ja talletuskorkoja on mahdollista säätää kullekin asiakkaalle jopa reaaliaikaisesti asiakkaan taloudellisen tilanteen, maksukäyttäytymisen ja riskiprofiilin muuttuessa.
Tekoäly voi tehdä asiakkaan aktiviteettien perusteella ennustavaa analytiikkaa, tunnistaa asiakkaalla mahdollisesti herääviä muutoksia tarpeissa tai kokonaan uusia tarpeita, ja tarjota niihin palveluratkaisuja ennen kuin asiakas on itse välttämättä edes tietoinen tarpeistaan.
Generativiinen tekoäly mahdollistaa 24/7 asiakkaille tarjottavan taloudellisen neuvonnan, jopa yksittäisten kulutus- ja sijoituspäätösten tasolla. Asiakasta voidaan valistaa, ohjata ja aktivoida tekemään parempia päätöksiä nopeammin, edullisemmin ja paremmalla laadulla kuin millään aikaisemmin käytössä olleilla tavoilla.
Tekoäly voi aloittaa kokonaan uuden vaiheen rahoituspalvelujen jakelussa, mahdollistaen rahoituspalvelujen upottamisen sinne missä käyttäjät jo ovat. Esimerkkejä tällaisista uusista palveluista voisi olla esimerkiksi:
Palvelualustat kuten Shopify tai Uber voisivat, ainakin teknisestä näkökulmasta, alkaa tarjota rahoituspalveluja suoraan alustallaan. Jos tekoälyn käytössä on data asiakkaan käyttäytymisestä kyseisellä alustalla (ja mahdollisesti muilla alustoilla), voi se tämän pohjalta tarjota asiakkaalle tämän mahdollisesti tarvitsemia palveluja jopa reaaliajassa.
Tekoälypohjaiset riskimallit voivat asiakkaan käyttäytymiseen liittyvän datan pohjalta tehdä tämän rahoitukselliseen riskiin liittyvää riskin arviointia saumattomasti reaaliajassa.
Pankit voivat muodostaa uusia tulovirtoja tarjoamalla toisille yrityksille palveluna AI-avusteista tietoa ohjelmointirajapintayhteyksien kautta asiakkaan kulutuskäyttäytymisestä tai luottokelpoisuudesta.
On kuitenkin syytä pitää mielessä, että uusien teknologioiden, myös tekoälyn, suurin potentiaali saattaa kuitenkin liittyä niihin yhtiöihin, jotka eivät vain ota uutta teknologiaa käyttöön, vaan rakentavat koko liiketoimintansa ja ansaintalogiikkaansa siihen perustuen.
Tämän tyyppisten yhtiöiden suhteen ollaan toki vielä alkutaipaleella, ja käytännön sovelluksia on vielä rajallisesti. On kuitenkin helppo nähdä esimerkkejä siitä, kuinka alusta alkaen tekoälyn varaan rakentuvat yritykset voisivat disruptoida rahoitusalaa. Esimerkkejä tällaisesta voisivat olla mm.
Tekoälypohjaiset lainapalvelut voivat käyttää muutakin kuin pankkien hallussa olevaa asiakkaaseen liittyvää dataa tarjotakseen lainapalveluja alipalvelluille segmenteille.
Tekoälypohjaiset AI-assistentit voivat auttaa reaaliajassa auttaa kuluttajaa taloudenhallinnassa, sijoitusten hallinnassa jakulutuskäyttäytymisessä.
Mikäli reaalimaailman datasta oletuksemme mukaisesti tulee yhä tarkemmin varjeltu kilpailuedun lähde, saattaa rahoitusalan synteettisen datan generoimisesta tulla merkittävää liiketoimintaa.
Toisaalta rahoitusalalla käyettävien AI-mallien yleistyessä saattaa myös niiden kehittämiseen erikoistuneille yhtiöille kehittyä kasvavasti liiketoimintamahdollisuuksia.
Tekoäly jakaa voittajiin ja häviäjiin
Disruptiivisilla teknologioilla on taipumusta jakaa toimialoja korostuneesti voittajiin ja häviäjiin, sen mukaan kuinka hyvin nämä pystyvät näihin disruptioihin sopeutumaan.
Uskomme että näin tulee käymään myös tekoälyn tapauksessa.Näkemyksemme mukaan tämä jako voi rahoitusalalla tapahtua ainakin kolmella eri tavalla, joita kutsumme tuottavuus-, älykkyys- ja nopeuskuiluiksi.
Onnistuminen tekoälyn hyödyntämisessä aiheuttaa kustannusrakenteiden erkanemista. Yritykset, jotka siinä onnistuvat siinä parhaiten voivat pystyä painamaan kustannuksiaan alaspäin merkittävästi.
On varsin mahdollista, että tekoälyn kautta saavutetut kustannussäästöt yksinään ovat niin suuria, että kilpailjoiden on vaikea pystyä vastaamaan niihin edes onnistumisilla muilla liiketoiminnan osa-alueilla.
Saavutetut kustannussäästöt mahdollistavat kassavirtojen entistä aggressiivisemman allokoinnin uusien, tekoälyn mahdollistamien palveluiden kehittämiseen, jotka kasvattavat tekoälyn lähtökiihdytyksessä onnistuneiden yritysten etumatkaa.
Tekoälykyvykkyyksistä muodostuu itseään ruokkivaa strategista pääomaa, joka yli ajan kertyessään tuottaa lopulta ylivoimaiseksi muodostuvaa kilpailuetua.
Ensimmäisinä toimivia tekoälypohjaisia palveluita tarjoavat yrityksen pääsevät hyötymään tekoälymallien kyvyistä kehittää itseään. Jokainen vuorovaikutus asiakkaan kanssa toimii syötteenä tekoälyn kehittämiselle, ja tästä muodostaa helposti itseään vahvistava ja kilpailuetua luova kierre.
Yhtiöt, joilla on pääsy määrällisesti ja laadullisesti parhaisiin datasetteihin, pystyvät kehittämään mallejaan ylivoimaisiksi heikomman harjoitusdatan varassa toimiviin kilpailijoihin verrattuna
Erityisesti isompien rahoitusalan toimijoiden keskuudessa voittajiksi voivat nousta ne yritykset, jotka rakentavat toimivimman sisäisen AI-infrastruktuurin. Voittajiksi voivat nousta yhtiöt, joissa sisäinen datan jakaminen ja hyödyntäminen toimii parhaiten, ja ne jotka eivät sorru osaoptimointiin, vaan kykenevät kehittämään tekoälyn hallinnointiin parhaiten yhtiön kokonaisetua edistävät hallintomallit.
Tekoälyn logiikka saattaa suosia nopeimmin liikkeelle pääseviä. Ensimmäisenä liikkeelle pääsevät keräävät ensimmäisenä ja eniten dataa, mikä mahdollistaa mallien nopeamman kehittämisen, mikä tuo lisää käyttäjiä ja lisää dataa edelleen kehittämiseen.
Joustavat hallintotavat ja yrityksen ylimpään johtoon ulottuva ymmärrys tekoälyn mahdollisuuksista toimivat kilpailuedun lähteenä kankeampia ja tekoälyä heikommin ymmärtäviä kilpailjoita vastaan.
Mitä nopeammin tekoäly uskalletaan tuoda asiakasrajapintaan, sitä nopeammin siitä saada aitoa kokemusta, mikä mahdollistaa iteratiivisen kehityksen.
Yritykset, jotka uskaltavat ottaa implementoinnissa hallittuja riskejä saavat ajallista etumatkaa verrattuna organisaatioihin, joissa tekoälyn käyttöönottoa haudotaan liian pitkään täyttä varmuutta tavoitellessa.
Kvarn X: Kaikki sijoituksesi yhdessä paikassa — osakkeista ja ETF:istä kryptoihin. Maksat ainoastaan toteutuneista kaupoista hinnaston mukaisen palkkion.
Luo ilmainen tili
Tämä sisältö on tuotettu kaupallisessa yhteistyössä Kvarn X:n kanssa. Sijoittamiseen liittyy aina riskejä, ja sijoittaja voi menettää koko sijoittamansa pääoman. Historiallinen kehitys ei ole tae tulevasta tuotosta. Kvarn X -alustalla sijoituspalvelut tarjoaa Kvarn Investment Services Oy.
