Anthropic ได้เปิดตัว Claude for Financial Services โซลูชัน AI แบบครบวงจรที่ออกแบบมาเฉพาะสำหรับผู้เชี่ยวชาญด้านการเงิน การประกาศครั้งนี้เกิดขึ้นในขณะที่บริษัท AI ต่างมุ่งเป้าไปที่ตลาดเฉพาะทางที่มีกำไรสูง แทนที่จะแข่งขันกันเพียงด้านความสามารถทั่วไป
ชุมชนเทคโนโลยีมีปฏิกิริยาตอบรับที่หลากหลายต่อแนวทางเฉพาะทางนี้ ในขณะที่บางคนเห็นคุณค่าที่ชัดเจนในการวิเคราะห์ทางการเงินด้วย AI คนอื่นๆ กลับหยิบยกข้อกังวลเรื่องความแม่นยำและความน่าเชื่อถือในการตัดสินใจทางการเงินที่มีความเสี่ยงสูง
กลยุทธ์เฉพาะทางทำให้เกิดคำถามเกี่ยวกับทิศทางตลาด AI
การเปิดตัวครั้งนี้เน้นย้ำถึงการเปลี่ยนแปลงเชิงกลยุทธ์ในอุตสาหกรรม AI แทนที่จะมุ่งเน้นเพียงแพลตฟอร์มแนวนอน Anthropic กำลังสร้างโซลูชันเฉพาะทางสำหรับอุตสาหกรรมต่างๆ แนวทางนี้สมเหตุสมผลเมื่อพิจารณาจากภูมิทัศน์การแข่งขัน - โดยไม่มีการยอมรับในวงกว้างเหมือน ChatGPT การกำหนดเป้าหมายไปที่ช่องทางเฉพาะที่แข็งแกร่งดูเป็นกลยุทธ์ที่ฉลาดสำหรับผู้ที่อยู่ในตำแหน่งรอง พร้อมกับอัตรากำไรที่อาจสูงกว่า
ภาคบริการทางการเงินเป็นเป้าหมายที่น่าสนใจเนื่องจากมีง예산มากมายและความเต็มใจที่จะลงทุนในเทคโนโลยีที่สัญญาว่าจะเพิ่มประสิทธิภาพ อย่างไรก็ตาม การมุ่งเน้นนี้ทำให้เกิดคำถามว่าบริษัท AI เห็นภัยคุกคามจากการกลายเป็นสินค้าโภคภัณฑ์ในตลาดทั่วไปหรือไม่
พาร์ทเนอร์ในการดำเนินงาน:
- Deloitte: 10X Analyst สำหรับการวิจัยหุ้นและสินเชื่อเอกชน
- KPMG: การใช้งานผู้ช่วย AI สำหรับนักพัฒนา
- PwC: Regulatory Pathfinder สำหรับการวิเคราะห์การปฏิบัติตามกฎระเบียบ
- Slalom: การปรับปรุงโค้ดเก่าและการดำเนินงานด้านประกันภัย
- TribeAI: การตรวจสอบเอกสารข้อตกลงและการรวมระบบ VDR
- Turing: การสร้างข้อกำหนดการปฏิบัติตามกฎระเบียบแบบอัตโนมัติ
ความสามารถทางเทคนิคเผชิญกับความสงสัยในโลกแห่งความเป็นจริง
โซลูชันทางการเงินใหม่ของ Claude รวมถึงโมเดลที่ปรับปรุงแล้วซึ่งได้คะแนนความแม่นยำ 83% ในงาน Excel ที่ซับซ้อนและผ่านห้าจากเจ็ดระดับของเกณฑ์มาตรฐานการสร้างแบบจำลองทางการเงิน ระบบนี้รวมเข้ากับผู้ให้บริการข้อมูลทางการเงินรายใหญ่ รวมถึง FactSet, S&P Global, PitchBook และ Snowflake โดยสร้างอินเทอร์เฟซแบบรวมศูนย์สำหรับการวิเคราะห์ตลาด
แม้จะมีความสำเร็จทางเทคนิคเหล่านี้ การอภิปรายในชุมชนเผยให้เห็นความสงสัยอย่างมากเกี่ยวกับความน่าเชื่อถือของ AI ในด้านการเงิน ข้อกังวลมุ่งเน้นไปที่ว่าเวิร์กโฟลว์ทางการเงินมีกลไกการตรวจจับข้อผิดพลาดแบบเดียวกับที่มีอยู่ในการพัฒนาซอฟต์แวร์หรือไม่ เช่น linting, compiling และการทดสอบ
การเงินและโค้ดต่างก็สามารถขึ้นอยู่กับรายละเอียดเล็กๆ น้อยๆ อย่างมาก การเงินมีการตรวจสอบแบบเดียวกันที่สามารถตรวจจับปัญหาในโค้ดที่ AI สร้างขึ้นหรือไม่?
ผู้ใช้งานในระยะแรกรายงานผลลัพธ์ที่น่าสัญญา กองทุนเงินอธิปไตยของ Norway ที่ชื่อ NBIM อ้างว่าได้ผลิตภาพเพิ่มขึ้น 20% เทียบเท่ากับ 213,000 ชั่วโมง ในขณะที่ AIG รายงานว่าสามารถบีบอัดระยะเวลาการตรวจสอบการรับประกันภัยได้มากกว่า 5 เท่า พร้อมทั้งปรับปรุงความแม่นยำของข้อมูลจาก 78% เป็นมากกว่า 90%
ตัวชี้วัดประสิทธิภาพทางการเงินของ Claude:
- ความแม่นยำ 83% ในงาน Excel ที่ซับซ้อน
- ผ่านการทดสอบ 5 จาก 7 ระดับในมาตรฐาน Financial Modeling
- NBIM รายงานผลผลิตเพิ่มขึ้น 20% (เทียบเท่า 213,000 ชั่วโมง)
- AIG ทำการตรวจสอบการรับประกันภัยได้เร็วขึ้น 5 เท่า พร้อมปรับปรุงความแม่นยำของข้อมูลจาก 78% เป็น 90%+
 |
|---|
| การวิเคราะห์บริษัทเปรียบเทียบโดยละเอียดของ Velocity Athletic เทียบกับคู่แข่งในภาคส่วนรองเท้ากีฬา เป็นตัวอย่างของตัวชี้วัดทางการเงินที่เกี่ยวข้องกับการวิเคราะห์ทางการเงิน |
ความท้าทายด้านอินเทอร์เฟซในเวิร์กโฟลว์การเงินแบบดั้งเดิม
ความท้าทายสำคัญอยู่ที่วิธีการที่ AI รวมเข้ากับเวิร์กโฟลว์การเงินที่มีอยู่ ไม่เหมือนกับนักพัฒนาซอฟต์แวร์ที่ทำงานในสภาพแวดล้อมที่ใช้ข้อความอยู่แล้วซึ่ง AI รู้สึกเป็นธรรมชาติ นักวิเคราะห์ทางการเงินใช้งานสเปรดชีต Excel, งานนำเสนอ PowerPoint และเครื่องมือสร้างแบบจำลองที่ซับซ้อนเป็นหลัก
คำถามที่ยังคงอยู่คือว่าอินเทอร์เฟซ AI แบบแชทสามารถทดแทนหรือเสริมเวิร์กโฟลว์เหล่านี้ที่เน้นภาพและสเปรดชีตได้อย่างมีประสิทธิภาพหรือไม่ สมาชิกในชุมชนบางคนแนะนำว่า AI ทำงานได้ดีที่สุดในฐานะอินเทอร์เฟซแอปพลิเคชัน - วิธีใหม่ในการโต้ตอบกับเครื่องมือการเงินที่มีอยู่ แทนที่จะเป็นการทดแทน
การเชื่อมต่อกับผู้ให้บริการข้อมูลหลัก:
- FactSet: ราคาหุ้นที่ครอบคลุม ข้อมูลพื้นฐาน และการประมาณการฉันทามติ
- S&P Global: ข้อมูลทางการเงิน Capital IQ และบันทึกการประชุมผู้ถือหุ้น
- PitchBook: ข้อมูลตลาดทุนเอกชนและงานวิจัย
- Snowflake: แพลตฟอร์ม AI ทางการเงินสำหรับข้อมูลที่มีโครงสร้างและไม่มีโครงสร้าง
- Databricks: การวิเคราะห์แบบรวมสำหรับ big data และปริมาณงาน AI
- Morningstar: ข้อมูลการประเมินมูลค่า
- Daloopa: ข้อมูลพื้นฐานและ KPI คุณภาพสูงจากเอกสารสาธารณะ
ผลกระทบต่อตลาดและข้อกังวลด้านการแข่งขัน
การเข้าสู่บริการทางการเงินไม่ใช่เรื่องเฉพาะของ Anthropic เท่านั้น OpenAI เสนอโซลูชันที่คล้ายกันอยู่แล้ว ซึ่งแสดงให้เห็นว่ายักษ์ใหญ่ AI ทั้งสองเห็นโอกาสที่สำคัญในภาคนี้ การผสมผสานระหว่างงบประมาณสูง ความต้องการวิเคราะห์ข้อมูลที่ซับซ้อน และความเต็มใจที่จะนำเทคโนโลยีใหม่มาใช้ของอุตสาหกรรมการเงิน ทำให้เป็นเป้าหมายที่น่าสนใจ
อย่างไรก็ตาม ผู้สังเกตการณ์บางคนกังวลเกี่ยวกับความเสี่ยงการจัดการตลาดที่อาจเกิดขึ้นเมื่อระบบ AI มีอิทธิพลต่อการตัดสินใจทางการเงินในระดับใหญ่ ข้อกังวลขยายไปไกลกว่าข้อผิดพลาดในการซื้อขายรายบุคคล ไปถึงผลกระทบระบบเมื่อสถาบันหลายแห่งพึ่งพาเครื่องมือวิเคราะห์ที่ขับเคลื่อนด้วย AI ที่คล้ายกัน
ความสำเร็จของ Claude for Financial Services น่าจะขึ้นอยู่กับว่าจะสามารถเชื่อมช่องว่างระหว่างความสามารถของ AI กับความต้องการที่ใช้งานได้จริงและมีความแม่นยำสูงของการตัดสินใจทางการเงินได้หรือไม่ ผลลัพธ์เบื้องต้นจากโปรแกรมนำร่องแสดงให้เห็นความหวัง แต่การนำมาใช้ในวงกว้างจะเป็นการทดสอบว่า AI สามารถเปลี่ยนแปลงเวิร์กโฟลว์การเงินได้อย่างแท้จริงหรือเพียงแค่เป็นเครื่องมือเสริมที่มีราคาแพงสำหรับเครื่องมือที่มีอยู่
อ้างอิง: Claude for Financial Services
 |
|---|
| แผนภูมิแสดงผลการดำเนินงานด้านราคาของ Velocity Athletic ที่แสดงการเคลื่อนไหวของหุ้นในความสัมพันธ์กับเหตุการณ์สำคัญ เพื่อแสดงให้เห็นถึงอิทธิพลที่อาจเกิดขึ้นต่อการตัดสินใจทางการเงิน |