Το ChatGPT μπαίνει στη Wall Street: Τι αλλάζει για τους νέους τραπεζικούς αναλυτές

Όταν η πρώτη εκδοχή της ανάλυσης δεν ξεκινά από λευκό φύλλο

Η συλλογή εταιρικών στοιχείων, η προετοιμασία οικονομικών μοντέλων και η κατασκευή παρουσιάσεων αποτελούν μεγάλο μέρος της πρώτης δουλειάς ενός αναλυτή στην επενδυτική τραπεζική. Σε αυτό το πεδίο εισέρχεται η OpenAI με το ChatGPT for Financial Services, που παρουσιάστηκε στις 10 Σεπτεμβρίου.

Το ρεπορτάζ των Hugh Son και Ashley Capoot στο CNBC περιγράφει μια επίδειξη στην οποία το εργαλείο εξέτασε πιθανό στόχο εξαγοράς και ετοίμασε παρουσίαση σύμφωνα με το πρότυπο μιας τράπεζας. Όταν ρωτήθηκε για τις προσλήψεις νέων τραπεζικών στελεχών, ο αντιπρόεδρος προϊόντος της OpenAI, Nick Turley, έδωσε έμφαση στην παραγωγικότητα ανά εργαζόμενο. Δεν ανακοινώθηκε συγκεκριμένος αριθμός καταργούμενων θέσεων.

Τι προσθέτει η ειδική έκδοση

Σύμφωνα με την επίσημη ανακοίνωση, η εφαρμογή βασίζεται στο GPT-6 Astra και διαμορφώθηκε με συνεργάτες σχεδιασμού τη Morgan Stanley και την Evercore. Συνδυάζει χρηματοοικονομικά δεδομένα, παραπομπές στις πηγές και παραγωγή αρχείων εργασίας. Απευθύνεται σε επιλέξιμους χρηματοοικονομικούς οργανισμούς μέσω εμπορικής επικοινωνίας, χωρίς δημοσιευμένο ενιαίο τιμοκατάλογο στην ανακοίνωση.

Για τον εργαζόμενο, η διαφορά είναι πρακτική: η αφετηρία μπορεί να είναι ένα ήδη συγκροτημένο προσχέδιο, αντί για ώρες αναζήτησης και μεταφοράς αριθμών. Αυτό μετακινεί το βάρος της δουλειάς προς τον έλεγχο του αποτελέσματος.

Το καλοφτιαγμένο μοντέλο μπορεί να βασίζεται σε λάθος υπόθεση

Ας υποθέσουμε ότι δύο εταιρείες εμφανίζουν παρόμοιο λειτουργικό κέρδος. Η μία, όμως, χρειάζεται συστηματικά μεγαλύτερες επενδύσεις και περισσότερο κεφάλαιο κίνησης. Μια σύγκριση που σταματά στο πρώτο μέγεθος μπορεί να οδηγήσει σε λάθος συμπέρασμα για την αξία τους, ακόμη κι αν κάθε αριθμός αντιγράφηκε σωστά.

Αντίστοιχα, ένα ασυνήθιστο έσοδο μπορεί να παρουσιάζεται ως επαναλαμβανόμενο ή μια λογιστική προσαρμογή να κάνει δύο χρήσεις δύσκολα συγκρίσιμες. Η παραπομπή στην πηγή βοηθά να εντοπιστεί το στοιχείο. Δεν αποφασίζει από μόνη της αν το στοιχείο είναι κατάλληλο για τη συγκεκριμένη αποτίμηση.

Η ικανότητα του αναλυτή να εξηγεί γιατί επέλεξε μια εταιρεία σύγκρισης, γιατί άλλαξε μια παραδοχή και πόσο ευαίσθητο είναι το αποτέλεσμα παραμένει κεντρική. Η ταχύτητα παραγωγής δεν καταργεί την ευθύνη υπογραφής.

Η εκπαίδευση χρειάζεται πραγματική επαφή με τους αριθμούς

Για έναν νέο επαγγελματία, η ανακατασκευή ενός μοντέλου από τις οικονομικές καταστάσεις λειτουργεί και ως μάθημα. Αν παραλείπεται πλήρως αυτό το στάδιο, υπάρχει κίνδυνος να αποκτά άνεση στην παρουσίαση χωρίς αντίστοιχη κατανόηση του μηχανισμού.

Μια χρήσιμη προσαρμογή της εκπαίδευσης θα ήταν να ζητείται από τον αναλυτή να ελέγξει επιλεγμένα δεδομένα, να αναπτύξει εναλλακτικό σενάριο και να υπερασπιστεί προφορικά το συμπέρασμα. Η εξοικονόμηση χρόνου αποκτά μεγαλύτερη αξία όταν μετατρέπεται σε βαθύτερη μάθηση και καλύτερη εξυπηρέτηση.

Το οικονομικό όφελος φαίνεται μετά τις διορθώσεις

Μια ομάδα μπορεί να παράγει περισσότερες παρουσιάσεις χωρίς να κλείνει περισσότερες ή καλύτερες υποθέσεις. Γι’ αυτό η ουσιαστική μέτρηση είναι ο χρόνος από το αρχικό ερώτημα μέχρι ένα αποτέλεσμα που περνά τον έλεγχο, μαζί με το κόστος διόρθωσης και εποπτείας.

Για επαγγελματίες και συμβουλευτικές ομάδες στην Κύπρο, η εξέλιξη αφορά την κατεύθυνση των απαιτούμενων δεξιοτήτων. Η λογιστική κατανόηση, η ανάγνωση συμβάσεων και η κριτική αξιολόγηση δεν γίνονται λιγότερο χρήσιμες επειδή η πρώτη εκδοχή γράφεται γρηγορότερα. Γίνονται ο τρόπος με τον οποίο ξεχωρίζει μια τεκμηριωμένη συμβουλή από ένα πειστικό προσχέδιο.

Φωτογραφία: Jernej Furman / CC BY 2.0. Περικοπή.

The post Το ChatGPT μπαίνει στη Wall Street: Τι αλλάζει για τους νέους τραπεζικούς αναλυτές appeared first on moneymatters.cy.

Διαβάστε Περισσότερα...