28 czerwca 2018

4 zawody, którym zagraża Big Data

Petabajty danych o finansowych rynkach. Wielkie zbiory informacji z giełd. Miliardy detali opisujące społeczeństwa oraz zachowania inwestorów i konsumentów. Big Data przetwarzane za pomocą komputerów wyposażonych w sztuczną inteligencję może uczynić kilka zawodów w szeroko rozumianej finansowej branży – zbędnymi. Których? Wylicza prof. Aneta Hryckiewicz z Akademii Leona Koźmińskiego.

Analityk giełdowy

Dziś nie wyobrażamy sobie rynku obrotu akcjami bez armii specjalistów drobiazgowo sprawdzających sytuację spółek, ich atrakcyjność, przewidujących kierunek rozwoju firm i finalnie perspektywę zmiany kursu akcji. Analityk giełdowy wykonuje tę pracę, żeby w konsekwencji przedstawić inwestorom rekomendacje kupna lub sprzedaży akcji, powiązane z opłacalnością jednej albo drugiej operacji. Specjalista, także za pomocą komputerowych narzędzi, przeprowadza analizę wielu danych, wspomagając ją własną wiedzą i doświadczeniem. Niestety, to modelowe zajęcie dla sztucznej inteligencji. Im więcej danych i zmiennych do przetworzenia, tym lepiej od człowieka zrobi to samouczący się algorytm.

Doradca inwestycyjny

Tu sytuacja jest podobna jak w przypadku analityka giełdowego. Bo doradca inwestycyjny też musi uwzględnić dużą ilość danych z różnych poziomów i nałożyć je na siebie, co umożliwi podjęcie najlepszej biznesowo decyzji. Ale jest i istotna różnica, która już gra trochę na korzyść człowieka. Doradca musi również zarządzać portfelami i instrumentami finansowymi. Ma doradzać w sprawach strategicznych i związanych z organizacją oraz strukturą firm. A wtedy z kolei – im więcej posunięć, które trudno oprzeć na twardych przesłankach, tym mniej miejsca dla samodzielnej sztucznej inteligencji.

Analityk biznesowy ds. zarządzania systemami ryzyka operacyjnego

Wracamy do zawodu, w którym, nomen omen, ryzyko porażki z maszyną jest niemałe. Specjalista na tym stanowisku musi łączyć wiedzę biznesową z umiejętnością przełożenia jej na tworzenie narzędzi informatycznych. Chodzi o aplikacje do oceny ryzyka operacyjnego w bankowości. Jeśli zaawansowana sztuczna inteligencja otrzyma zadanie analizy zbiorów Big Data i opracowania kodu do oszacowania ryzyka, poradzi sobie z tym zadaniem znów lepiej i bez porównania szybciej niż dobry pracownik.

Specjalista ds. decyzji kredytowych

Powinien oszacować sytuację ekonomiczno-finansową potencjalnego kredytobiorcy. Pod uwagę trzeba wziąć historię rachunku, zobowiązania, dane społeczne charakterystyczne dla grupy, do której należy zainteresowany i nanieść je na dynamiczne schematy, jakie pozwolą oszacować ryzyko podejmowane przez bank. Już dziś takie analizy dla niższych kwot samodzielnie przeprowadzają systemy transakcyjne i podejmują automatyczne, choć sprofilowane decyzje kredytowe.

Podsumowując warto postawić pytanie – czy wizja kolejnych “zbędnych” zawodów nie jest jednak przesadzona? Bo przecież idąc podobnym tropem, każdą lub prawie każdą pracę moglibyśmy sprowadzić do analizy danych lub ich wielkich zbiorów i skonstatować, że w przyszłości lepiej wykona ją robot. Ta ostrożność jest na miejscu. Specjaliści zajmujący się w praktyce budową systemów sztucznej inteligencji po pierwsze nie przepadają za samym terminem, który, ich zdaniem, jest nieco na wyrost poetycki (i niekonsekwentny – bo jak coś jest sztuczne, to nie jest tym czymś oryginalnym). Ale przede wszystkim, eksperci od sztucznej inteligencji spodziewają się, że ona raczej nie będzie zastępowała człowieka do końca, a stanie się dla nas inteligencją rozszerzoną. Przekładając to na pracę np. analityka giełdowego, ekspert otrzyma wyspecjalizowane, stale uczące się narzędzie, które wykona za niego lwią część działań i podpowie wnioski, a nawet rekomendacje. Ale analityk będzie mógł dodać do nich swoją wiedzę lub nawet uznać, że sztuczna inteligencja się myli. Albo dać inwestorom do wyboru: radę autorstwa sztucznej inteligencji oraz rekomendację połączonych inteligencji maszyny i człowieka. Ostateczny wybór nadal pozostanie w rękach ludzi.


dr hab. Aneta Hryckiewicz – znawczyni tematyki finansowej i bankowej, koordynatorka anglojęzycznego programu studiów Big Data w finansach, na utworzenie którego uczelnia otrzymała finansowanie z Unii Europejskiej. Doświadczenie zawodowe zdobywała pracując przy fuzjach i przejęciach dużych przedsiębiorstw w jednym z największych banków inwestycyjnych. Doradzała również wielu polskim firmom w zdobyciu kapitału oraz restrukturyzacji. Jej zainteresowania naukowe koncentrują się wokół tematyki bankowej i kryzysów finansowych. Prowadzi badania nad sytuacją międzynarodowych banków w Polsce i na świecie. Zajmuje się również analizą nowych trendów w sektorze finansowym związanych z powstawaniem fintechów oraz technologii na funkcjonowanie i strukturę sektora finansowego.

Tekst prezentuje projekt edukacyjny, który promujemy w ramach działań PR dla uczelni.

Obróć stronę aby odblokowować.