此内容来自:意见

人工智能的过度渲染、过度炒作和低人一等的世界

每个人都声称他们在“做”这件事,但下面是要问什么才能找到真相。

移动,智能测试版和风险奇偶:今天的流行语是AI。很难找到一个不声称使用人工智能以改善其投资过程的经理。然而,重要的障碍可以妨碍经理采用AI - 威胁不仅威胁到经理的投资流程,而且是整个业务。因此,许多经理的采用索赔往往比真实更有抱负。这些索赔的证据通常归结为三件事之一:

将新的、非传统的数据集(通常是某种类型的网络抓取)纳入现有的传统的、非人工智能的投资过程中;雇用“计算机科学家”或“数据科学家”;或者简单地盗用“机器学习”一词,以包括传统的定量过程。

这种摆手行为给资产分配者带来了一个挑战:将真假分开。

作为人工智能管理者(Leo)和人工智能驱动管理者(Angelo)的分配者,我们一直在尽职调查过程的两边,可以证明挑战是真实的。我们将我们的观点提炼成五个简单的问题,分配者可以用这些问题来建立真实性的基线和进一步尽职调查的框架。



“你试图解决什么问题,它值得AI(或者它可以使用传统的Quant技术解决)吗?”

首先,你需要知道一个管理者声称的人工智能采用是否与投资或非投资问题有关。虽然人工智能可能会帮助经理改进合规监督和交易后处理,但您正在考虑聘用经理,因为它声称自己有一些优势,能够始终如一地产生承诺的回报。你需要知道只有人工智能才能实现这一优势。

准备好一个固定的答案:“我们用它来构建工具,使我们的投资过程更好。”记者:“你在构建什么类型的计算技术?“把行话推回去-RNN,CNN,SVM。请经理用日常语言描述其选择的工具,重要的是,解释为什么以及如何期望这些选择直接和间接地改善其投资决策。

我们的经验表明,你可以期望管理者少谈工具,多谈数据。他们喜欢讨论“吸收替代数据”。数据当然可以提供一个优势——但不要因为提到异域数据集(例如,用于讽刺检测的新闻标题数据集——是的,这是一个真实的东西)而大吃一惊。要求经理描述他们正在使用的数据类型,并解释数据与要解决的问题之间的关系。他们如何获取数据?谁验证和管理数据?同时询问支持数据体系结构。这些问题的答案将帮助你确定这个人工智能的东西是一次性的(昂贵的)营销努力,还是有一个真正的承诺。

如果有一个合理的用例,那么就转到实现和集成的主题。

“该公司如何决定在投资过程中包括AI?”

是董事会推动还是仅仅是董事会批准?它是由C组员倡导的吗?投资团队?任何低于高级管理层全力支持的事情都表明了一种不温不火的承诺。

更重要的是,询问谁拥有向人工智能转变的业务决策。有人-一个特定的人-必须对人工智能项目负责,如果它是成功的。确定此人,并在适当的情况下请求电话或会议,以验证所有权、能力和带宽。

“人工智能项目的状况如何?”

这个问题在特定时间点基准测试经理的承诺,并允许您询问实施和集成。例如,因为您无法使用CFAS和MBA来做真正的AI,因此您应该期望经理告诉您,它使新员工专门致力于AI项目。获取这些专业人士的姓名和职位,以便您自己自行审查它们(例如,审查他们的出版物和专利,以获得相关性和及时性)。知道,通常,预测分析需要超过一个科学家;应该有一个科学团队,具有深入了解统计数据,数学,数据工程,机器学习,软件工程,可视化和非传统数据。因为这个科学人才有全球军备竞赛,请问经理如何招募团队。答复将显示它是否通过了人力资源实践,这增加了吸引必要的人才的可能性 - 例如,使用比赛。(对这个想法感到惊讶?考虑世界国际量子锦标赛来自80个国家的1000所大学的11000多名选手参加了5个全职职位和15个实习项目。)

扩大你的调查范围。如果这些人是人工智能工作背后的技术驱动力,那么管理者如何留住他们?答案将揭示管理者是否以及如何改变其薪酬结构。跟进询问是否已实施了任何政策和程序,以确保AI项目的连续性(例如,适当的技术文件,针对不良行为者的充分安全),因为人员流动是不可避免的。

一旦您知道经理有专门的资源雇用并锁定,就询问已采取哪些步骤以确保该团队正被正确融入投资组和业务。与传统的投资研究不同,通常局限于特定筒仓,预测分析是一项团队运动。最好的工作是通过交叉学科团队的合作完成的,科学团队嵌入在这些团队中,当产品所有者是将成为产品的直接受益人或用户(即,组合经理)。我们发现成功需要至少一个致力于管理这种整合的人。与这个人说话会很有帮助和适当。

“你这个人工智能项目的预算是多少,资金从哪里来?”

ai采用昂贵;即使是每年努力成本数百万美元。由于AI本质上是一个长期项目,因此经理应提供一致与要解决的问题一致的预算。任何AI项目的核心是研究议程,让经理分享它。您不需要技术细节,但经理应该能够告诉您其研发计划(包括工作流程)以及如何帮助解决其特定问题。此外,找出资金来源,这可能会透露如果经理在组织其他地方的削减。

“迄今为止的结果是什么?”

毫无疑问,管理者会告诉你,现在下结论或指出结果还为时过早,但请相信我们:如果它告诉你它正在使用人工智能,它应该能够告诉你人工智能的贡献——因为如果人工智能至少没有一些初步的积极成果,为什么管理者还要提到人工智能呢?团队对目前的结果和进展有何看法?经理会改变什么?为什么?虽然从来没有人见过不好的背部测试,但如果你对目前为止的答案感到满意,那么现在是时候问问这些模拟结果了。(不要被迫签署保密协议来查看它们。)如果管理者没有经验证据证明其产出和模型的贡献可以分享,那就怀疑是在挥手,而不是人工智能。



在这一点上我们同意。然而,我们各自的专业角色引起了一些意见分歧。

狮子座:如今,主动管理社区普遍表现不佳,以及“机器”带来的生存威胁,让管理者抓紧时间寻求快速解决方案。

许多人似乎认为人工智能提供了这个解决方案。

有些管理者的人工智能是他们已经在做的工作的自然延伸,他们的员工已经到位,专业知识在内部存在。其他管理者相信人工智能——通常以替代数据集的形式——是表上的赌注,但他们并不清楚这对他们的组织和投资过程意味着什么。他们更有可能发现他们的人工智能实验是昂贵的干扰。因此,不要低估那些避免炒作的经理。一个诚实地承认在其过程中没有看到人工智能的应用程序,不确定从哪里开始,或者不愿意花费时间和金钱来全面调查应用程序的经理可能是一个现实主义者,而不是一个勒德主义者。

分配者处于更有利的位置,部分原因是他们不必在与资产管理人员中的竞争环境中运行。他们可以通过与经理和研究公司的内部开发和合作伙伴关系来实验自己的流程。分配者有机会看到空间中的内容和不起作用,可以利用外部管理人员的专业知识和经验来思考自己的潜在项目。随着公司开发数据科学团队,可能存在养老金计划可以使用的内部公司资源。附加到大型研究组织或大学的捐赠和基金会更具优势。好消息是解决问题没有相同的压力,而且酒吧较低;甚至在投资过程中的少量改善可以将数千万美元的数量值到大型机构。分配者可以观看资产管理界会发生的事情,利用内部资源,并汇集一个深思熟虑的实验和实施方法。

安杰洛:人工智能的投资需要一个西西弗斯式的努力。成功的障碍是压倒性的,对于Leo来说,尽管许多管理者可以从改进的投资流程中获益,但许多人会选择现状而不是转型。

我也同意分​​配者将受益于将AI纳入自己的投资决策。然而,他们面临着相同的采用障碍,特别是关于资金和资源分配。

尽管Leo与经理人合作的想法很有吸引力,但这是一种幻想,建立在配置者杠杆的幻觉之上。管理者和分配者之间真正的知识转移的例子很少。(读者们,不要轻信“战略伙伴关系”是补救办法。我将在以后的专栏中讨论这个问题。)经理和客户之间的任何人工智能知识分享都是肤浅的,仅限于白皮书、网络研讨会和营销平台。在分配者自己的生态系统中使用人工智能相关的资源是一种创新的、更有前景的选择——尽管在一些组织中,这需要首席信息官吃一两块不起眼的馅饼。

我将提出分配者首先向内展示他们是否具有支持采用的条件,以暗示分配者来确定它们是否具有支持的条件。

一个分配者可以通过检查其治理结构来开始这种反省:董事会是否足够谦虚,承认传统主动管理的缺点?它是否普遍认识到人工智能在负债管理方面可能提供的潜在优势?它是否真的赋予专业人员权力(以新的关键绩效指标表示)和资源(即预算)来认真探索人工智能的采用?如果没有董事会的支持,人工智能将不可能以任何有意义的方式被采用。

但在与董事会接触之前,我要提醒专业人员照一面镜子,问一个简单的问题:我们是否希望董事会在知道即使董事会同意并承诺提供额外资源的情况下,也能解决人工智能采用的问题,这项调查可能会失败?