خلاصه
بررسی جهانی بنیاد CQF نشان میدهد تنها ۹٪ از فارغالتحصیلان تازهکار با مهارتهای هوش مصنوعی و یادگیری ماشین وارد بازار مالی کمی میشوند. در حالی که ۸۳٪ از متخصصان از ابزارهای AI استفاده میکنند، فهم انسانی از زبان ماشین همچنان کمبود جدی دارد.
چرا این خبر مهم است؟
موفقیت در بازارهای مالی دیگر فقط به فرمولهای ریاضی بسنده نمیکند؛ ترکیب انسان و فناوری تعیینکننده است. اگر تقاضای بازار و مهارتهای نیروی کار همراستا نشود، رشد نوآوری کند میشود.
آمار کلیدی از پژوهش CQF
- ۹٪ فارغالتحصیلان «آمادهی AI» ارزیابی شدند.
- ۵۴٪ کوانتها روزانه از ابزارهای هوش مصنوعی بهره میبرند.
- ۴۴٪ بهرهوری قابلتوجهی با AI تجربه کردهاند.
- ۲۵٪ بیش از ۱۰ ساعت در هفته صرفهجویی زمان دارند.
کاربردهای اصلی AI در مالی کمی
1. تولید کد و اشکالزدایی
۳۰٪ از پاسخدهندگان از هوش مصنوعی برای نوشتن و رفع خطای کد استفاده میکنند.
2. تحلیل احساسات بازار
۲۱٪ برای درک سریعتر جو بازار و پژوهشهای خود از مدلهای زبانی متوسل میشوند.
3. تولید گزارشهای خودکار
۲۰٪ تهیه گزارشهای هفتگی یا ماهانه را به AI میسپارند.
4. کشف آلفا و پژوهش
۲۶٪ از این ابزارها برای یافتن سیگنالهای معاملاتی جدید کمک میگیرند.
5. معاملات الگوریتمی
۱۹٪ الگوریتمهای خود را با یادگیری ماشین بهینه میکنند.
6. مدیریت ریسک
۱۷٪ پیشبینی ریسکهای پیچیده را به مدلها میسپارند.
مشکل بزرگِ «قابلیت تفسیر»
۴۱٪ نگراناند که ندانند مدل چه تصمیمی و چرا میگیرد. از دید نهادهای ناظر، شفافسازی مدل الزامی است.
چالشهای دیگر
- ۱۶٪ – نگرانیهای مقرراتی
- ۱۷٪ – هزینههای سختافزاری و محاسباتی
- ۱۴٪ – فقط این درصد شرکتها برنامه رسمی آموزش AI دارند
راهحل چیست؟
آموزش و ارتقای مستمر
افزایش دورههای عملی AI در مقطع کارشناسی و ارشد، کارآموزی داخل شرکتها و تربیت مربی AI میتواند شکاف را کاهش دهد.
استراتژی سازمانی
۲۵٪ شرکتها استراتژی رسمی AI دارند و ۲۴٪ در حال تدویناند؛ بودجه زیرساخت نیز در ۲۳٪ شرکتها افزایش خواهد یافت.
جمعبندی
مالی کمی بدون هوش مصنوعی دیگر راهی ندارد؛ اما بدون انسانهایی که زبان ماشین را بفهمند، ابزارها بیاثر میمانند. سرمایهگذاری روی آموزش، تنها راه اطمینان از آیندهی رقابتی این بازار است.