Business News

ഏറ്റവും മ്യൂച്വൽ ഫണ്ട് മാനേജർമാരെ മാറ്റിസ്ഥാപിക്കാൻ AI-ക്ക് കഴിയുമെന്ന് പുതിയ ഹാർവാർഡ് പഠനം കാണിക്കുന്നു

ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസിന് 71% മ്യൂച്വൽ ഫണ്ട് ട്രേഡുകളും അതിശയകരമായ കൃത്യതയോടെ പ്രവചിക്കാൻ കഴിയുമെന്ന് ഗവേഷകർ കണ്ടെത്തി.

1 min read Via www.entrepreneur.com

Mewayz Team

Editorial Team

Business News

കോർണർ ഓഫീസിലെ അൽഗോരിതം: AI ആണ് ഹ്യൂമൻ ഫണ്ട് മാനേജർമാരെ മറികടക്കുന്നത്

പതിറ്റാണ്ടുകളായി, മ്യൂച്വൽ ഫണ്ട് വ്യവസായം ഒരു മോഹന വാഗ്ദാനമാണ് വിറ്റഴിച്ചത്: നിങ്ങളുടെ പണം ഒരു ബുദ്ധിമാനായ ഹ്യൂമൻ അനലിസ്റ്റിന് നൽകുക, 20 വർഷം ബാലൻസ് ഷീറ്റുകൾ വായിച്ച്, വരുമാന കോളുകളിൽ ഇരുന്നുകൊണ്ട്, മാർക്കറ്റ് ഡൈനാമിക്സിൽ ഏതാണ്ട് അവബോധജന്യമായ അനുഭവം വളർത്തിയെടുക്കുന്ന ഒരാൾക്ക് - അവർ വിപണിയെ മറികടക്കും. ആ വാഗ്ദത്തം എപ്പോഴും ദുർബ്ബലമായിരുന്നു. ഇപ്പോൾ, ഹാർവാർഡ് ബിസിനസ് സ്കൂളിൽ നിന്നുള്ള ഒരു നാഴികക്കല്ലായ പഠനം അതിനെ പൂർണ്ണമായും തകർക്കുമെന്ന് ഭീഷണിപ്പെടുത്തുന്നു. ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസിന് 71% മ്യൂച്വൽ ഫണ്ട് ട്രേഡുകളും പ്രവചിക്കാൻ കഴിയുമെന്ന് ഗവേഷകർ കണ്ടെത്തി, അഞ്ച് വർഷം മുമ്പ് അസംബന്ധമായി തോന്നിയേക്കാവുന്ന ഒരു ചോദ്യം ഉയർത്തുന്നു: ഒരു ഫണ്ട് മാനേജർ അത് ചെയ്യുന്നതിന് മുമ്പ് എന്ത് ചെയ്യും എന്ന് മുൻകൂട്ടി അറിയാൻ കഴിയുമെങ്കിൽ, നിക്ഷേപകർ കൃത്യമായി എന്താണ് നൽകുന്നത്?

വാൾ സ്‌ട്രീറ്റിനപ്പുറവും പ്രത്യാഘാതങ്ങൾ അലയടിക്കുന്നു. പാറ്റേൺ തിരിച്ചറിയൽ - ഏതൊരു വിദഗ്ദ്ധൻ്റെയും പ്രധാന വൈജ്ഞാനിക വൈദഗ്ദ്ധ്യം - ഒരു ചരക്കായി മാറുമ്പോൾ സംഭവിക്കുന്നതിനെക്കുറിച്ചുള്ള ഒരു കഥയാണിത്. ഫിനാൻസ് പ്രൊഫഷണലുകൾ മാത്രമല്ല, എല്ലാ ബിസിനസ്സ് നേതാക്കളും ഇപ്പോൾ മനസ്സിലാക്കേണ്ട ഒരു കഥയാണിത്.

ഹാർവാർഡ് ഗവേഷണം യഥാർത്ഥത്തിൽ കണ്ടെത്തിയത്

ഹാർവാർഡ് പഠനം വർഷങ്ങളുടെ ചരിത്രപരമായ ട്രേഡിംഗ് ഡാറ്റ, ഫണ്ട് വെളിപ്പെടുത്തലുകൾ, മാർക്കറ്റ് സിഗ്നലുകൾ എന്നിവയിൽ മെഷീൻ ലേണിംഗ് മോഡലുകളെ പരിശീലിപ്പിച്ചു. മോഡലുകൾ വിശാലമായ മേഖലയുടെ പ്രവണതകളെ തിരിച്ചറിയുക മാത്രമല്ല; വ്യക്തിഗത ഫണ്ട് മാനേജർമാരുടെ നിർദ്ദിഷ്ട പോർട്ട്ഫോളിയോ തീരുമാനങ്ങൾ അവർ പ്രവചിക്കുകയായിരുന്നു - അവർ ഏത് സ്റ്റോക്കുകൾ വാങ്ങും, ഏത് ട്രിം ചെയ്യും, എപ്പോൾ. ഒരു ഡൊമെയ്‌നിലെ 71% പ്രവചന കൃത്യത നിരക്ക്, സജീവമായ പോർട്ട്‌ഫോളിയോ മാനേജ്‌മെൻ്റ് പോലെ സങ്കീർണ്ണവും ബഹളവും അസാധാരണമാണ്. സന്ദർഭത്തിന്, കോയിൻ ഫ്ലിപ്പുകൾ പ്രവചിക്കുന്ന ഒരു മോഡൽ യാദൃശ്ചികമായി മാത്രം 50% സമയവും ശരിയാകും.

കണ്ടെത്തലിനെ പ്രത്യേകം ചൂണ്ടിക്കാണിക്കുന്നത്, പല ടോപ്പ്-പെയ്ഡ് ഫണ്ട് മാനേജർമാരും യഥാർത്ഥത്തിൽ ചെയ്യുന്നതിൻ്റെ അടിസ്ഥാന മെക്കാനിക്‌സിനെ ഇത് തുറന്നുകാട്ടുന്നു എന്നതാണ്. യഥാർത്ഥമായ നൂതനമായ ഉൾക്കാഴ്ച വിന്യസിക്കുന്നതിനുപകരം, സജീവമായ മാനേജ്മെൻ്റിൻ്റെ ഒരു പ്രധാന ഭാഗം പാറ്റേൺ-ഡ്രൈവഡ് പെരുമാറ്റമായി കാണപ്പെടുന്നു - അതേ വരുമാന ആശ്ചര്യങ്ങളോടും അതേ ആവേഗ സിഗ്നലുകളോടും അതേ മാക്രോ സൂചകങ്ങളോടും പ്രവചിക്കാവുന്ന രീതിയിൽ പ്രതികരിക്കുന്നു. ഒരു മാനേജർ ഒരു വ്യാപാരം നടത്തുമെന്ന് എന്തുകൊണ്ട് AI-ക്ക് മനസ്സിലാക്കേണ്ട ആവശ്യമില്ല. അവർ വിശ്വസനീയമായി ചെയ്ത അവസ്ഥകൾ തിരിച്ചറിയാൻ അത് പഠിച്ചു.

ഇത് മുമ്പത്തെ ഗവേഷണവുമായി പൊരുത്തപ്പെടുന്നു. 2022 ലെ എസ് ആൻ്റ് പി ഡൗ ജോൺസ് സൂചികകളുടെ റിപ്പോർട്ട് 20 വർഷ കാലയളവിൽ, സജീവമായ യു.എസ്. ലാർജ് ക്യാപ് ഫണ്ട് മാനേജർമാരിൽ 94% ത്തിലധികം പേരും അവരുടെ ബെഞ്ച്മാർക്ക് സൂചികയിൽ മികച്ച പ്രകടനം കാഴ്ച്ച വെച്ചിട്ടില്ലെന്ന് കണ്ടെത്തി. ഹാർവാർഡ് കണ്ടെത്തലുകൾ ഒരു പുതിയ തലം ചേർക്കുന്നു: പല സജീവ മാനേജർമാരും വിപണിയെ തോൽപ്പിക്കാൻ പരാജയപ്പെടുക മാത്രമല്ല, അവരുടെ തീരുമാനങ്ങൾ ഒരു അൽഗോരിതം അനുകരിക്കാൻ കഴിയുന്നത്ര മെക്കാനിക്കൽ ആയിരിക്കാം - ചിലവിൻ്റെ ഒരു ഭാഗം.

എന്തുകൊണ്ട് 71% പ്രവചനക്ഷമത ഒരു ബിസിനസ് പ്രശ്‌നമാണ്, ഒരു സാമ്പത്തിക പ്രശ്‌നം മാത്രമല്ല

ഇത് ഒരു വ്യവസായ-നിർദ്ദിഷ്‌ട പ്രതിസന്ധിയായി കണക്കാക്കാൻ ഫിനാൻസ് പ്രൊഫഷണലുകൾ പ്രലോഭിപ്പിച്ചേക്കാം. അവർക്ക് തെറ്റുപറ്റും. ഹാർവാർഡ് പഠനം വളരെ വലിയ പാറ്റേണിലുള്ള ഒരു ഡാറ്റാ പോയിൻ്റാണ്: ഏത് ഡൊമെയ്‌നിലും വിദഗ്ദ്ധ വിധി ആവർത്തിക്കാൻ AI സിസ്റ്റങ്ങൾക്ക് കൂടുതൽ കഴിവുണ്ട്, അവിടെ തീരുമാനങ്ങൾ പഠിക്കാവുന്ന നിയമങ്ങൾ പാലിക്കുന്നു, ആ നിയമങ്ങൾ എവിടെയും വ്യക്തമായി എഴുതിയിട്ടില്ലെങ്കിലും.

സജീവമായ ഫണ്ട് മാനേജ്‌മെൻ്റിനും പരമ്പരാഗത ബിസിനസ് മാനേജ്‌മെൻ്റിനും പൊതുവായുള്ളത് എന്താണെന്ന് പരിഗണിക്കുക. രണ്ടും വിവരശേഖരണം, പാറ്റേണുകൾ തിരിച്ചറിയൽ, അനുഭവം രൂപപ്പെടുത്തിയ ഹ്യൂറിസ്റ്റിക്സ് പ്രയോഗിക്കൽ, അനിശ്ചിതത്വത്തിൽ തീരുമാനങ്ങൾ എടുക്കൽ എന്നിവ ഉൾപ്പെടുന്നു. 71% കൃത്യതയോടെ ഒരു ഫണ്ട് മാനേജരുടെ തീരുമാനമെടുക്കൽ പ്രക്രിയയെ മാതൃകയാക്കാൻ AI-ന് കഴിയുമെങ്കിൽ, ഓപ്പറേഷൻ മാനേജർമാർ, എച്ച്ആർ ഡയറക്ടർമാർ, സെയിൽസ് ലീഡർമാർ, ബിസിനസ് അനലിസ്റ്റുകൾ എന്നിവരുടെ തീരുമാനങ്ങളുടെ ഒരു പ്രധാന ഭാഗം മാതൃകയാക്കാൻ അതിന് കഴിയും - പാറ്റേണുകൾ തിരിച്ചറിയുന്നതിലും പ്രതികരിക്കുന്നതിലും വൈദഗ്ധ്യമുള്ള ആളുകൾ.

"വിദ്യാഭ്യാസ പ്രവർത്തകർക്കുള്ള ഭീഷണി AI മനുഷ്യൻ്റെ വിധിയെ പൂർണ്ണമായും മാറ്റിസ്ഥാപിക്കുമെന്നതല്ല - യഥാർത്ഥത്തിൽ പാറ്റേൺ പൊരുത്തപ്പെടുന്ന മനുഷ്യ വിധിയുടെ ഭാഗങ്ങളെ AI മാറ്റിസ്ഥാപിക്കും എന്നതാണ്. അത് അതിശയകരമാംവിധം വലിയൊരു ഭാഗമായി മാറുന്നു."

മനുഷ്യൻ്റെ വൈദഗ്ധ്യം വിലപ്പോവില്ല എന്നല്ല ഇതിനർത്ഥം. വിലപ്പെട്ട വൈദഗ്ധ്യത്തിൻ്റെ പ്രകൃതം മാറിക്കൊണ്ടിരിക്കുകയാണ്. AI-ക്ക് എളുപ്പത്തിൽ പകർത്താൻ കഴിയാത്ത എന്തെങ്കിലും ചെയ്യുന്നവരാണ് അതിജീവിക്കുകയും അഭിവൃദ്ധി പ്രാപിക്കുകയും ചെയ്യുന്ന ഫണ്ട് മാനേജർമാർ: യഥാർത്ഥമായ നൂതനമായ വിവരങ്ങൾ സമന്വയിപ്പിക്കുക, വിവരദായകമായ നേട്ടങ്ങൾ സൃഷ്ടിക്കുന്ന ബന്ധങ്ങൾ കെട്ടിപ്പടുക്കുക, ചരിത്രപരമായ മുൻഗാമികളൊന്നും ഇല്ലാത്ത സാഹചര്യങ്ങളിൽ ന്യായവിധി നടത്തുക. ഇപ്പോൾ മെഷീൻ ഇൻ്റലിജൻസ് ഉപയോഗിച്ച് പുനർരൂപകൽപ്പന ചെയ്യുന്ന എല്ലാ പ്രൊഫഷണൽ ഡൊമെയ്‌നിനും ഇതേ യുക്തി ബാധകമാണ്.

ഇൻഡസ്ട്രീസ് ഫിനാൻസിൻ്റെ AI തടസ്സം ഏറ്റവും അടുത്ത് നിരീക്ഷിക്കുന്നു

മ്യൂച്വൽ ഫണ്ട് വ്യവസായം പ്രധാനമായും വൈറ്റ് കോളർ ഓട്ടോമേഷനുള്ള കൽക്കരി ഖനിയിലെ ഒരു കാനറിയാണ്. ഇത് ഡാറ്റ സമ്പന്നമാണ്, വ്യക്തമായ പ്രകടന അളവുകൾ ഉണ്ട്, കൂടാതെ വർഷങ്ങളായി നിഷ്ക്രിയ സൂചിക ഫണ്ടുകളിൽ നിന്നുള്ള ചെലവ് സമ്മർദ്ദത്തിലാണ് - ഇത് AI ദത്തെടുക്കലിന് അസാധാരണമായ സ്വീകാര്യത നൽകുന്നു. മറ്റ് വ്യവസായങ്ങൾ ശ്രദ്ധാപൂർവ്വം നിരീക്ഷിക്കുന്നു.

ആരോഗ്യ സംരക്ഷണത്തിൽ, Google-ൻ്റെ DeepMind പോലെയുള്ള ഡയഗ്നോസ്റ്റിക് AI സിസ്റ്റങ്ങൾ ചില നേത്രരോഗങ്ങളും ക്യാൻസറുകളും കൃത്യമായി പൊരുത്തപ്പെടുന്നതോ അല്ലെങ്കിൽ സ്പെഷ്യലിസ്റ്റ് ഫിസിഷ്യൻമാരെക്കാൾ കൂടുതലോ കണ്ടെത്താനുള്ള കഴിവ് തെളിയിച്ചിട്ടുണ്ട്. നിയമത്തിൽ, വലിയ ഭാഷാ മോഡലുകളിൽ നിർമ്മിച്ച ടൂളുകൾ, മുമ്പ് ജൂനിയർ അസോസിയേറ്റ്സ് ഒറ്റരാത്രികൊണ്ട് ജോലി ചെയ്യേണ്ട കരാർ അവലോകന ജോലികൾ ചെയ്യുന്നു. അക്കൗണ്ടിംഗിലും സാമ്പത്തിക ആസൂത്രണത്തിലും, AI- പ്രവർത്തിക്കുന്ന പ്ലാറ്റ്‌ഫോമുകൾ ഓട്ടോമേറ്റ് ചെയ്യുന്ന വ്യതിയാന വിശകലനം, പണമൊഴുക്ക് പ്രവചനം, സീനിയർ അനലിസ്റ്റ് സമയം ആവശ്യപ്പെടുന്ന അപാകത കണ്ടെത്തൽ എന്നിവയാണ്.

ഈ മേഖലകളിലെ വിദഗ്ധരേക്കാൾ AI മികച്ചതാണ് എന്നതല്ല പൊതുവായ കാര്യം. AI തളരാത്തതും സ്ഥിരതയുള്ളതും സ്കെയിൽ ചെയ്യാൻ വളരെ വിലകുറഞ്ഞതുമാണ്. ഒരു ഹ്യൂമൻ ഫണ്ട് മാനേജർ ഒരു സ്ഥാപനത്തിന് ശമ്പളം, ആനുകൂല്യങ്ങൾ, ഓവർഹെഡ് എന്നിവയിൽ പ്രതിവർഷം $500,000 ചിലവാക്കിയേക്കാം. ആ മാനേജരുടെ ട്രേഡുകളുടെ 71% പ്രവചിക്കാൻ കഴിവുള്ള ഒരു AI സിസ്റ്റം ആ വിലയുടെ ഒരു അംശത്തിലാണ് പ്രവർത്തിക്കുന്നത് - അതിന് ഒരു ബോണസ്, ഒരു സബാറ്റിക്കൽ അല്ലെങ്കിൽ ഒരു പിൻതുടർച്ച പ്ലാൻ ആവശ്യമില്ല.

ആൽഗോരിതത്തെ അതിജീവിക്കുന്നത് എന്താണ്: മാനുഷിക മൂല്യത്തിൻ്റെ പുതിയ നിർവ്വചനം

ഇതുപോലുള്ള ഗവേഷണങ്ങളോടുള്ള സഹജമായ പ്രതികരണം പ്രതിരോധാത്മകമാണ്: മനുഷ്യൻ്റെ വിധി മാറ്റാനാകാത്തതാണെന്ന് വാദിക്കുന്നത്, AI-ക്ക് സന്ദർഭം ശരിക്കും മനസ്സിലാക്കാൻ കഴിയില്ല, പരിചയസമ്പന്നരായ പ്രൊഫഷണലുകൾക്ക് എല്ലായ്പ്പോഴും ഒരു റോൾ ഉണ്ടായിരിക്കും. അതിൽ ചിലത് സത്യമാണ്. എന്നാൽ മനുഷ്യ വൈദഗ്‌ധ്യത്തിൻ്റെ ഏതെല്ലാം വശങ്ങൾ യാന്ത്രികമായി മാറ്റാൻ ശരിക്കും ബുദ്ധിമുട്ടാണ് എന്നതിനെക്കുറിച്ച് കൃത്യമായി മനസ്സിലാക്കുക എന്നതാണ് കൂടുതൽ ഉൽപ്പാദനക്ഷമമായ പ്രതികരണം.

💡 DID YOU KNOW?

Mewayz replaces 8+ business tools in one platform

CRM · Invoicing · HR · Projects · Booking · eCommerce · POS · Analytics. Free forever plan available.

Start Free →

എഐ ശേഷിയുടെ നിലവിലെ പാതയെ അടിസ്ഥാനമാക്കി, ഇനിപ്പറയുന്ന പ്രൊഫഷണൽ കഴിവുകൾ ഏറ്റവും ദൃഢമായി കാണപ്പെടുന്നു:

  • ബന്ധങ്ങളെ അടിസ്ഥാനമാക്കിയുള്ള വിശ്വാസം: ഇടപാടുകാരും പങ്കാളികളും സ്ഥിരമായി തീരുമാനങ്ങൾ എടുക്കുന്നത് അവർ വിശ്വസിക്കുന്നതിനെ അടിസ്ഥാനമാക്കിയാണ്, അവർക്ക് എന്ത് വിവരങ്ങൾ ലഭിക്കുന്നു എന്നതിലുപരി. സുസ്ഥിരമായ മനുഷ്യ ഇടപെടലിലൂടെയും താൽപ്പര്യങ്ങളുടെ പ്രകടമായ വിന്യാസത്തിലൂടെയുമാണ് വിശ്വാസം കെട്ടിപ്പടുക്കുന്നത് — അൽഗോരിതം ഔട്ട്പുട്ടല്ല.
  • ധാർമ്മികവും നിയന്ത്രണപരവുമായ വിധി: നിയമങ്ങൾ അവ്യക്തമോ, ഓഹരി ഉടമകളുടെ താൽപ്പര്യ വൈരുദ്ധ്യമോ, നവീനമായ സാഹചര്യങ്ങളോ ഉള്ള നാവിഗേറ്റിംഗ് സാഹചര്യങ്ങൾക്ക് ധാർമ്മിക യുക്തി ആവശ്യമാണ്.
  • ക്രിയേറ്റീവ് സിന്തസിസ്: വ്യത്യസ്ത ഡൊമെയ്‌നുകളിൽ നിന്നുള്ള സ്ഥിതിവിവരക്കണക്കുകൾ സംയോജിപ്പിക്കുന്നു - ഉപഭോക്തൃ പെരുമാറ്റത്തിലെ ഒരു പ്രവണത ഒരു വിതരണ ശൃംഖലയുടെ ദുർബലത ഉയർന്നുവരുന്ന നിയന്ത്രണവുമായി ബന്ധിപ്പിക്കുന്നത് കാണുമ്പോൾ - പാറ്റേൺ തിരിച്ചറിയലിനേക്കാൾ വിശ്വസനീയമായി AI കൈകാര്യം ചെയ്യുന്ന തരത്തിലുള്ള അസ്സോസിയേറ്റീവ് ചിന്ത ആവശ്യമാണ്.
  • സ്‌റ്റേക്ക്‌ഹോൾഡർ കമ്മ്യൂണിക്കേഷൻ: സങ്കീർണ്ണമായ വിശകലനത്തെ പ്രവർത്തനത്തെ പ്രേരിപ്പിക്കുന്ന വിവരണങ്ങളിലേക്ക് വിവർത്തനം ചെയ്യുക - ഒരു ബോർഡിനെ ബോധ്യപ്പെടുത്തുക, ഉത്കണ്ഠയുള്ള ക്ലയൻ്റിനെ ശാന്തമാക്കുക, ഒരു ടീമിനെ പ്രചോദിപ്പിക്കുക - അടിസ്ഥാനപരമായി മനുഷ്യ ആശയവിനിമയ വെല്ലുവിളിയാണ്.
  • യഥാർത്ഥ പുതുമ കൈകാര്യം ചെയ്യുക: ചരിത്രപരമായ ഒരു മാതൃകയും ഇല്ലാതെ സാഹചര്യങ്ങൾ ഉണ്ടാകുമ്പോൾ (ആഗോള പാൻഡെമിക്, ഒരു ജിയോപൊളിറ്റിക്കൽ ആഘാതം, മാതൃക മാറ്റുന്ന സാങ്കേതികവിദ്യ), മനുഷ്യൻ്റെ പൊരുത്തപ്പെടുത്തലും സർഗ്ഗാത്മകതയും അനുബന്ധമായതിനേക്കാൾ അത്യന്താപേക്ഷിതമാണ്.

ഈ യാഥാർത്ഥ്യവുമായി ഇതിനകം പൊരുത്തപ്പെട്ട ഫണ്ട് മാനേജർമാർ സ്റ്റോക്ക് തിരഞ്ഞെടുക്കൽ വേഗതയിലോ ഡാറ്റാ പ്രോസസ്സിംഗ് വോളിയത്തിലോ അൽഗോരിതങ്ങളുമായി മത്സരിക്കാൻ ശ്രമിക്കുന്നില്ല. അവർ പോർട്ട്ഫോളിയോ ആർക്കിടെക്റ്റുകൾ, ക്ലയൻ്റ് റിലേഷൻഷിപ്പ് മാനേജർമാർ, സങ്കീർണ്ണമായ റിസ്ക് ചട്ടക്കൂടുകളുടെ കാര്യനിർവാഹകർ എന്നിങ്ങനെ സ്വയം സ്ഥാനമുറപ്പിക്കുന്നു - പാറ്റേൺ-മാച്ചിംഗ് കഴിവ് മാത്രമല്ല, മനുഷ്യ സാന്നിധ്യവും ഉത്തരവാദിത്തവും ആവശ്യമായ റോളുകൾ.

മുന്നോട്ട് നോക്കുന്ന ഓർഗനൈസേഷനുകൾ എങ്ങനെ പ്രതികരിക്കുന്നു

AI തടസ്സപ്പെടുത്തലിനുള്ള ഏറ്റവും മികച്ച പ്രതികരണം നിഷേധമോ പരിഭ്രാന്തിയോ അല്ല - ഇത് സംയോജനമാണ്. അടുത്ത ദശകത്തിൽ മികച്ച പ്രകടനം കാഴ്ചവെക്കുന്ന ഓർഗനൈസേഷനുകൾ, കുറഞ്ഞ മൂല്യമുള്ള പാറ്റേൺ-മാച്ചിംഗ് ജോലികൾ ഇല്ലാതാക്കാൻ AI ഉപയോഗിക്കുന്നവയാണ്, അതേസമയം ഓട്ടോമേറ്റ് ചെയ്യാൻ ശരിക്കും ബുദ്ധിമുട്ടുള്ള പ്രവർത്തനങ്ങളിലേക്ക് മനുഷ്യ കഴിവുകളെ പുനർവിന്യസിക്കുന്നു.

പ്രായോഗികമായി, ഇതിനർത്ഥം മനുഷ്യർക്ക് സ്വയം ഡാറ്റാ സയൻ്റിസ്റ്റുകളാകേണ്ട ആവശ്യമില്ലാതെ തന്നെ AI- ജനറേറ്റഡ് ഇൻ്റലിജൻസ് ആക്സസ് നൽകുന്ന പ്രവർത്തന അടിസ്ഥാന സൗകര്യങ്ങൾ നിർമ്മിക്കുക എന്നാണ്. അഞ്ച് വ്യത്യസ്ത പ്ലാറ്റ്‌ഫോമുകൾക്കിടയിൽ ടോഗിൾ ചെയ്യാതെ CRM പ്രവർത്തനത്തിനൊപ്പം AI- നയിക്കുന്ന ലീഡ് സ്‌കോറിംഗ് കാണാൻ ഒരു സെയിൽസ് ലീഡറിന് കഴിയണം. ഒരു എച്ച്ആർ ഡയറക്ടർക്ക് ഡാഷ്‌ബോർഡുകൾ സ്വമേധയാ നിർമ്മിക്കാതെ തന്നെ വർക്ക്ഫോഴ്‌സ് ഡാറ്റയിൽ നിന്ന് റിസ്‌ക് റിസ്‌ക് സിഗ്നലുകൾ നൽകാനാകും. ഒരു സമർപ്പിത അനലിസ്റ്റ് ടീമില്ലാതെ പണമൊഴുക്ക് സംബന്ധിച്ച സാഹചര്യ പ്രവചനങ്ങൾ പ്രവർത്തിപ്പിക്കാൻ ഒരു സാമ്പത്തിക ഓപ്പറേറ്റർക്ക് കഴിയണം.

സിആർഎം, ഇൻവോയ്സിംഗ്, എച്ച്ആർ, പേറോൾ, അനലിറ്റിക്‌സ്, ഫ്ലീറ്റ് മാനേജ്‌മെൻ്റ് എന്നിവയും അതിലേറെയും - 200-ലധികം ബിസിനസ് മാനേജ്‌മെൻ്റ് മൊഡ്യൂളുകളെ ഏകീകരിക്കുന്ന Mewayz പോലുള്ള പ്ലാറ്റ്‌ഫോമുകളുടെ പിന്നിലെ തത്വശാസ്ത്രം ഇതാണ്. AI- നയിക്കുന്ന സ്ഥിതിവിവരക്കണക്കുകൾ ഒരു പ്രത്യേക ഉപകരണത്തിൽ നിർവ്വഹിക്കുന്നതിനുപകരം, തീരുമാനങ്ങൾ നടപ്പിലാക്കുന്ന അതേ പ്ലാറ്റ്‌ഫോമിൽ നിലനിൽക്കുമ്പോൾ, ബുദ്ധിയും പ്രവർത്തനവും തമ്മിലുള്ള ഫീഡ്‌ബാക്ക് ലൂപ്പ് നാടകീയമായി മുറുകുന്നു. ആഗോളതലത്തിൽ Mewayz ഉപയോഗിക്കുന്ന 138,000 ബിസിനസുകൾക്ക്, ആ സംയോജനം ഒരു ഭാവി അഭിലാഷമല്ല; അതൊരു നിലവിലെ പ്രവർത്തന യാഥാർത്ഥ്യമാണ്.

കാത്തിരിപ്പിൻ്റെ വില: അഞ്ച് വർഷത്തിനുള്ളിൽ നിഷ്‌ക്രിയത്വം എങ്ങനെയിരിക്കും

എഐ തടസ്സം സാവധാനത്തിൽ നീങ്ങുന്ന വേലിയേറ്റമായി കണക്കാക്കുന്ന പ്രവണത സ്ഥാപിത വ്യവസായങ്ങളിലുണ്ട് - സാധാരണ പോലെ ബിസിനസ്സ് തുടരുമ്പോൾ സൗകര്യപ്രദമായ അകലത്തിൽ നിരീക്ഷിക്കേണ്ട ഒന്ന്. ഹാർവാർഡ് ഫണ്ട് മാനേജ്‌മെൻ്റ് പഠനം, നിലവിലുള്ളവർ പ്രതീക്ഷിക്കുന്നതിലും വേഗത്തിൽ വേലിയേറ്റം നീങ്ങുമെന്ന ഓർമ്മപ്പെടുത്തലാണ്. മ്യൂച്വൽ ഫണ്ട് വ്യവസായം വർഷങ്ങളോളം നിഷ്ക്രിയ സൂചിക ഫണ്ടുകളെ പരിഷ്കൃതമല്ലാത്ത നിക്ഷേപകർക്ക് ഒരു പ്രധാന ഉൽപ്പന്നമായി നിരസിച്ചു. 2023-ഓടെ, ചരിത്രത്തിലാദ്യമായി യുണൈറ്റഡ് സ്റ്റേറ്റ്സിൽ മാനേജ്മെൻ്റിന് കീഴിലുള്ള മൊത്തം ആസ്തികളിൽ നിഷ്ക്രിയ ഫണ്ടുകൾ സജീവ ഫണ്ടുകളെ മറികടന്നു.

AI തടസ്സം മൂലം ഏറ്റവും കൂടുതൽ അപകടസാധ്യതയുള്ള ബിസിനസ്സുകളും പ്രൊഫഷണലുകളും വ്യക്തമായും സാങ്കേതിക മേഖലകളിൽ ഉള്ളവരല്ല - വിവരങ്ങളിലേക്കുള്ള എക്സ്ക്ലൂസീവ് ആക്‌സസ് അല്ലെങ്കിൽ എതിരാളികളേക്കാൾ വേഗത്തിൽ ഡാറ്റ പ്രോസസ്സ് ചെയ്യാനും വ്യാഖ്യാനിക്കാനുമുള്ള കഴിവിൽ അവരുടെ മത്സര സ്ഥാനം കെട്ടിപ്പടുത്തവരാണ്. AI ചിത്രത്തിൽ പ്രവേശിക്കുമ്പോൾ ഈ രണ്ട് ഗുണങ്ങളും പെട്ടെന്ന് ഇല്ലാതാകുന്നു. AI-ക്ക് പൊതു ഡാറ്റ സ്കെയിലിൽ സമന്വയിപ്പിക്കാൻ കഴിയുമ്പോൾ എക്സ്ക്ലൂസീവ് ഇൻഫർമേഷൻ നേട്ടം അപ്രത്യക്ഷമാകുന്നു. മുമ്പ് ആഴ്‌ചകൾ എടുത്തിരുന്ന നിമിഷങ്ങൾക്കുള്ളിൽ AI-ന് വിശകലനം പ്രവർത്തിപ്പിക്കാൻ കഴിയുമ്പോൾ പ്രോസസ്സിംഗ് നേട്ടം അപ്രത്യക്ഷമാകുന്നു.

ഒഴിവാക്കാത്തത് - യഥാർത്ഥത്തിൽ കൂടുതൽ മൂല്യവത്തായത് - മെച്ചപ്പെട്ട ചോദ്യങ്ങൾ ചോദിക്കാനും ആധികാരിക ബന്ധങ്ങൾ കെട്ടിപ്പടുക്കാനും ഘർഷണം കൂടാതെ നിർവ്വഹണത്തിലേക്കുള്ള ഉൾക്കാഴ്ച വിവർത്തനം ചെയ്യുന്ന സംയോജിത സംവിധാനങ്ങൾക്കുള്ളിൽ പ്രവർത്തിക്കാനുമുള്ള കഴിവാണ്. ഇന്ന് അത്തരത്തിലുള്ള അടിസ്ഥാന സൗകര്യങ്ങളിൽ നിക്ഷേപം നടത്തുന്ന ഓർഗനൈസേഷനുകൾ AI തടസ്സത്തിന് തയ്യാറെടുക്കുന്നില്ല. അടുത്ത തലമുറയ്ക്കായി ബിസിനസ്സ് പ്രകടനം നിർവചിക്കുന്ന പ്രവർത്തന മാതൃകയാണ് അവർ നിർമ്മിക്കുന്നത്.

വാൾ സ്ട്രീറ്റിൻ്റെ AI റെക്കണിംഗിൽ നിന്നുള്ള യഥാർത്ഥ പാഠം

ഫണ്ട് മാനേജർമാരെ മാറ്റിസ്ഥാപിക്കുന്ന റോബോട്ടുകളെക്കുറിച്ചുള്ള പ്രധാനവാർത്തകൾ ഹാർവാർഡ് പഠനം സൃഷ്ടിക്കും, ആ തലക്കെട്ടുകൾ മിക്കവാറും പോയിൻ്റ് നഷ്ടപ്പെടുത്തും. ഏറ്റവും പ്രധാനപ്പെട്ട കണ്ടെത്തൽ AI-യ്ക്ക് വിദഗ്ദ്ധ തീരുമാനങ്ങൾ ആവർത്തിക്കാൻ കഴിയുമെന്നല്ല - വിദഗ്ദ്ധ തീരുമാനങ്ങളിലെ ഏറ്റവും ചെലവേറിയ കാര്യം ഒരു യന്ത്രത്തിന് വിലകുറഞ്ഞ രീതിയിൽ കൈകാര്യം ചെയ്യാൻ കഴിയുന്ന ഭാഗങ്ങളായി മാറി എന്നതാണ്. ആ തിരിച്ചറിവ് ധനകാര്യം മാത്രമല്ല, എല്ലാ വ്യവസായത്തിലും ഉടനീളം വൈദഗ്ധ്യത്തിൻ്റെ സാമ്പത്തികശാസ്ത്രത്തെ മാറ്റുന്നു.

ഈ യാഥാർത്ഥ്യത്തെ തളർത്താതെ അംഗീകരിക്കുന്നവരാണ് അഭിവൃദ്ധി പ്രാപിക്കുന്ന പ്രൊഫഷണലുകളും സംഘടനകളും. പാറ്റേൺ തിരിച്ചറിയൽ, ഡാറ്റാ സമന്വയം, പതിവ് പ്രവചനം എന്നിവ കൈകാര്യം ചെയ്യുന്ന എഞ്ചിനായി AI സ്വീകരിക്കുമ്പോൾ അവർ യഥാർത്ഥ മാനുഷിക ഘടകങ്ങളായ വിശ്വാസം, സർഗ്ഗാത്മകത, നൈതിക വിധി, റിലേഷൻഷിപ്പ് ഇൻ്റലിജൻസ് എന്നിവയ്ക്ക് ചുറ്റും അവരുടെ റോളുകൾ പുനർരൂപകൽപ്പന ചെയ്യും. നിലവിലുള്ള വർക്ക്ഫ്ലോകളിലേക്കുള്ള ഒരു ആഡ്-ഓൺ ആയി കണക്കാക്കുന്നതിനുപകരം, AI- ജനറേറ്റഡ് ഇൻ്റലിജൻസ് ഉടനടി പ്രവർത്തനക്ഷമമാക്കുന്ന സംയോജിത പ്രവർത്തന പ്ലാറ്റ്‌ഫോമുകളിൽ അവർ നിക്ഷേപിക്കും.

വരാനിരിക്കുന്ന ദശകത്തെ അതിജീവിക്കുന്ന മ്യൂച്വൽ ഫണ്ട് മാനേജർമാർ അൽഗോരിതം അവഗണിക്കുന്നവരായിരിക്കില്ല. അവർ അതിനോട് ചേർന്ന് പ്രവർത്തിക്കാൻ പഠിക്കുന്നവരായിരിക്കും - പ്രവചനാതീതമായ 71% കൈകാര്യം ചെയ്യാൻ AI ഉപയോഗിക്കുന്നു, അതിനാൽ അവർക്ക് പ്രവചനാതീതമായ 29% ൽ പൂർണ്ണമായും ശ്രദ്ധ കേന്ദ്രീകരിക്കാൻ കഴിയും, അവിടെ മനുഷ്യൻ്റെ വിധി ഇപ്പോഴും എല്ലാ മാറ്റങ്ങളും വരുത്തുന്നു. ഇപ്പോൾ AI പരിവർത്തനം നാവിഗേറ്റ് ചെയ്യുന്ന എല്ലാ ബിസിനസ്സ് നേതാവിനും ഇതേ ഗണിതശാസ്ത്രം ബാധകമാണ്. പൊരുത്തപ്പെടുമോ എന്നതല്ല ചോദ്യം. നിങ്ങൾക്ക് എത്ര വേഗത്തിൽ ആരംഭിക്കാനാകും എന്നതാണ് ചോദ്യം.

പതിവ് ചോദിക്കുന്ന ചോദ്യങ്ങൾ

പരിചയസമ്പന്നരായ ഹ്യൂമൻ മാനേജർമാരേക്കാൾ മികച്ച മ്യൂച്വൽ ഫണ്ട് ട്രേഡുകൾ AI-ക്ക് പ്രവചിക്കാൻ കഴിയുമോ?

ഹാർവാർഡ് ബിസിനസ് സ്കൂൾ പഠനമനുസരിച്ച്, AI മോഡലുകൾക്ക് ശ്രദ്ധേയമായ കൃത്യതയോടെ മ്യൂച്വൽ ഫണ്ട് ട്രേഡുകളുടെ ഏകദേശം 71% പ്രവചിക്കാൻ കഴിയും. ഈ സംവിധാനങ്ങൾ ബൃഹത്തായ ഡാറ്റാസെറ്റുകൾ വിശകലനം ചെയ്യുന്നു - ബാലൻസ് ഷീറ്റുകൾ, വരുമാന കോളുകൾ, മാക്രോ ഇക്കണോമിക് സിഗ്നലുകൾ - ഏതൊരു ഹ്യൂമൻ അനലിസ്റ്റിനെക്കാളും വളരെ വേഗത്തിൽ. എല്ലാ മാർക്കറ്റ് അവസ്ഥയിലും അത് മികച്ച വരുമാനം ഉറപ്പുനൽകുന്നില്ലെങ്കിലും, പാറ്റേൺ തിരിച്ചറിയലിലും തീരുമാനത്തിൻ്റെ സ്ഥിരതയിലും പരമ്പരാഗത ഫണ്ട് മാനേജ്‌മെൻ്റിനെക്കാൾ AI അളക്കാവുന്നതും ഘടനാപരവുമായ ഒരു മുൻതൂക്കമുണ്ടെന്ന് ഇത് ശക്തമായി നിർദ്ദേശിക്കുന്നു.

സജീവമായി കൈകാര്യം ചെയ്യുന്ന ഫണ്ടുകളിലേക്ക് പണം നിക്ഷേപിക്കുന്ന ദൈനംദിന നിക്ഷേപകർക്ക് ഇത് എന്താണ് അർത്ഥമാക്കുന്നത്?

ആക്റ്റീവ് ഫണ്ട് മാനേജർമാർ ഈടാക്കുന്ന പ്രീമിയം ഫീസ് ന്യായമാണോ എന്നതിനെ കുറിച്ച് ഇത് ഗുരുതരമായ ചോദ്യങ്ങൾ ഉയർത്തുന്നു. AI-ക്ക് അവരുടെ തന്ത്രങ്ങൾ ആവർത്തിക്കാനും മികച്ച പ്രകടനം കാഴ്ചവെക്കാനും കഴിയുമെങ്കിൽ, നിക്ഷേപകർക്ക് അൽഗോരിതം പ്രവർത്തിക്കുന്നതോ നിഷ്ക്രിയമായതോ ആയ വാഹനങ്ങൾ മികച്ച രീതിയിൽ സേവിച്ചേക്കാം. ഈ ഷിഫ്റ്റ് നിങ്ങളുടെ സ്വന്തം മൂലധനം കൂടുതൽ ഫലപ്രദമായി കൈകാര്യം ചെയ്യുന്നതിന് സ്മാർട്ട് ബിസിനസ്സും സാമ്പത്തിക ഉപകരണങ്ങളും ഉപയോഗിക്കേണ്ടതിൻ്റെ പ്രാധാന്യവും അടിവരയിടുന്നു.

ചെറുകിട ബിസിനസ്സ് ഉടമകൾക്കും സംരംഭകർക്കും എങ്ങനെ മികച്ച സാമ്പത്തിക തീരുമാനങ്ങൾ എടുക്കാൻ AI ഉപയോഗിക്കാനാകും?

Mwayz പോലുള്ള പ്ലാറ്റ്‌ഫോമുകൾ - app.mewayz.com-ൽ പ്രതിമാസം $19-ന് ലഭ്യമായ 207-മൊഡ്യൂൾ ബിസിനസ് ഓപ്പറേറ്റിംഗ് സിസ്റ്റം - ഒരുകാലത്ത് വലിയ സംരംഭങ്ങൾക്ക് മാത്രമായിരുന്ന AI- പവർ ടൂളുകളിലേക്ക് സംരംഭകർക്ക് പ്രവേശനം നൽകുന്നു. ചെലവേറിയ ഉപദേഷ്ടാക്കൾക്ക് സാമ്പത്തിക വിധി ഔട്ട്സോഴ്സ് ചെയ്യുന്നതിനുപകരം, ബിസിനസ്സ് ഉടമകൾക്ക് സംയോജിത അനലിറ്റിക്സ് ഉപയോഗിച്ച് പണമൊഴുക്ക്, മോഡൽ സാഹചര്യങ്ങൾ എന്നിവ നിരീക്ഷിക്കാനും അതേ ചിട്ടയായ കണിശതയോടെ ഡാറ്റാ പിന്തുണയുള്ള തീരുമാനങ്ങൾ എടുക്കാനും കഴിയും.

സാമ്പത്തിക വിപണികളിൽ നിലവിൽ AI-ന് ചെയ്യാൻ കഴിയുന്ന കാര്യങ്ങൾക്ക് പരിമിതികൾ ഉണ്ടോ?

അതെ. ചരിത്രപരമായ പാറ്റേണുകൾ തിരിച്ചറിയുന്നതിലും ഘടനാപരമായ ഡാറ്റ പ്രോസസ്സ് ചെയ്യുന്നതിലും AI മികവ് പുലർത്തുന്നു, എന്നാൽ അഭൂതപൂർവമായ ബ്ലാക്ക് സ്വാൻ സംഭവങ്ങൾ, ജിയോപൊളിറ്റിക്കൽ ആഘാതങ്ങൾ അല്ലെങ്കിൽ അതിൻ്റെ പരിശീലന ഡാറ്റയ്ക്ക് പുറത്തുള്ള മനുഷ്യ മനഃശാസ്ത്രത്താൽ നയിക്കപ്പെടുന്ന ഷിഫ്റ്റുകൾ എന്നിവയുമായി ഇതിന് പോരാടാനാകും. അങ്ങേയറ്റത്തെ വിപണി സ്ഥാനഭ്രംശങ്ങളിൽ മനുഷ്യ മാനേജർമാർ ഇപ്പോഴും സാന്ദർഭിക വിധി, ധാർമ്മിക ന്യായവാദം, അഡാപ്റ്റീവ് ചിന്ത എന്നിവ കൊണ്ടുവരുന്നു. ഏറ്റവും സാധ്യതയുള്ള സമീപകാല ഫലം ഒരു ഹൈബ്രിഡ് മോഡലാണ്, അവിടെ AI വിശകലനം കൈകാര്യം ചെയ്യുന്നു, അതേസമയം ഉയർന്ന തീരുമാനങ്ങളുടെ മേൽനോട്ടം മനുഷ്യർ നിലനിർത്തുന്നു.