OpenAI在9/10這天發表了ChatGPT for Financial Services。
根據官方資訊，這項服務整合了Daloopa、PitchBook、LSEG News等金融數據供應商的資料，讓OpenAI可依據使用者的request，提供更快的資料與分析結果，使ChatGPT不再只是單純的聊天機器人或是資料整理工具，反而開始重塑投資從業人員的production workflow。目前投資或財務從業人員使用的AI模式，普遍為「上傳資料/輸入問題 → 回答問題」（或是提出需求，AI協助寫code，讓使用者可以串接內部部分系統，達成半自動化功能），如果公司有訂閱企業級的AI服務，也許可以進一步串接Outlook、PPT、Excel。
但ChatGPT for Financial Services的出現，代表AI正在從「回答問題」逐步走向「嵌入整個workflow」。如果把金融工作的價值鏈拆開來，大概可以理解成Production → Analysis → Judgment → Relationship → Origination，而目前AI在Production → Analysis這一段的應用正在快速提升，這應該也是這款服務所主打的領域。因此，相關從業人員的專業價值可能會開始往後端的Judgment → Relationship → Origination，甚至是最終的Accountability移動。
根據自己的觀察，傳統investment banking職涯路徑大概是Analyst → Associate → VP → Director → MD，其中Analyst跟Associate會花相當多的時間在處理data gathering、Excel modeling、market/industry research、pitchbook等工作，而這些基本功將有越來越大的比例由 AI 協助處理。以往一個team可能會由3-5位Analyst跟Associate組成（視案件規模或是預算高低而定），但當多數production work可以由AI處理的時候，過往的career path及銀行端的人才training model也會跟著改變。
未來可能是由1-2位Analyst/Associate + AI + 有經驗的VP/Director/MD來執行案件，甚至進一步讓一位VP或Director能夠管理過去需要更大team才能完成的工作。會這麼快進入到這個階段嗎？不知道。但我認為金融機構最終一定會開始計算一個很現實的問題：完成一個transaction或analysis的total cost，到底是使用AI比較便宜，還是維持原本的人力配置比較便宜。
這裡當然不只是比較token cost與Analyst/Associate的薪資，還會包含financial data、system integration、security、compliance、human review，以及AI出錯所產生的風險。當AI-enabled workflow的total cost明顯低於傳統workflow時，屆時應該就會看到很明顯的調整，無論是在徵才條件上（例如更重視AI tools的使用能力），還是在職缺開徵的數量上。雖然ChatGPT提到ChatGPT for Financial Services目前與Morgan Stanley、Evercore等金融機構合作，但從2022年末ChatGPT上線到現在，不可否認AI進化的速度相當快，我預期未來會看到越來越多金融企業採行這類服務。
但我認為這裡真正值得思考的，可能不是「AI會不會取代Analyst/Associate」，而是「如果Analyst/Associate不再花大量時間做financial modeling、market research、pitchbook與data analysis，未來的VP/Director/MD要怎麼培養？」傳統金融業的apprenticeship model，很大程度就是透過這些基本功累積經驗。Analyst做model不只是為了把model做出來，Associate做research也不只是為了完成research，這些工作本身就是training。如果AI把這些training ground大量拿走，銀行未來可能需要重新設計人才培養與接班梯隊。也就是說，AI的影響不只是「一個工作由誰來做」，而可能是「企業需要多少人、一個manager可以管理多少工作、junior talent要如何培養，以及senior talent的價值到底是什麼」。而這個問題其實不只存在於investment banking。
Corporate內部也一樣面臨類似的情況。當AI可以進行關帳、對帳、產生報表等任務，那原本的會計人員要做什麼? 如果沒有實際做過帳，但系統或是AI哪天出錯時，會計人員有能力直接介入並調整帳務、下分錄跟編財務報表嗎? 會計師產業也一樣，但財務審計的底稿編制與資料分析交由AI執行時，會計師事務所該如培養「具有專業判斷的會計師」? 無論是投資/財務/會計，許多的專業判斷是透過一件又一件的案件或重複處理而堆疊出來的，但當底層工作由AI處理的時候，只會review的人員，如何確定累積足夠的專業判斷，甚至是風險辨識能力?
當最麻煩的financial model、data analysis、research都可以透過AI大幅加速時，我認為一般企業內部的accounting、corporate finance、treasury甚至IR的workflow勢必也會受到影響。未來個人的career path以及企業的人才培訓與接班梯隊架構，預期都會出現明顯的變化。未來的競爭力，可能不再只是experience，而是experience × AI leverage。但是，如何在AI加速跟從業人員的專業經驗累積之間，找到平衡點，是個人跟企業都需要好好思考的點。
沒有留言:
張貼留言