Belanja Riset Investasi Mandek Meski Tuntutan AI Terus Naik

Apa yang terjadi

Belanja untuk riset investasi dilaporkan mandek, meskipun manajer aset dan bank kian menuntut alat riset dan data yang didorong AI. Temuan ini dirilis oleh Substantive Research dan diberitakan oleh Finextra.

Menurut laporan tersebut, kesenjangan antara ambisi AI dan realitas anggaran semakin melebar. Lembaga keuangan ingin memanfaatkan kemampuan AI dalam proses riset, tetapi alokasi dana untuk riset investasi belum mengikuti tuntutan itu.

Mengapa ini penting

Temuan ini menunjukkan bahwa adopsi AI dalam riset investasi bergantung pada lebih dari sekadar minat. Model dan alat AI membutuhkan data yang tertata, akses yang andal, dan proses kerja yang dirancang ulang. Ketika anggaran tidak bertambah, organisasi harus memilih di mana dana dialokasikan, sehingga pertanyaan tentang prioritas menjadi sama pentingnya dengan pertanyaan tentang teknologi.

Bagi pemimpin di bidang pengalaman, transformasi digital, dan AI, kasus ini menyoroti bahwa tim riset juga memiliki "pelanggan" internal, yaitu para pengelola portofolio dan analis yang bergantung pada hasil riset. Cara tim riset bekerja dan kualitas informasi yang sampai kepada mereka akan menentukan seberapa besar nilai AI benar-benar dirasakan.

Perspektif Renascence

Sebagian besar pembaca mungkin melihat stagnasi anggaran sebagai soal keuangan. Kami melihatnya sebagai soal desain layanan: ketika ekspektasi naik lebih cepat daripada kapasitas, orang cenderung mengejar fitur baru alih-alih memperbaiki alur kerja yang sudah ada.

Investasi AI yang gagal sering kali bukan karena teknologinya lemah, melainkan karena proses di sekitarnya belum siap. Organisasi yang serius tentang pengalaman pengguna sebaiknya mulai dari pertanyaan sederhana: keputusan apa yang ingin dibantu oleh riset, dan hambatan apa yang paling sering dialami analis saat mengambil keputusan itu? Jawaban atas pertanyaan tersebut menentukan alat dan data mana yang pantas didanai lebih dulu. Dengan anggaran yang terbatas, memperkecil gesekan dalam satu alur kerja yang paling penting jauh lebih berharga daripada menambah lapisan AI di banyak tempat sekaligus.