Franklin Templeton, OpenAI를 활용해 투자 리서치 지원
Franklin Templeton은 Codex를 포함한 OpenAI 도구를 활용하여 투자 리서치 프로세스를 혁신하고 있습니다. 지속적인 AI 인사이트와 인간의 판단을 통합하는 '연결형 인텔리전스 레이어'를 구축하는 방식입니다. 이 접근 방식은 전통적이고 순차적인 인간 주도 분석을 넘어, 다양한 데이터 소스에서 포트폴리오 매니저를 위한 실행 가능한 인사이트를 도출합니다.
연결형 인텔리전스 레이어 구축
Franklin Templeton의 AI 구현은 모델을 데이터베이스에 연결하는 것에서 시작했지만, 모델이 데이터 포인트 간의 관계를 이해하지 못해 초기 결과는 충분하지 않았습니다. 해결책은 에이전트와 시맨틱 레이어(회사 데이터의 의미와 모든 구성 요소가 어떻게 상호 연결되는지 정의하는 구조화된 모델)를 도입하는 것이었습니다. 이 '연결형 인텔리전스 레이어'를 통해 회사는 복잡한 데이터를 도구에 통합하고 의미 있는 인사이트를 표면화할 수 있습니다.
이 통합 접근 방식은 리서치, 위험 평가, 컴플라이언스, 트레이딩 등 투자에 대한 다양한 관점을 통합하는 것을 목표로 합니다. 궁극적인 목표는 이러한 상이한 입력을 통합하고, 투자 결정을 내리는 포트폴리오 매니저에게 종합된 인사이트를 직접 제공하는 것입니다.
투자 리서치의 워크플로 혁신
역사적으로 주식 리서치 워크플로는 순차적이고 인간 주도적이었습니다. 애널리스트가 초기 주식 분석을 수행하고, 실적 발표를 검토하고, 각 사업 부문 내 경쟁사를 연구했습니다. Franklin Templeton은 이러한 모델에서 벗어나 투자 팀이 통제되고 재사용 가능한 인텔리전스 기반에 접근할 수 있는 비전으로 나아가고 있습니다. 이 기반은 신뢰할 수 있는 커넥터, 포트폴리오 및 워크플로 컨텍스트, 에이전트 기능을 결합하여 애널리스트와 포트폴리오 매니저 모두에게 실행 가능한 인사이트를 제공합니다.
이 전환은 기존 리서치 프로세스를 단순히 보강하는 것에서 투자 리서치 워크플로 전체를 적극적으로 재구상하는 것으로의 근본적인 변화를 나타냅니다.
자산 운용을 위한 AI 원칙
Franklin Templeton은 기존 사용자 선호도를 강화하는 경우가 많은 표준 AI 애플리케이션은 자산 운용에 적합하지 않다고 강조합니다. 회사는 AI 시스템이 의견의 다양성과 포괄적인 위험 분석을 우선시하도록 요구합니다.
- 다양성 보장: AI는 단일 리서치 제공업체의 잠재적 편향을 방지하기 위해 투자 팀이 다양한 리서치와 의견에 접근할 수 있도록 하여 관점이 좁아지는 경향을 방지해야 합니다.
- 위험 중심: AI는 투자 위험을 강조하도록 설계되었습니다. 타당한 투자 아이디어는 관련 위험 분석과 함께 제공되어 포트폴리오 매니저가 잠재적 하락 요인을 인지하도록 해야 합니다. 리서치 노트 내에서 투자 위험을 식별하는 것은 긍정적인 결과로 간주됩니다.
AI 도입을 위한 모범 사례
Franklin Templeton의 경험은 규제된 금융 환경에서 AI를 도입하고 확장하기 위한 몇 가지 모범 사례를 강조합니다.
- 가드레일 내 실험 장려: 리더십은 명확하게 정의된 위험 가드레일 내에서 이루어지는 경우 AI 혁신과 실험을 장려합니다. 각 이니셔티브는 역량을 강화하고 향후 결정을 알리는 기회로 간주되어야 합니다.
- 신속한 도구 배포: 회사는 새로운 기술 출시 후 실용적인 랩을 팀에 신속하게 제공하여 즉각적인 테스트와 일상 업무 통합을 가능하게 합니다.
- 이해에 초점: 구현의 목표는 팀이 사용 중인 기술의 힘과 역량을 완전히 이해하도록 하는 것입니다.
- 적절한 통제로 구축: 실험에서 프로덕션 등급 도구로의 전환에는 보안 검토, 전문가 지원, 엄격한 데이터 계약을 포함한 강력한 통제가 필요합니다.
궁극적으로 장기적인 목표는 이 연결형 인텔리전스를 모든 투자 팀이 접근할 수 있도록 하여, 애널리스트가 다양한 전문가 및 경영진과 대화하는 것과 같은 필수적인 인간의 관점이 의사 결정 과정의 중심에 남도록 하는 것입니다.