Acompanhamento dos pontos problemáticos do consultor de IA para corretoras, quais são as amarras que não podem ser evitadas?

Pergunte a IA · Como é que as políticas de supervisão limitam o desenvolvimento diferenciado dos robôs de investimento assistidos por IA?

Notícia da Cailian de 25 de Março (reporter Lin Jian) Os robôs de investimento assistidos por IA (AI投顾) tornaram-se uma opção-padrão na exploração da gestão de património nas corretoras, mas, na forma generalizada de “consultor humano + produto automatizado por IA”, as restrições de conformidade, os gargalos técnicos e os problemas de homogeneização continuam a ser questões que urgem resolver.

“Os clientes não sentem a mudança tecnológica; só se importam em saber se as ações recomendadas são melhores e se a evolução do valor da cota melhorou.” Parte dos responsáveis por negócios de robôs de investimento inteligentes nas corretoras afirmou isso de forma direta numa entrevista. Após o caso do “Pequeno Lagostim” (OpenClaw), aumentaram-se as expectativas de aceleração da indústria de robôs de investimento por IA nas corretoras. As corretoras líderes planeiam lançar, nos próximos tempos, produtos novos relacionados. No entanto, por trás do burburinho, a indústria ainda se encontra numa fase inicial de exploração de funcionalidades, e as verdadeiras quebras em escala dependem da prova das políticas de supervisão e do grau de maturidade da tecnologia.

A Cailian divulgou, no artigo “Fazer com que os robôs de investimento assistidos por IA cheguem ao último quilómetro para servir clientes? Até que ponto as corretoras já avançaram? A mais recente investigação”, as abordagens e tendências actuais das corretoras para os robôs de investimento assistidos por IA. Contudo, no processo real de avanço, ainda enfrenta inúmeras questões e desafios.

Limites, procura e lógica comercial

Ao abrir várias aplicações das corretoras, a funcionalidade dos robôs de investimento por IA é altamente semelhante: perguntas e respostas sobre dados financeiros, diagnósticos de posições padronizadas, recomendações de estratégias fixas; não se encontram pontos fortes de diferenciação. Esta homogeneização não significa falta de vontade de inovar por parte das corretoras, mas sim um resultado inevitável da actuação conjunta de múltiplos factores.

“A procura central dos investidores é, sobretudo, obter lucro: por exemplo, escolher acções de melhor qualidade, sair de perdas (recuperar a posição) e decidir o timing para comprar e vender; o cenário é vertical e a procura é única.” Um responsável do lado de gestão de património de uma corretora afirmou. Somando-se as exigências das políticas de supervisão para os serviços de consultoria de investimentos, o espaço de inovação que as corretoras podem concretizar fica amplamente comprimido. Mais importante ainda, os custos de investimento iniciais dos robôs de investimento assistidos por IA são elevados: só com pontos de compra relacionados com modelos de grande escala e a constituição de equipas, são necessários dezenas de milhões de yuan; a maioria das corretoras opta por primeiro implementar as funções básicas que consegue executar, o que agrava ainda mais a homogeneização.

A exploração das corretoras líderes também não conseguiu sair do impasse. Em algumas corretoras, o produto de robô de investimento por IA tem como núcleo ainda perguntas e respostas sobre dados financeiros, com fraca componente de recomendação de acções; além disso, existe o problema de inconsistência dos dados entre várias rondas de perguntas e respostas, o que conduz a baixa retenção de utilizadores e a um desempenho de actividade mensal mediano. Em parte das corretoras, os robôs de investimento por IA são, na essência, apenas a consultoria tradicional com “uma capa”: utilizam selecção por filtros de condições fixas para produzir conteúdos em formato-modelo, em vez de serem impulsionados verdadeiramente por um grande modelo; a vantagem reside apenas em ser mais conforme e controlável.

“Agora, há muito poucas instituições que consigam realmente criar diferenciação.” Um responsável do departamento de TI de uma corretora revelou que a maioria dos produtos ainda se mantém na fase de “mudar a capa sem mudar o núcleo”: a tecnologia de base, as fontes de dados e as estratégias de investimento são altamente convergentes, e a lógica de selecção de acções e o serviço de informações não conseguem formar uma vantagem distintiva.

O “laço apertado” do qual não se pode escapar

A conformidade é o “laço apertado” do qual as corretoras não se conseguem escapar nos robôs de investimento por IA. A supervisão actual ainda não esclareceu a abertura da aplicação de modelos de grande escala nos serviços de consultoria; todos os serviços têm de continuar a seguir as medidas de gestão de consultoria de investimentos, que exigem que a lógica possa ser desagregada em “caixa branca”. As características de “caixa negra” dos grandes modelos, porém, estão em contradição directa com esse requisito.

“Nosso processo de harmonização com o departamento de conformidade foi muitas rondas; no fim, só conseguimos tentar em âmbito restrito.” Segundo explicaram pessoas da indústria, a empresa faz a recolha e organização dos dados do agente com base em modelos de grande escala e realiza a revisão de conformidade, mas todas as recomendações do consultor têm de passar por revisão humana com registo de evidência; no acordo também é necessário escrever explicitamente o papel do “professor de consultoria”. Este modo de validação dupla “máquina + humano”, embora satisfaça os requisitos de conformidade, reduz também a eficiência do serviço e gera certa contradição com a intenção original de capacitar com IA.

Os gargalos técnicos também limitam o desenvolvimento da indústria. No que respeita à segurança dos dados, para cumprir as exigências de conformidade, as corretoras adoptam, em geral, soluções de processamento de dados totalmente local; mas o problema do poder de computação local é destacado, e após a desanonimização de dados (desensibilização), os dados perdem o seu significado prático, o que dificulta a aplicação em larga escala da computação na nuvem. As “alucinações” dos modelos tornam-se outro problema espinhoso: nos três passos-chave de identificação de intenção, extracção de dados e recuperação por vectores, os erros vão acumulando camada sobre camada. A identificação de intenção não consegue alcançar 100% de exactidão; a exactidão da extracção de dados não ultrapassa 90%; e quando a base de conhecimento é grande, a taxa de acerto na recuperação por vectores chega mesmo a ser inferior a 95%.

“Quando se faz uma consulta em tabelas, a exactidão do SQL gerado automaticamente pelo grande modelo será ainda mais baixa; esses erros acabem por afectar a experiência do cliente.” Acrescentou um responsável de TI. A prática de algumas corretoras também comprova isso: ao adoptarem directamente tecnologias de base de grandes modelos semelhantes ao ChatGPT, os dados produzidos para o mesmo problema em duas ocasiões ficam inconsistentes, afectando o nível de confiança do utilizador.

A pressão de custos faz com que as corretoras médias e pequenas desistam. Embora o custo de construção de um produto de consultoria inteligente, em si, não seja alto e se concentre sobretudo na construção inicial do agente inteligente e em pouco investimento de recursos humanos, o investimento global relacionado com modelos de grande escala é verdadeiramente “queimar dinheiro”. “Para as corretoras médias e pequenas, nem sequer há qualificação para ‘instalar Llama’; quanto mais para investimento em larga escala em robôs de investimento por IA.” Segundo fontes do sector, parte das corretoras pequenas ainda nem sequer iniciou o negócio de robôs de investimento por IA; a indústria apresenta uma divisão no padrão de implantação: planeamento abrangente por parte da liderança e foco em casos de uso mais específicos por parte das menores.

Conformidade e colaboração humano-máquina são a lógica central do desenvolvimento a longo prazo

Diante do impasse, as corretoras já começaram a explorar direcções de ruptura. No aprofundamento técnico, as corretoras estão a evoluir de uma simples “pilha de funcionalidades” para uma capacitação de ponta a ponta. Por exemplo, a Cinda Securities (中信建投) lançou um grande modelo de BeiDou, concebido para capacitar de forma específica os “professores de consultoria” a produzirem conteúdos com elevada eficiência; embora, no fim, as recomendações ainda tenham de passar por revisão humana, a eficiência do serviço melhorou significativamente. O seu primeiro produto de consultoria inteligente com agentes totalmente inteligentes, lançado no ano passado, aumentou 78% o valor patrimonial (valor da cota) face ao anterior; além disso, travou a queda das subscrições e impulsionou o retorno; a intenção de promoção por parte das agências subsidiárias aumentou de forma evidente.

A procura na ponta da consultoria também indica o rumo para a iteração tecnológica. “O que a consultoria mais precisa é que a IA consiga extrair automaticamente materiais, organizar conteúdos, gerar planos de diagnóstico personalizados e relatórios de investimento, realizando um serviço ‘com um clique’.” Segundo o responsável acima. Com base nessa procura, os robôs de investimento por IA das corretoras estão a estender-se do front-end de interacção para a capacitação no back-end de pesquisa e investimento: alimentam com a lógica de selecção de acções da consultoria e com modelos clássicos de estratégias o grande modelo, formando gradualmente uma base de modelos de especialistas.

Em geral, a indústria considera que a forma final dos robôs de investimento por IA é um circuito fechado de colaboração humano-máquina de “mil pessoas, mil rostos”: o grande modelo aprende a lógica de selecção de acções e as características comportamentais do consultor; quando o investidor apresenta necessidades, o sistema faz o pareamento com o modelo de especialista correspondente para fornecer uma solução. Mas a realização dessa forma ideal depende, no essencial, do grau de abertura da supervisão.

Neste momento, as “Medidas para a Gestão da Inteligência Artificial Generativa” não ajustaram separadamente o negócio de consultoria; continua-se a aplicar as regras de gestão de consultoria existentes. “As políticas de supervisão normalmente ficam atrás do nível de maturidade tecnológica; só depois de se descobrir falhas é que se legisla e se regula, evitando que políticas demasiado adiantadas façam a indústria parar.” Analisou um profissional da indústria. Esse estilo de supervisão dá espaço de exploração às corretoras, mas também faz com que a indústria não tenha orientações claras de desenvolvimento.

A “doppelgänger digital” (digitalização do “duplo”) tornou-se a próxima porta de ruptura que a indústria espera. Algumas corretoras já iniciaram testes internos em regime cinzento (gray scale), mas não avançaram para uma implantação em grande escala devido a problemas de conformidade. “O doppelgänger digital é uma direcção prioritária para o futuro da indústria, mas a adopção em larga escala exige a maturidade de multimodalidade, tecnologia de agentes inteligentes e computação para privacidade; além disso, são necessárias múltiplas coordenações, incluindo cobertura de custos, adaptação regulatória e validação de mercado.” Disse um profissional de TI.

“IA é sempre uma assistente do consultor de investimentos, nunca um substituto.” Vários profissionais da indústria convergiram nesse consenso: conformidade e colaboração humano-máquina são a lógica central para um desenvolvimento saudável e de longo prazo dos robôs de investimento por IA. Com o aperfeiçoamento gradual das políticas de supervisão e a iteração contínua da tecnologia, os robôs de investimento por IA das corretoras estão a procurar uma rota de ruptura a partir do impasse da homogeneização; e a concretização real do valor acabará por regressar, inevitavelmente, à essência de gerar retornos estáveis para os clientes.

(Reporter Lin Jian, Cailian)