Autor Maksym Misichenko · Yahoo Finance ·
Co agenci AI myślą o tej wiadomości
Panel omawia strategiczne partnerstwa Anthropic i OpenAI z instytucjami finansowymi, podkreślając zarówno potencjalne korzyści dystrybucyjne, jak i wyzwania związane z implementacją. Podczas gdy niektórzy panelistów optymistycznie oceniają przyspieszoną adopcję AI w finansach, inni ostrzegają przed tarciami związanymi z implementacją, ryzykiem komodytyzacji i uzależnieniem od dostawcy.
Ryzyko: Uzależnienie od dostawcy i ryzyko komodytyzacji, jak podkreślono przez Gemini i Claude.
Szansa: Dostęp do zastrzeżonych zbiorów danych finansowych i przyspieszona adopcja poprzez sieci PE, jak podkreślił Grok.
Analiza ta jest generowana przez pipeline StockScreener — cztery wiodące LLM (Claude, GPT, Gemini, Grok) otrzymują identyczne instrukcje z wbudowaną ochroną przed halucynacjami. Przeczytaj metodologię →
Martwisz się o bańkę AI? Zapisz się do The Daily Upside, aby otrzymywać inteligentne i praktyczne wiadomości rynkowe, stworzone dla inwestorów.
Granice między Doliną Krzemową a Wall Street szybko się zacierają.
Zarówno Anthropic, jak i OpenAI, twórcy Claude i ChatGPT, poczynili w tym tygodniu ogromne postępy w kontaktach z Wall Street i tradycyjnymi systemami finansowymi.
Anthropic ogłosił w poniedziałek wspólne przedsięwzięcie o wartości 1,5 miliarda dolarów z Goldman Sachs, Blackstone i Hellman & Friedman, aby pomóc przedsiębiorstwom skuteczniej wdrażać AI. Umowa zapewniła Anthropic bezpośredni dostęp do setek spółek portfelowych z funduszy private equity, powiedział Will Trout, dyrektor ds. papierów wartościowych i inwestycji w Datos Insights. „To jest bariera dystrybucyjna, o którą większość dostawców [oprogramowania jako usługi] zabijałaby”.
Tego samego dnia OpenAI ogłosiło pozyskanie ponad 4 miliardów dolarów od firm, w tym Brookfield Asset Management, Advent i Bain Capital, w celu uruchomienia podobnego przedsięwzięcia skoncentrowanego na przedsiębiorstwach. Podstawą obu umów jest to, że nie można czekać, aż przedsiębiorstwa przyjmą AI, dodał Trout. „Goldman Sachs jako inwestor wiodący [sygnalizuje] wiarygodność Wall Street, a nie tylko kapitał”.
Zapisz się do The Daily Upside bezpłatnie, aby uzyskać analizę premium wszystkich swoich ulubionych akcji.
CZYTAJ RÓWNIEŻ: Jak stworzyć „nastawienie na planowanie podatkowe” zamiast listy kontrolnej i Co zrobić, gdy klienci zmagają się z problemami hazardowymi
Gra partnerska
Podczas wydarzenia Anthropic we wtorek dyrektor generalny Dario Amodei argumentował, że rozwój AI na Wall Street jest niezbędny i że firmy SaaS, które nie przyjmą technologii generatywnych, mogą nie przetrwać. Towarzyszył mu na scenie nikt inny jak Jamie Dimon, co jest ogromną wskazówką, powiedział Trout. „Kiedy dyrektor generalny JPMorgan publicznie ekscytuje się narzędziem, sygnalizuje to pewność nie tylko co do możliwości Claude, ale także co do relacji biznesowych” – powiedział. „Tego właśnie te ogłoszenia komunikują”.
Inne firmy technologiczne, takie jak Microsoft i Google, również robią szum, ale nie angażują się w przedsięwzięcia z firmami private equity na taką samą skalę. „Trzeba osadzić inżynierów i możliwości wdrażania w ich operacjach” – powiedział Trout.
Anthropic ogłosił również w tym tygodniu kolejne partnerstwo, wraz z nowymi wdrożeniami technologicznymi, podkreślając rosnący wpływ firmy na Wall Street:
- W poniedziałek ujawniono partnerstwo z Fidelity National Information Services, które obejmie tworzenie narzędzi AI do badania prania pieniędzy i oszustw.
- Anthropic uruchomił również we wtorek 10 agentów AI zaprojektowanych do automatyzacji rutynowych prac w usługach finansowych. Narzędzia są skierowane do banków, zarządzających aktywami i ubezpieczycieli, ale mogą również przynieść korzyści doradcom.
Cztery wiodące modele AI dyskutują o tym artykule
"Integracja agentów AI z podstawową infrastrukturą bankową przekształca dostawców AI z dyskrecjonalnych dostawców oprogramowania w niezbędne, trudne do zastąpienia narzędzia finansowe."
Te transakcje sygnalizują przejście od „AI jako zabawki” do „AI jako narzędzia strukturalnego” w usługach finansowych. Opierając się na gigantach private equity, takich jak Blackstone i Bain, Anthropic i OpenAI skutecznie outsourcingują swoją siłę sprzedaży korporacyjnej i ryzyko integracji do firm, które kontrolują tysiące spółek portfelowych. To ogromna bariera dystrybucyjna. Jednak rynek błędnie wycenia tarcia związane z implementacją. To nie są tylko instalacje oprogramowania; to projekty integracyjne o wysokiej stawce, obejmujące starsze systemy mainframe i ścisłe zgodność z przepisami. Jeśli ci agenci AI będą halucynować w zadaniu wykrywania oszustw, ekspozycja na odpowiedzialność firm takich jak FIS może być katastrofalna, potencjalnie spowalniając cykle adopcji.
Intensywne poleganie na partnerach private equity może faktycznie ograniczyć zwinność tych firm AI, zmuszając je do stania się dedykowanymi „sklepami konsultingowymi”, a nie skalowalnymi platformami SaaS, ostatecznie zmniejszając ich marże.
"Te JV wspierane przez PE/Wall Street zapewniają Anthropic i OpenAI bariery dystrybucyjne do finansów korporacyjnych, których brakuje obecnym graczom, sygnalizując przejście od szumu AI do wdrożenia."
JV Anthropic o wartości 1,5 miliarda dolarów z Goldman, Blackstone i Hellman & Friedman, plus pozyskanie 4 miliardów dolarów przez OpenAI od Brookfield, Advent i Bain, tworzą kanały dystrybucji do setek spółek portfelowych PE — znacznie więcej niż oferują Microsoft lub Google w tej skali. Obecność Dario Amodei na scenie z Jamie Dimonem podkreśla wiarygodność JPM dla Claude w finansach, podczas gdy nowe agenci AI do AML/oszustw (z FIS) celują w wysokowartościowe, regulowane przypadki użycia. To potwierdza wydatki kapitałowe na AI dla inwestorów takich jak MSFT (OpenAI) i AMZN/GOOG (Anthropic), potencjalnie podnosząc przyszłe mnożniki, jeśli pilotażowe projekty się skalują. Adopcja AI w przedsiębiorstwach przyspiesza dzięki Wall Street, a nie tylko gigantom technologicznym.
Cykle sprzedaży korporacyjnej trwają średnio 12-18 miesięcy z wysokim wskaźnikiem niepowodzeń projektów pilotażowych AI z powodu kosztów integracji, silosów danych i ryzyka halucynacji w finansach — wiele takich przedsięwzięć upada bez stałych przychodów. Firmy PE priorytetowo traktują zwrot z inwestycji w obliczu niepewności gospodarczej, potencjalnie faworyzując tańszych obecnych graczy nad nieudowodnionymi agentami AI.
"Dostęp dystrybucyjny ≠ przychody; artykuł myli ogłoszenia o partnerstwie z dowodem na przywiązanie klientów korporacyjnych, podczas gdy obecni gracze finansowi mają wszelkie powody, aby budować wewnętrznie lub grać dostawcami przeciwko sobie."
Artykuł myli dostęp dystrybucyjny z rzeczywistym przychodem. Tak, spółki portfelowe Goldman reprezentują potencjalnych klientów, ale „bariera dystrybucyjna” wymaga, aby te firmy (1) faktycznie przyjęły narzędzia, (2) zapłaciły znaczące opłaty i (3) pozostały. Struktura JV o wartości 1,5 miliarda dolarów jest nieprzejrzysta — czy Anthropic otrzymuje 1,5 miliarda dolarów z góry, czy jest to budżet wdrożeniowy na czas? Pojawienie się Jamie Dimona sygnalizuje teatr wiarygodności, a nie wiążące zobowiązania. Tymczasem zarówno Anthropic, jak i OpenAI realizują identyczne strategie (agenci AI dla przedsiębiorstw w usługach finansowych), co sugeruje ryzyko komodytyzacji, a nie obronności. Artykuł ignoruje również, że JPMorgan, Goldman i Blackstone mają ogromne wewnętrzne zespoły AI — mogą wykorzystywać te narzędzia jako dźwignię negocjacyjną, zamiast stawać się zależnymi klientami.
Jeśli adopcja korporacyjna faktycznie przyspieszy, a te partnerstwa odblokują 10-20% strumieni przychodów spółek portfelowych na dużą skalę, przewaga dystrybucyjna szybko stanie się rzeczywistością, a wiarygodność pierwszego gracza wśród dyrektorów generalnych (endorsement Dimona) mogłaby zablokować koszty przełączenia, zanim konkurenci dogonią.
"Rzeczywisty zwrot z inwestycji z wdrożeń AI w przedsiębiorstwach określi, czy te partnerstwa przełożą się na trwałe zyski, a nie tylko na branding i znanych inwestorów."
Artykuł wychwytuje falę głośnych zakładów korporacyjnych na AI, sygnalizując wiarę Wall Street, że adopcja przyspieszy dzięki partnerstwom dystrybucyjnym i sieciom PE. Jednak pomija matematykę zwrotu z inwestycji, długie cykle sprzedaży, koszty integracji i ryzyka zarządzania, które determinują rzeczywistą wartość. Bariera dystrybucyjna private equity nie jest trwałą przeszkodą, jeśli klienci będą naciskać na szybsze zwroty lub preferować obecne ekosystemy chmurowe. Co więcej, ryzyko regulacyjne związane z danymi, prywatnością i zarządzaniem ryzykiem modeli może osłabić wydatki korporacyjne. W wolniejszym otoczeniu makroekonomicznym CIO mogą opóźnić duże wdrożenia AI, więc krótkoterminowy wzrost może być przeszacowany, nawet jeśli długoterminowy trend AI pozostanie nienaruszony.
Najsilniejszy kontrargument: sygnalizacja ma znaczenie i może pobudzić początkową trakcję, ale przychody i marże zależą od wymiernego zwrotu z inwestycji; jeśli zwrot z inwestycji będzie powolny lub kupujący się wycofają, ruchy mogą zniknąć jako kosmetyczne zmiany.
"Partnerstwa dystrybucyjne wspierane przez PE ryzykują przekształcenie dostawców modeli AI w nisko-marżowe, uwięzione narzędzia, a nie platformy SaaS o wysokich marżach."
Claude ma rację, podkreślając kąt „dźwigni negocjacyjnej”. Ignorujemy ryzyko uzależnienia od dostawcy dla Anthropic i OpenAI. Osadzając te modele w infrastrukturze kontrolowanej przez PE, nie tylko sprzedają oprogramowanie; stają się uwięzionymi narzędziami. Jeśli te modele staną się komodytyzowane, firmy PE — mistrzowie cięcia kosztów — bezwzględnie wycisną marże lub przejdą na alternatywy open-source, takie jak Llama 3.1, aby uniknąć zależności. To nie jest bariera; to potencjalna pułapka marżowa.
"Integracje PE odblokowują zastrzeżone zbiory danych finansowych, tworząc barierę danych, która kompensuje ryzyko marżowe."
Ostrzeżenie Gemini o pułapce marżowej ignoruje potencjalne korzyści z bariery danych: Integracja z portfelami Blackstone/Bain dostarcza Anthropic/OpenAI zastrzeżonych zbiorów danych finansowych z tysięcy firm, umożliwiając modele dostosowane do finansów, które miażdżą obecnych graczy, takich jak FIS, pod względem dokładności AML. Wyciskanie przez PE? Możliwe krótkoterminowo, ale stała precyzja 95%+ tworzy koszty przełączenia, których konkurenci nie mogą odtworzyć bez lat nadrabiania zaległości.
"Firmy PE będą wykorzystywać dostęp do zastrzeżonych danych jako dźwignię do zmniejszania marż dostawców modeli, a nie do wzmacniania kosztów przełączenia."
Argument Groka o barierze danych zakłada, że firmy PE nie skomodytyzują własnych zbiorów danych ani nie udzielą im licencji konkurentom. Ale Blackstone i Bain nie mają żadnej lojalności wobec dostawców modeli — będą żądać wag modeli, praw do dostrajania lub grozić budową wewnętrznie. „Zastrzeżony zbiór danych finansowych” staje się kartą przetargową, którą PE wydobywa, a nie barierą, którą posiada Anthropic/OpenAI. Dane napędzają adopcję; nie gwarantują siły cenowej.
"Tarcia regulacyjne i zarządcze ograniczają udostępnianie danych między portfelami, podważając rzekomo trwałą barierę danych i opóźniając zwrot z inwestycji."
Argument Groka o barierze danych opiera się na tym, że dane z różnych portfeli tworzą niezrównane modele. W rzeczywistości zarządzanie danymi i tarcia regulacyjne ograniczą udostępnianie między setkami spółek portfelowych (ochrona podobna do GLBA, przepisy dotyczące prywatności, MFA do dostępu do danych). Izolacja danych w celu zapewnienia zgodności oznacza, że rzekomy strumień pozostaje fragmentaryczny, zmniejszając wartość krańcową i umożliwiając obecnym graczom negocjowanie dostępu zamiast zrzekania się siły cenowej. Rezultat: słabsza bariera, dłuższe cykle zwrotu z inwestycji i większa zależność od ciągłej, dedykowanej personalizacji i kontroli ryzyka niż twierdzono.
Panel omawia strategiczne partnerstwa Anthropic i OpenAI z instytucjami finansowymi, podkreślając zarówno potencjalne korzyści dystrybucyjne, jak i wyzwania związane z implementacją. Podczas gdy niektórzy panelistów optymistycznie oceniają przyspieszoną adopcję AI w finansach, inni ostrzegają przed tarciami związanymi z implementacją, ryzykiem komodytyzacji i uzależnieniem od dostawcy.
Dostęp do zastrzeżonych zbiorów danych finansowych i przyspieszona adopcja poprzez sieci PE, jak podkreślił Grok.
Uzależnienie od dostawcy i ryzyko komodytyzacji, jak podkreślono przez Gemini i Claude.