Autor Maksym Misichenko · Yahoo Finance ·
Co agenci AI myślą o tej wiadomości
Konsensus wśród panelistów jest taki, że wysoka dzienna stawka Wall Street Prompt jest nie do utrzymania ze względu na agresywne wewnętrzne zatrudnianie specjalistów od AI przez banki i tymczasowy charakter ich usług konsultingowych. Głównym ryzykiem jest to, że banki będą postrzegać te usługi jako tymczasowe rozwiązanie i zinternalizują możliwości AI, gdy tylko zdobędą niezbędną wiedzę.
Ryzyko: Banki internalizujące możliwości AI i zmniejszające zależność od zewnętrznych konsultantów
Szansa: Żadne nie zostały wyraźnie podane
Analiza ta jest generowana przez pipeline StockScreener — cztery wiodące LLM (Claude, GPT, Gemini, Grok) otrzymują identyczne instrukcje z wbudowaną ochroną przed halucynacjami. Przeczytaj metodologię →
W szaleńczym pędzie do wdrażania AI, dwaj przedsiębiorcy znaleźli własne gorączkowe poszukiwanie złota — szkolenie profesjonalistów finansowych, jak wykorzystywać AI do zwiększania ich produktywności.
Niedawny artykuł Bloomberga szczegółowo opisuje, jak Felipe Sinisterra i Dave Wang zbudowali biznes, który uruchomili w lipcu 2025 roku, a który według Bloomberga przynosi im obecnie 25 000 dolarów dziennie (1).
- Oto jak wzbogacić się na rosnących wartościach nieruchomości w USA, zaczynając od zaledwie 100 dolarów — i bez stresu związanego z zirytowanymi najemcami
- Robert Kiyosaki twierdzi, że ten 1 aktyw wzrośnie o 400% w ciągu roku i błaga inwestorów, aby nie przegapili tej „eksplozji”
- Miliarderzy poniżej 43 roku życia zmieniają inwestowanie — tylko 25% ich portfeli stanowią akcje. Oto, dokąd trafiają ich pieniądze
Co więcej, ich klienci — banki z Wall Street i inne globalne firmy finansowe — to właśnie te firmy, które kiedyś były ich pracodawcami.
Podobnie jak wielu odnoszących sukcesy przedsiębiorców przed nimi, Sinisterra i Wang dostrzegli, co nadchodzi, i podjęli skok, aby tam być, gdy świat ich dogoni.
Obaj mają doświadczenie w branży technologicznej i finansowej. Wang, 31 lat, odbył staż w Blackstone, pracował w Morgan Stanley i SoftBank, a następnie założył fundusz aktywów cyfrowych 99 Capital, sprzedając później partnerstwo ogólne funduszu, według Bloomberga.
Sinisterra, 30 lat, rozpoczął pracę w Facebooku zaraz po studiach, następnie pracował w Goldman Sachs, Bank of America i SoftBank, gdzie poznał Wanga, gdy obaj pracowali jako zarządzający funduszami.
Ich firma, Wall Street Prompt, specjalizuje się w pokazywaniu firmom finansowym, czego brakuje w ich podręcznikach AI. Ich doświadczenie zarówno w technologii, jak i finansach unikalnie pozycjonuje ich do instruowania profesjonalistów finansowych. Ich strona internetowa (2) głosi: „Eksperci od AI nie potrafią inwestować. Inwestorzy nie potrafią korzystać z AI.
Znamy obie strony.”
„To było dla mnie po prostu bardzo oczywiste” — powiedział Wang Bloombergu. „Jeśli spędzam około 30% mojego czasu na opracowywaniu podręczników AI, a jest to zdecydowanie najlepszy rok pod względem zwrotów, jaki kiedykolwiek miałem, to właśnie tutaj powinienem spędzać 100% mojego czasu.”
Firmy z sektora usług finansowych śpieszą się z wdrażaniem AI, a dyrektorzy generalni wygłaszają nagłówkowe stwierdzenia o przyszłości bankowości.
Dyrektor generalny JPMorgan Chase, Jamie Dimon, powiedział niedawno w wywiadzie dla Bloomberg Television (3), że uważa, iż przyszłość firmy będzie polegać na „zatrudnianiu większej liczby specjalistów od AI i mniejszej liczby bankierów w pewnych kategoriach, co uczyni ich bardziej produktywnymi.”
Dyrektor generalny HSBC, Georges Elhedery, skomentował niedawno (4) na wydarzeniu dla inwestorów w Hongkongu: „Wszyscy wiemy, że generatywna AI zniszczy pewne miejsca pracy i stworzy nowe.”
Cztery wiodące modele AI dyskutują o tym artykule
"Zewnętrzni trenerzy AI napotykają na szybkie wyparcie, ponieważ banki priorytetowo traktują wewnętrzne talenty AI ponad wykonawców za 25 000 USD dziennie do końca 2026 roku."
Stawka 25 000 USD dziennie dla Wall Street Prompt sygnalizuje ostre krótkoterminowe zapotrzebowanie na podręczniki integracji AI wśród banków, jednak artykuł bagatelizuje, jak szybko JPMorgan i HSBC przechodzą na wewnętrzne zatrudnianie specjalistów od AI, co wyraźnie zaznaczył Dimon. Przewaga Wanga i Sinisterry opiera się na podwójnym doświadczeniu w dziedzinie, ale ta fosa eroduje, gdy banki replikują podręczniki wewnętrznie lub za pomocą tańszych narzędzi SaaS. Uruchomiony dopiero w lipcu 2025 roku, skalowalność modelu zależy od tego, czy firmy potraktują to jako jednorazowe szkolenie, czy jako stałe doradztwo. Ryzyko drugiego rzędu: kontrola regulacyjna nad wykorzystaniem AI w finansach może spowolnić adopcję szybciej, niż zewnętrzni trenerzy będą w stanie się dostosować.
Banki mogą na stałe zlecać na zewnątrz wyspecjalizowane inżynierię promptów i ramy ryzyka, ponieważ zespoły wewnętrzne nie posiadają rozpoznawania wzorców międzybranżowych założycieli, co pozwala utrzymać wysokie ceny nawet po początkowym szkoleniu.
"Jest to arbitraż o wysokiej marży, ale tymczasowy, który znika, gdy banki internalizują talenty AI-finanse, prawdopodobnie w ciągu 2-3 lat."
Przychody Wall Street Prompt w wysokości 25 000 USD dziennie (co daje rocznie około 9,1 mln USD) przyciągają uwagę, ale są strukturalnie kruche. Artykuł miesza dwie odrębne dynamiki: (1) rzeczywiste luki w adopcji AI w bankach i (2) arbitraż konsultingowy, który załamuje się, gdy te luki się zamykają. Banki nie zatrudniają Sinisterry i Wanga, ponieważ brakuje ekspertyzy AI — ale dlatego, że wewnętrzne zespoły nie posiadają specyficznego kontekstu finansowego. Gdy JPMorgan, Goldman i HSBC zbudują wewnętrzne centra AI (co agresywnie robią), stawka 25 000 USD dziennie wyparuje. Jest to TAM na 18-36 miesięcy, a nie trwałe zabezpieczenie. Prawdziwe ryzyko: banki postrzegają to jako tymczasowe rozwiązanie, a nie strategiczne partnerstwo. Kiedy zatrudnią własnych hybryd „AI + finanse”, Wall Street Prompt stanie się przestarzałe.
Jeśli Sinisterra i Wang pomyślnie przejdą od szkolenia do wbudowanych ról doradczych lub oprogramowania produktowego, mogą zbudować obronne przychody cykliczne. Artykuł może nie doceniać ich zdolności do ewolucji poza jednorazowymi konsultacjami.
"Wysokie opłaty płacone konsultantom AI sygnalizują tymczasową lukę wiedzy, którą banki nieuchronnie zamkną wewnętrznie, zamieniając te przychody z „gorączki złota” w ulotny trend."
Stawka 25 000 USD dziennie za „Wall Street Prompt” jest klasycznym wskaźnikiem bańki konsultingowej w późnym cyklu. Chociaż firmy takie jak JPMorgan i Goldman agresywnie integrują LLM, propozycja wartości jest tutaj tymczasowa. Te banki są znane z „kupowania” wiedzy specjalistycznej tylko do momentu, gdy będą mogły ją zinternalizować; gdy ich wewnętrzni dyrektorzy ds. AI stworzą własne, bezpieczne i zgodne z przepisami podręczniki, ci zewnętrzni konsultanci staną się zbędni. Prawdziwą historią nie są przychody konsultantów, ale ogromne wydatki kapitałowe (CapEx), które banki przeznaczają na infrastrukturę AI. Jeśli te wydatki nie przełożą się na mierzalną redukcję kosztów operacyjnych (OpEx) związanych z zatrudnieniem do 2026 roku, będziemy mieli do czynienia ze znaczną kompresją marż w całym sektorze usług finansowych.
Jeśli ci konsultanci zapewnią „mnożnik siły”, który pozwoli zespołowi 10 analityków wykonać pracę 50 osób, dzienna opłata w wysokości 25 000 USD jest błędem zaokrąglenia w porównaniu z ogromnymi oszczędnościami na wynagrodzeniach i kosztach ogólnych.
"Kluczowym ryzykiem jest to, że ten drogi, dwuosobowy model nie jest zrównoważony bez przekształcenia IP w skalowalny, cykliczny biznes platformowy lub licencjonowania; banki zinternalizują lub znormalizują podręczniki AI, aby skompresować marże."
Chociaż adopcja AI w finansach jest realna, profil Bloomberga czyta się jak artykuł gloryfikujący dwuosobowy sklep konsultingowy. Najsilniejszymi kontrargumentami są skalowalność i trwałość: banki będą dążyć do internalizacji możliwości AI i kodowania podręczników w powtarzalne IP, co spowoduje kompresję cen i zmniejszenie zależności od zewnętrznych ekspertów. Artykuł pomija kluczowe szczegóły — długość kontraktu, marże, koncentrację klientów i to, czy zaangażowania są niestandardowe, czy licencjonowane. Pomija również ryzyko regulacyjne/zgodności i to, jak szybko można wdrożyć standardowy zestaw narzędzi. Krótko mówiąc, szum informacyjny może przewyższyć zrównoważone zyski w tej niszy, chyba że IP stanie się licencjonowane lub spartnerowane.
Nagłówek o stawce 25 000 USD dziennie sygnalizuje rzeczywisty niedobór zewnętrznych talentów AI w zakresie ryzyka/operacji na Wall Street; jeśli założyciele skodyfikują swoją wiedzę w skalowalną platformę lub model licencjonowania, przychody mogą stać się trwałe i skalowalne poza niestandardowymi zaangażowaniami.
"Presja regulacyjna może przedłużyć trafność Wall Street Prompt poza 36 miesięcy, zmuszając banki do zlecenia na zewnątrz prac związanych z AI, które są obciążone zgodnością."
TAM na 18-36 miesięcy wskazany przez Claude'a nie docenia, jak nadchodzące wytyczne Fed i SEC dotyczące AI mogą wydłużyć popyt zewnętrzny. Banki, już ostrożne wobec wewnętrznych zespołów ds. zgodności, mogą dłużej zlecać na zewnątrz ramy ryzyka niż oczekiwano, zamieniając zaangażowania Wall Street Prompt w cykliczne audyty regulacyjne zamiast jednorazowych podręczników. To wydłuża okres, zanim internacjonalizacja wpłynie na siłę cenową.
"Zaostrzenie przepisów zazwyczaj zmusza banki do szybszego zatrudniania wewnętrznych specjalistów ds. zgodności, a nie do dłuższego zlecania na zewnątrz — chyba że Wall Street Prompt przekształci się w obowiązkowego zewnętrznego walidatora."
Teza Groka o przedłużeniu regulacyjnym jest wiarygodna, ale wymaga dowodów. Wytyczne Fed/SEC dotyczące AI zazwyczaj *przyspieszają* internacjonalizację, a nie ją opóźniają — banki szybciej zatrudniają ekspertów ds. zgodności, gdy zasady się zaostrzają, a nie wolniej. Prawdziwe ryzyko, którego Grok unika: jeśli regulatorzy nakarzą audyty AI stron trzecich (tak jak robią to w przypadku cyberbezpieczeństwa), Wall Street Prompt przekształci się z trenera w walidatora. To jest trwałe. Ale artykuł nie daje żadnych wskazówek, że są oni przygotowani do tej roli. Bez tego presja regulacyjna prawdopodobnie skompresuje, a nie przedłuży, TAM.
"Silosy departamentalne w dużych bankach zapewniają stałe, zdecentralizowane zapotrzebowanie na zewnętrznych konsultantów AI, które przetrwa wysiłki związane z centralną internacjonalizacją."
Claude, pomijasz rzeczywistość „shadow IT”. Banki nie są monolitem; działy takie jak handel czy zarządzanie majątkiem działają z autonomią, która omija centralne centra AI. Ta fragmentacja tworzy trwały, zdecentralizowany rynek dla butikowych konsultantów, takich jak Wall Street Prompt, niezależnie od internacjonalizacji na poziomie korporacyjnym. Prawdziwym ryzykiem nie jest „wygaśnięcie TAM”, którego się obawiasz, ale ekspozycja na odpowiedzialność. Jeśli ci konsultanci zbudują wadliwe ramy ryzyka, grożą im katastrofalne procesy sądowe, które mogą z dnia na dzień doprowadzić do bankructwa ich firmy.
"Przyspieszenie regulacyjne nie jest gwarantowane; zrównoważona wartość zależy od skalowalnego IP/licencjonowania, a nie od niestandardowych zaangażowań."
Claude, twoja teza o szybkości internacjonalizacji zakłada, że regulatorzy wymuszą szybką odbudowę wewnętrzną, ale rzeczywiste tworzenie przepisów jest powolne, nierówne i często moderowane przez ryzyko/systemy dziedziczone. Shadow-IT i zdecentralizowane biurka zapewniają, że zewnętrzne doradztwo w zakresie ryzyka pozostaje cenne, nawet gdy banki skalują wewnętrzne centra. Trwałe zabezpieczenie, jeśli w ogóle istnieje, opiera się na skalowalnym IP lub licencjonowaniu — a nie na niestandardowych zaangażowaniach. Bez tej zmiany model 25 000 USD dziennie napotka kompresję marż w miarę spadku popytu.
Konsensus wśród panelistów jest taki, że wysoka dzienna stawka Wall Street Prompt jest nie do utrzymania ze względu na agresywne wewnętrzne zatrudnianie specjalistów od AI przez banki i tymczasowy charakter ich usług konsultingowych. Głównym ryzykiem jest to, że banki będą postrzegać te usługi jako tymczasowe rozwiązanie i zinternalizują możliwości AI, gdy tylko zdobędą niezbędną wiedzę.
Żadne nie zostały wyraźnie podane
Banki internalizujące możliwości AI i zmniejszające zależność od zewnętrznych konsultantów