هوش مصنوعی کیفیت داده‌های صندوق‌های پوشش ریسک را پایین آورد

به گزارش شبکه اطلاع‌رسانی طلا و ارز و به نقل از بیزینس اینسایدر، کیفیت داده‌های مالی که صندوق‌های پوشش ریسک برای تصمیم‌های سرمایه‌گذاری خود خریداری می‌کنند، در حال افت است. طبق نظرسنجی تازه مؤسسه تحقیقاتی نئودیتا، یک‌سوم از خریداران این نوع داده می‌گویند کیفیت آن در ۲ سال گذشته کاهش یافته است. بخشی از این افت به گسترش استفاده از هوش مصنوعی در تولید و پردازش داده نسبت داده می‌شود.

صندوق‌های پوشش ریسک سال‌هاست برای پیش‌بینی روند بازارها از «داده‌های جایگزین» استفاده می‌کنند؛ اطلاعاتی که برخلاف گزارش‌های رسمی بورس یا اسناد نهادهای ناظر مالی، از منابع غیرمتعارف مانند تصاویر ماهواره‌ای یا رفتار مصرف‌کنندگان جمع‌آوری می‌شود. این داده‌ها می‌تواند مزیت رقابتی مهمی برای مدیران صندوق‌ها ایجاد کند، به شرط آن‌که دقیق و قابل اتکا باشد.

موج فروشندگان تازه‌وارد

هوش مصنوعی جمع‌آوری و دسته‌بندی داده را بسیار ساده‌تر کرده و همین موضوع باعث ورود موج تازه‌ای از فروشندگان داده به این بازار شده است. یکی از سرمایه‌گذاران سهام بنیادی که داده‌های بیرونی خریداری می‌کند، می‌گوید: «داده این‌روزها بیش‌ازحد زیاد شده، اما دانشمندان داده باتجربه کم هستند. شرکت‌های تازه‌وارد فقط داده را از دل مدل‌های زبانی بزرگ عبور می‌دهند.» به بیان دیگر، حجم داده بالا رفته، اما دقت و اعتبار آن الزاماً بهبود نیافته است.

به گفته دنیل انتروپ، یکی از بنیان‌گذاران شرکت اگ‌ناولج که با خریداران و فروشندگان داده همکاری می‌کند، هوش مصنوعی به ۲ شکل بر کیفیت داده اثر گذاشته است. برخی فروشندگان از هوش مصنوعی برای تولید یا نگاشت داده‌های خود استفاده می‌کنند و برخی دیگر از آن به‌عنوان بهانه‌ای برای کاهش یا جابه‌جایی نیروهای متخصص کنترل کیفیت بهره می‌برند. هر دو رویکرد مشکل‌ساز است؛ زیرا خریداران داده برای رعایت الزامات نظارتی درباره حریم خصوصی و شفافیت اطلاعات، نیاز دارند دقیقاً بدانند یک گزارش یا مجموعه‌داده چگونه تولید شده است.

داریل اسمیت، مدیر تحقیقات نئودیتا، در این‌باره می‌گوید: «داده ممکن است وجود داشته باشد، اما مدل زبانی به‌کاررفته برای پردازش آن بی‌کیفیت باشد.» به گفته او صندوق‌های پوشش ریسک که معمولاً بودجه فناوری بزرگ‌تر و تیم‌های تخصصی‌تری دارند، ترجیح می‌دهند داده خام را با سامانه‌های داخلی خود پردازش کنند، نه با مدل هوش مصنوعی فروشنده. او این موضوع را چنین خلاصه می‌کند: «صندوق‌ها برای گردش کار روزمره خود بسیار بیش‌تر به هوش مصنوعی اعتماد می‌کنند تا برای مزیت رقابتی و استراتژی معاملاتی خود.»

هزینه پنهان پاک‌سازی داده

انتروپ می‌گوید در ماه‌های اخیر با افزایش تمرکز صنعت بر یافتن کاربردهای تازه برای هوش مصنوعی، مشکلات ابتدایی در نظم و پاکیزگی داده‌ها بیش‌تر شده است. شرکت او بخشی از فعالیتش را به «اصلاح» و پاک‌سازی خطاهای موجود در داده‌های مشتریان اختصاص داده و حجم این نوع کار به‌طور محسوسی رشد کرده است. او تأکید می‌کند: «کیفیت داده چقدر اهمیت دارد؟ برای یک صندوق پوشش ریسک، اهمیت بسیار زیادی دارد.»

با این حال، افزایش استفاده از هوش مصنوعی در فرآیند تولید داده، رشد فروش برای این دسته از فروشندگان به همراه نداشته است. یکی از خریداران داده در یک صندوق پوشش ریسک با اندازه متوسط می‌گوید تنها در صورتی از مدل زبانی رایگان فروشنده استفاده می‌کند که هزینه‌ای نداشته باشد. اسمیت نیز می‌گوید مؤسسه او افزایش محسوسی در درآمد فروشندگانی که از ابزارهای هوش مصنوعی استفاده می‌کنند، مشاهده نکرده است. به گفته یکی از مدیران صندوق‌های پوشش ریسک: «همین‌که یک سیگنال معاملاتی نادرست از کار درآید، کل مجموعه‌داده آلوده می‌شود.»