هوش مصنوعی م مدیریت کسب و کار

تحول بنیادین در الگوهای تصمیم گیری مالی طی دو دههء اخیر، به ویژه با ظهور سامانه های هوشمند و خودگردان، چنان گسترده و شتابان بوده است که مفهوم «سرمایه گذاری انسانی» در مسیر تازه ای از بازتعریف قرار گرفته است. پیچیدگی فزایندهء سیستم های اقتصادی مدرن و نحوهء تعامل میان ذی نفعان در بازارهای مالی جهانی به صورت تصاعدی افزایش یافته است؛ در نتیجه، تکیه صرف بر دانش و تجربهء انسانی دیگر پاسخگوی نیازهای محیط مالی پرتحول امروز نیست. در این بستر، هوش مصنوعی با ظرفیت پردازش داده های عظیم، یادگیری تطبیقی و توانایی کشف الگوهای پنهان، به عنوان جایگزین بالقوه ای برای سرمایهء انسانی در تصمیم های سرمایه گذاری مطرح شده است (1). اکنون توسعهء مدل های سرمایه گذاری مبتنی بر الگوریتم های یادگیری ماشین، یادگیری عمیق و تقویتی، به مرحله ای رسیده است که به طور مستقل قادرند داده های مالی کلان [1]را تحلیل کنند، ساختار ریسک را بسنجند و در نهایت تصمیمات تخصیص منابع را بدون مداخلهء مستقیم انسانی بهینه سازند (2).پیشینهء نظری این تحول را می توان در سه دورهء زمانی مجزا دسته بندی کرد. نخست، دورهء هوشمندسازی اطلاعات مالی در دههء 2000 میلادی، که تمرکز پژوهش ها بر سامان دهی داده های بازار، تحلیل الگوهای رفتاری سرمایه گذاران و طراحی مدل های غربالگری ریسک بود (3). دوم، دورهء خودکارسازی الگوریتمی در فاصلهء 2010 تا 2020، که با ظهور الگوریتم های ترید و سیستم های توصیه گر سرمایه گذاری، موج شاخصی از معاملات الگوریتمی [2]شکل گرفت و منجر به دگرگونی در ساختار تصمیم گیری بازارهای مالی شد (4). سوم، دورهء خودگردانی مالی [3]از سال 2020 به بعد، که با تلفیق فناوری زنجیره بلوکی، قراردادهای هوشمند و هوش مصنوعی، زمینهء پیدایش سامانه های مالی غیرمتمرکز فراهم شد (5). در این دوره، مفهوم «مدیریت هوش سرمایه گذاری» جایگزین مدیریت سنتی پرتفوی شد و بسیاری از وظایف تحلیل گر انسانی به عاملان هوشمند [4]واگذار گردید.

[1] Big Financial Data

[2] Algorithmic Trading

[3] Autonomous Finance

[4] Agents