HCLTech lanserade AI-baserad forskningsstudie för förmögenhetsförvaltning
En ny syntetisk forskningsrapport från HCLTech visar att 84 % av förmögenhetsförvaltningsföretagen inser behovet av att omstrukturera sin operativa modell för att fullt ut kunna dra nytta av AI.

HCLTech, ett globalt teknologiföretag, har släppt "Hidden In Pl(AI)n Sight", en banbrytande syntetisk forskningsrapport baserad på en undersökning av 1 066 AI-personligheter som modellerats efter beslutsfattare inom den globala förmögenhetsförvaltningsindustrin.
Forskningen indikerar att 84 % av de globala förmögenhetsförvaltningsföretagen anser att deras operativa modeller kräver en fundamental omdesign för att fullt ut förverkliga potentialen hos AI. Rapporten belyser också att medan 98 % av ledningsteam inom branschen aktivt driver en AI-agenda, utvecklar endast drygt 7 % aktivt agentbaserade AI-förmågor.
Studien identifierar tre kritiska "blinda fläckar" som hindrar förmögenhetsförvaltningsföretag från att omvandla AI-entusiasm till mätbara affärsresultat: ambitionens blinda fläck (erkännande av behov men fortsatt finansiering av AI för effektivitet), utförandets blinda fläck (teknikinvesteringar som inte matchas av investeringar i proprietär data) och strategins blinda fläck (AI-adoption följs, men dess påverkan på tillväxt mäts inte).
"Problemet för branschen är inte investeringar, utan val", säger Srinivasan Seshadri, Chief Growth Officer och Global Head of Financial Services på HCLTech. "Nästan varje förmögenhetsförvaltningsföretag spenderar pengar på AI. Färre kan säga vilka program de finansierar, hur långt AI sträcker sig in i verksamhetsmodellen, eller om de mäter resultat som är viktiga – nytt kundvärde, tillväxt och intäktsmodeller." De företag som skapar varaktig konkurrensfördel kommer att vara de som kombinerar AI med sin mest unika tillgång: decennier av proprietär kundkunskap och ekosystempartners.
Forskningen kombinerar AI:s skala, hastighet och analytiska kapacitet med djup mänsklig expertis. HCLTech betonar vikten av att kombinera AI-driven analys med mänsklig bedömning för att skala intelligens samtidigt som trovärdighet och transparens bibehålls.