过去十年来，数字技术的广泛采用已成为工业界最强大和最具颠覆性的力量之一，推动了第四次工业革命，整个行业正在重塑，业务流程正在转型。
正如这种规模的变化经常发生的那样，那些缓慢加入的企业已经处于竞争劣势。 现在，我们已经看到，在几乎每个行业，曾经占据主导地位的现有组织都输给了更加数字化的竞争对手。 在资产管理领域，毫无疑问机构投资者也面临着同样的危险。 银行业让我们得以一窥机构投资者可能面临的情况，因为灵活的新型金融科技公司提供支付、贷款和存款等服务的移动替代方案，从而蚕食现有企业的份额。 其他大型资产管理公司，例如养老金计划和保险普通账户，如果仍然落后于数字曲线，可能会遭受干扰和业绩影响。
好消息是，对于大型投资者来说，我们仍处于这个新时代的开始阶段。 那些将数字和分析作为增强决策的必要工具的人将比那些继续依赖个人判断和不完整数据的人拥有巨大的优势。 数字技术的大规模采用已经创造了新一代投资者，他们能够更快、更好地识别和评估机会。
在本文中，我们将向投资者描述机会的性质，并解释如何开始，同时避免常见的陷阱。
数字和分析：专为投资者打造
数字技术深刻地改变了人类与彼此、物体、机器和系统之间的交互方式，并改写了人与机器之间的分工。 对于投资者来说，可以通过使用数字应用程序简化从后台到前台执行的任务。
人工智能和其他高级分析处于数字化的最前沿。 此类技术能够分析大量数据，以远远超出人类单独能力所能达到的速度和规模生成预测见解。 投资者已经在使用分析和各种数据源（例如彭博社）来支持他们的投资决策过程，但许多投资者才刚刚开始利用由人工智能支持的更先进的分析。 越来越便宜的数据和计算能力的广泛使用意味着人工智能可以使投资者比以前更快地分析更多数据。
人工智能驱动的自动化还可以帮助投资者更快、更低成本地执行重复性任务。 许多投资过程是可重复的。 例如，繁琐、冗余的分析现在可以由计算机执行，使人类能够专注于他们最擅长的事情：评估这些机器生成的见解以挑战他们的投资论点，并考虑人工智能无法捕获的特殊风险。
数字技术的成本优势随着使用次数的增加而增加。 一旦对技术进行了投资，组织就可以扩大技术的使用，而成本边际增长为零。 事实证明，培养以更高的效率产生新的投资见解的能力对于投资者在未来几年保持相关性和竞争力至关重要。
早日从战场归来
虽然现在还处于早期阶段，但有充分的证据表明数字和分析可以为投资者提供竞争优势。 早期采用者正在使用分析来支持跨多个资产类别的投资组合经理。 一些公司正在使用人工智能来分析数百个非常规数据源，以帮助他们得出一篮子表现优异的可能性更高的股票。 麦肯锡对 1,000 多名投资者进行的一项研究发现，与依赖传统方法的投资者相比，利用分析的投资者的投资资本回报率 (ROIC) 提高了 5.3%。
此外，还有来自邻近行业的证据。 英仕曼集团是一家总部位于英国的对冲基金，管理着 1540 亿美元的资产，处于利用人工智能产生回报的前沿。 它通过牛津-曼量化金融研究所 (OMI) 继续推动前沿发展，该研究所是 2007 年与牛津大学共同创立的一个研究机构。OMI 汇集了来自学术界和工业界各个学科的专家。 他们使用人工智能、机器学习和其他技术来深入了解市场并开发新的财务决策工具。 在房地产领域，利用人工智能预测街角租金，在美国等数据丰富的市场取得了更强劲的表现。 在 COVID-19 危机期间，甚至港口交通恢复也成为人工智能更适合查看所有可用数据以预测交通恢复的地点和时间的领域。
尽管取得了这些成功，但一些投资者仍回避新技术，因为他们坚信做出投资决策或提高私募股权投资的价值更像是艺术而不是科学。 还有一些人可能担心人工智能对他们的工作和薪酬构成威胁。
现实情况更加微妙。 数字和人工智能的成功使用需要清楚地了解技术的局限性和优势，以及必须运用这些技术的人类的局限性和优势。 两者都发挥着重要作用。
入门——同时避免常见陷阱
充分发挥数字化和分析的潜力需要对文化和思维方式进行彻底的改变。 组织必须从考虑个体用例并立即实现技术投资回报的文化转变为重新设计整个投资和运营流程（例如招聘、绩效评估和普通合作伙伴协议合规性）的文化 充分利用科技。
为了重塑组织文化以及全面采用数字技术所需的实际技术，成功的公司注重战略、能力和执行（如图）。 每个领域都存在陷阱，我们在这里指出它们，以便投资机构可以避免它们。
战略
虽然战略性比战术性更重要，但这并不意味着组织的每个部分都应该立即进行转型。 为了确保在转型早期产生影响，最好从单个业务领域的转型开始，然后再转移到组织的另一个部分（例如，投资团队所在的完整投资组合，例如价值投资或公司债券） 已经愿意重新考虑他们的方法，以提供更强劲的业绩。 尽管合作伙伴关系管理、人力资源、风险或财务等职能也是不错的选择，但展示投资影响更有可能激励组织，建立对数字化好处的信心，并创造为未来的努力提供资金所需的超额回报 。
要避免的战略陷阱
假设领导层知道如何指导数字化工作。 确保决策者获得有效领导数字化工作所需的培训和背景。 技术素养有限的领导者可能会对人工智能和其他数字技术的力量和潜力产生误解，这可能会导致组织解决错误的问题或采用已经过时的解决方案。 高管们必须认识到，从长远来看，通过数字化扰乱内部投资流程的风险远低于根本不采用技术并失去竞争优势的风险。
设定错误的目标。 许多组织误解了数字技术的真正价值，并开始使用它来取代人类，而不是增强人类决策。 另一方面，通过人工智能识别投资组合经理应重点关注的一篮子股票，经验丰富的投资者发现他们的股票投资组合表现提高了 50 个基点以上。 正确的目标通常是追求数字和人工智能技术作为人类增强而不是替代的手段。
变得太狭窄了。 一些投资者专注于使用没有很好地融入整个投资流程的软件来解决较小的、个别的问题。 结果，他们往往最终会发起数十项小举措，这些举措加在一起并不会为组织带来实质性的推动。 投资决策者需要对新技术带来的机遇采取全面、战略性的看法。
为了实现长期的技术转型，公司需要建立正确的内部能力（参见附文，“将领导力和从业者带入流程”）。 早期取得一些胜利可以为整体转型注入动力，因此这些早期努力必须得到很好的支持。 它们还应该融入整体战略基础，最终支持整个组织的数字和分析扩展。 其中一些功能包括：
技术：技术位居关键能力之首。 对于大规模数字部署，理想的技术应该基于云，以实现敏捷性并促进创新。 公司还需要能够实现持续解决方案交付和部署后监控的工具（例如 MLOps）。
数据：处理数据的方法也很重要。 企业需要一个愿景和战略，提供数据从获取到洞察消费的整个生命周期的可见性，以及由 IT 支持的数据架构和数据治理。
人才：新的人才模式技术含量更高，由高技术专家组成的团队由一些经验丰富的投资者指导，他们拥有充分利用机器生成的见解的判断力和经验。 这需要新的流程来从更广泛的背景中进行招聘。 修订后的人力资源战略必须根据技术候选人的不同需求和愿望调整薪酬和激励措施。 例如，作为一家系统化的资产管理公司，英仕曼集团投资了来自不同科学背景的广泛人才。 这些新员工完全融入了投资团队，这意味着技术（例如数据科学家）和投资（例如投资组合经理）人才之间没有明显的区别。
敏捷：最后，为了快速开发、测试和迭代改进技术解决方案，公司将需要一种新的运营模式，鼓励深入的客户输入以及与所有关键业务职能部门的协作。 这意味着赋予交付团队快速决策、适应性学习和更大的自主权。
要避免的能力建设陷阱
闪亮物体综合症。 在某些情况下，投资者会为了技术本身而追求技术，而不是利用适合目的的实用方法。 成功的公司密切关注奖项。 民主化数据访问、构建易于使用的界面、嵌入分析或使用自动化将高性能资源集中在最具价值的任务上，将比在没有明确、实际应用的情况下构建最新技术更好地为公司服务。 例如，许多投资者过度投资于开发复杂的人工智能模型，而不是通过使代码可用且易于使用、推动采用以及建立扩展所需的功能、基础设施和数据基础，将人工智能融入其组织结构中。
执行
调整组织模型以最大限度地提高组织中最终用户对技术的采用可能是数字化转型中最具挑战性的部分，通常占总工作量和投资的一半。
成功做到这一点涉及三个步骤：
通过识别最佳机会并与投资专业人士共同开发解决方案和采用流程，建立稳健的协议，将分析解决方案推广到一线。
定义一个持续监控分析解决方案的框架，以便在出现问题时进行改进。
协调关键利益相关者，确保加强新流程的采用和所有权的责任在于业务部门，而不是 IT 部门。
要避免的执行陷阱
让最终用户袖手旁观。 将一线用户置于技术交付中心的做法有助于组织将数据和分析的见解无缝集成到投资流程中。 例如，贝莱德的系统主动股权团队利用人类洞察、数据、技术和数学来推动整个核心业务流程中数字和分析工具的采用，并为客户取得更好的结果。
数字化正在从根本上颠覆各行各业，投资空间也不例外。 然而，基本的数字技术最终将削弱投资者的规模优势，使速度成为竞争对手之间的主要区别因素——人工智能可以帮助提供速度。 回报可能会出现分散，有利于拥有人工智能增强劳动力的参与者，而牺牲那些继续使用不太复杂的工具进行投资的参与者。 我们相信，投资者有机会建立基础和先进的技术能力，从而成为胜利的一方。 现在是采取行动的时候了。
