Tämä on myös todella mielenkiintoista Olen kokeillut tekoälypohjaisia datakojelaudoja seuratakseni yrityksen KPI-mittareita järjestelmällisemmin. Suuri osa julkisen pääoman tutkimusprosessista keskittyy parempien tuloennusteiden kehittämiseen (jotka sitten laskeutuvat EPS:ään eri asteittain). Siksi suuri osa sijoitustutkimuksen liikkeestä keskittyy datan seurantaan, joka ohjaa tarkempia liikevaihtoennusteita. Tämä on vaihtoehtoisen datan teollisuuden perusta. Mutta avoimesti on monia hyödyllisiä aineistoja. Kun chatbotit ovat kasvaneet käsivarsien (Claude), olen ollut vaikuttunut näiden työkalujen kyvystä hakea tätä dataa. Minulle tämä on toinen puuttuva osa, joka on Excelin sujuvuuden rinnalla. Mahdollisuus vastaanottaa Excel-malli (lopulta rakentaa se, mutta ei nykyään), tunnistaa keskeiset ajurit (avoimesta ja suljetusta datasta), tislata data takaisin ennusteiksi ja liputtaa takaisin räätälöidyt hälytykset (liiketoiminnan momentum-muutokset, todennäköiset muutokset liikeennusteisiin, väitöskirjan validointi/mitätöinti jne.). Nyt puhutaan!! Tämä on moninkertaisesti hyödyllisempää kuin rahoituschatbotin kääre. Mietin, kehittyvätkö nämä työkalut niin nopeasti, ettei useimpien rahoitusalan ammattilaisten tarvitse edes oppia koodausagentteja. Esimerkiksi Perplexity Computer tuhosi yhden laukauksen, joka ei todellakaan ollut täydellinen, mutta osoittaa merkittävää edistystä valjasinfrastruktuurin kyvyssä rakentaa yksinkertaisia ja tehokkaita käyttöliittymiä. Institutionaalinen laatutarkkuus on edelleen kriittinen eikä vieläkään täysin ratkaistu ongelma (paraneeko tämä, kun yritykset kuten CarbonArc ottavat käyttöön MCP:itä??), mutta on innostavaa nähdä insinööritaitojen kehittyvän näin merkittävästi näin lyhyessä ajassa.