AI udvider formueforvaltning, ikke erstatter rådgivere

Næsten alle brancher ser fagfolk bekymrede over, at AI kan tage deres job, især i hvide krave- og vidensbaserede sektorer.

Dette er naturligvis sandt for programmering, skrivning og andre opgaver, hvor moderne AI baseret på store sprogmodeller (LLM’er) er særligt dygtig. Men det gælder også for finansprofessionelle, som i stigende grad ser AI og såkaldte robo‑rådgivere som potentielle konkurrenter til traditionel menneskeskabt formueforvaltning.

En ny undersøgelse af to kinesiske forskere ved Shanghai University udfordrer denne idé. Ved at analysere effekterne af LLM’er på kinesiske formueforvaltningsfirmaer fandt de, at i modsætning til forventninger om erstatning, øger LLM‑adoption betydeligt antallet af rådgivere. Denne effekt skyldes en kraftig omstrukturering af menneskelige ressourcer i formueforvaltningsfirmaer, og LLM’er stimulerer faktisk ansættelser, især til junior‑ og supportroller.

De offentliggjorde deres resultater i International Review of Economics& Finance¹ under titlen “Er store sprogmodeller en erstatning eller et supplement til investeringsrådgivere? Evidens fra kinesiske formueforvaltningsfirmaer”.

Fra rutinearbejde til avancerede opgaver

Hvad der gør LLM’er til en radikalt anderledes form for automatisering, er typen af opgaver, de kan automatisere. Tidligere erstattede automatisering fortrinsvis rutinemæssigt manuelt arbejde, mens LLM’er kan behandle ustruktureret information, udføre logisk ræsonnement og generere komplekse tekster.

Så LLM’er er mere som komplekse, fleksible robotter på en produktionslinje end som enklere, gentagne maskiner, der ikke kan håndtere fleksible opgaver. I den fysiske verden har denne form for evne ført til en massiv reduktion i arbejdsstyrken inden for fremstillingsindustrien. Derfor er det ikke urimeligt for vidensarbejdere at frygte at blive erstattet af sådan teknologi: selvom den ikke fuldstændigt erstatter mennesker, kan den drastisk reducere den arbejdskraft, der kræves til en given opgave.

Men at automatisere en opgave fuldstændigt er ikke nødvendigvis den eneste virkning af teknologi.

En anden mulighed er at gøre en tidligere kompleks opgave, som kun kunne håndteres af uddannede og erfarne fagfolk, lettere at udføre. I den sammenhæng kan LLM’er være mere som de tidlige maskiner fra den industrielle revolution, der forvandlede en kompleks opgave, der krævede ekspertfærdigheder, til en enklere fremstillingsproces, der krævede mindre træning.

“Ved at sænke den videnstærskel, der kræves for selvstændig opgavefuldførelse, kan sådanne teknologier udvide rækken af opgaver, som junior‑medarbejdere kan håndtere autonomt.”

Hvis det er tilfældet, bør den praktiske implementering af LLM’er have en effekt ikke kun på beskæftigelsen, men også på strukturen i de virksomheder, der bruger dem.

“Teknologier reducerer omkostningerne ved videnindlæring, produktionsarbejdere udvider deres problemløsningsautonomi, eskalerer færre rutineproblemer opad, og øger spredningsområdet for senior‑specialister, hvilket effektivt flader hierarkiet ud.”

Formueforvaltning, AI & konkurrencefordele

AI & penge har et tillidsproblem

I den daglige drift udfører medarbejdere i formueforvaltning mange rutineopgaver: indsamling af markedsinformation, udarbejdelse af rapporter og udarbejdelse af compliance‑dokumentation. Alle disse er kodificerbare kognitive opgaver, hvor AI har en klar komparativ fordel.

Dog hviler branchens kerneværditilbud på tillid, fiduciært ansvar og relationsstyring. Disse er interpersonelle opgaver, der kræver tavs viden og social intelligens, som AI i øjeblikket har svært ved at efterligne.

Dette hul har indtil videre begrænset AI‑implementeringen i den finansielle sektor, da tilliden til AI‑rådgivere forbliver lav.

AI kan hjælpe formueforvaltning med at vokse

Samtidig kan AI, der sænker omkostningerne ved finansiel rådgivning, hjælpe branchen med at vokse enormt, da høje rådgivningsomkostninger begrænser personlige tjenester til høj‑nettoformue‑kunder, mens den store mass‑affluent‑segment kronisk er underforsynet med hensyn til formueforvaltningsrådgivning.

“Hvis LLM’er reducerer de marginale omkostninger ved rutinetjenester tilstrækkeligt, kan de gøre det muligt for firmaer profitabelt at trænge ind på dette langhalede marked, hvilket udløser AI‑drevet skalering, der driver serviceudvidelse og beskæftigelsesvækst i stedet for erstatning.”

I den sammenhæng er det kinesiske marked særligt interessant at analysere for LLM‑påvirkningen på branchen:

• Den hurtigt voksende husholdningsformue skaber betydelig latent efterspørgsel i mass‑affluent‑segmentet.
• China’s CSRC og SAC håndhæver strenge “human‑in‑the‑loop”-krav, der forbyder algoritmer at udøve fuld skønsbeføjelse og pålægger licenserede rådgivere at overse alle personlige anbefalinger.
  • Disse regler kanaliserer AI‑adoption mod hybride menneske‑maskin‑modeller, hvilket skaber særligt gunstige betingelser for komplementaritet frem for fuldstændig substitution.
• Kinas digitalt understøttede finansielle økosystem og udbredte fintech‑infrastruktur skaber meningsfuld variation mellem firmaer i LLM‑adoption, hvilket muliggør troværdig kausal identifikation.

AI’s påvirkning på formueforvaltning

Hvad kan LLM’er gøre i formueforvaltning?

Forskerne skelner mellem tre kategorier af opgaver i formueforvaltning, som kan påvirkes af LLM’er, hver med forskellig substituerbarhed.

Den første gruppe af opgaver er tekniske analyser, herunder markedsdataanalyse, porteføljekonstruktion, syntese af investeringsresearch og compliance‑dokumentation. På grund af eksplicitte regler, strukturerede datainput og standardiserede output er disse opgaver ideelle til at anvende LLM’er som erstatning for menneskelig arbejdskraft.

Den anden gruppe af opgaver er dømmekraft‑ og beslutningsopgaver, herunder risikovurdering, scenarieanalyse og design af personlige løsninger. Disse opgaver kræver integration af tavs viden og kontekstuel bevidsthed, så LLM’er kun kan erstatte menneskelig arbejdskraft i begrænset omfang.

Endelig er der relationsstyringsopgaverne. Disse omfatter tillidsopbygning, følelsesmæssig støtte under markedsvolatilitet og langsigtet relationspleje. Sådanne opgaver kræver interpersonel følsomhed, kontekstuel dømmekraft og autentisk menneskelig forbindelse, hvilket gør LLM’er stort set uegnede i denne rolle.

Indsamling af data

Forskerne indsamlede flere regulatoriske databaser, virksomhedsoplysninger og markedsdata for at konstruere et omfattende paneldatasæt, der dækker kinesiske formueforvaltningsfirmaer, med i alt 7.795 observationer fra 2019‑2024.

For at identificere firma‑niveau LLM‑adoption blev jobopslag og medarbejderprofiler indsamlet fra store rekrutteringsplatforme.

Formueforvaltningspersonale blev opdelt i junior‑rådgivere (≤3 års erfaring), midt‑rådgivere (4–10 års erfaring) og senior‑rådgivere (>10 års erfaring).

Endelig inkorporerer kunde‑niveau analysen investeringsafkast, aktivallokering, gebyrstrukturer og kundetilbageholdelsesstatus.

Hvem er mest påvirket

Tidligere studier har vist, at mens LLM‑adoption på arbejdspladsen afslørede produktivitetsgevinster på 14‑56 %, gav den uforholdsmæssigt fordel til mindre erfarne og lavere kvalificerede medarbejdere. Som følge heraf lagde firmaerne større vægt på interpersonelle og kundevendte færdigheder efter LLM‑adoption. Efterspørgslen efter traditionelle tekniske færdigheder faldt dog ikke markant, hvilket tyder på, at AI ændrede, hvilke komplementære menneskelige kompetencer firmaerne værdsatte, snarere end at gøre teknisk ekspertise overflødig.

“Dette mønster, hvor AI supplerer i stedet for blot at erstatte lav‑kvalificeret arbejde, adskiller sig markant fra tidligere bølger af IT‑adoption, som typisk supplerede højt‑kvalificerede arbejdstagere.”

Konsekvensen er, at LLM‑adoption er positivt forbundet med øget vægt på bløde færdigheder (kommunikationsevne, emotionel intelligens, kundesrelationsstyring).

Brug af LLM’er

Kun 17,8 % af firma‑år observationerne involverer LLM‑adoption, hvilket indikerer, at mens LLM‑brug stadig er relativt sjældent, har en betydelig andel af formueforvaltningsfirmaer begyndt at integrere disse teknologier.

Tech‑hub‑lokationer viser større effekter end ikke‑tech‑hub‑lokationer. Dette mønster afspejler sandsynligvis bedre adgang til AI‑talenter, stærkere teknologisk infrastruktur og mere sofistikerede kunder, der værdsætter AI‑forbedrede tjenester i større teknologicentre.

LLM‑brug korrelerer stærkest med junior‑rådgivere, moderat med midt‑rådgivere og svagest med senior‑rådgivere, hvilket svarer til den forventede profil for AI‑implementering i formueforvaltningsbranchen.

Når man ser på, hvilken rolle LLM’er primært anvendes til, viser studiet en stærk samvariation mellem LLM‑brug og supportroller samt en næsten nul‑sammenhæng med kundevendte stillinger.

Bedre tjenester, samme priser

Studiet viser, at LLM‑brug er signifikant positivt korreleret med alle servicekvalitetsmålinger: porteføljeafkast, risikokorrigeret afkast, kundetilbageholdelse og AUM‑vækst. LLM‑brug er også forbundet med en faldende klage‑rate og færre regulatoriske handlinger.

LLM‑brug førte til en forbedring på 11,5 % i gennemsnitligt porteføljeafkast. Forbedringen på 2,5 procentpoint i tilbageholdelse svarer til en reduktion på 23,8 % i kundetab.

Der er dog ingen sammenhæng mellem LLM‑brug og rådgivningsgebyrer.

Dette indikerer sandsynligvis, at konkurrencepres kan forhindre firmaerne i at opkræve højere gebyrer, på trods af påviselige serviceforbedringer, med fordele, der primært tilfaldt kunderne snarere end udbyderne. Dette er især sandsynligt i en branche, hvor servicekvalitet er observerbar, og firmaerne konkurrerer på præstation.

AI erstatter ikke, men omstrukturerer menneskelig arbejdskraft

Samlet set viser resultaterne, at AI omstrukturerer opgaver i formueforvaltning, men har ingen netto‑erstatningseffekt.

Efterhånden som LLM’er overtager rutine‑analytiske opgaver, værdsætter firmaerne i stigende grad medarbejdere, der kan udøve dømmekraft (kognitive færdigheder), arbejde effektivt med AI‑værktøjer (effektivitetsfærdigheder), kommunikere effektivt med kunder (sociale færdigheder) og opretholde stærke kundeforhold (kundeservicefærdigheder).

Disse fund antyder ikke, at tekniske færdigheder bliver overflødige. I stedet indikerer de, at tydeligt menneskelige kompetencer bliver mere værdifulde sammen med teknisk ekspertise, efterhånden som AI overtager en større del af rutine‑analytisk arbejde.

Ved at reducere omkostningerne ved tekniske opgaver kan AI være mere end et produktivitetsværktøj – det kan blive et kraftfuldt skaleringsværktøj for formueforvaltningsbranchen, som hjælper den med at udvide sit adresserbare marked til en større befolkningssegment.

Disse indsigter kan overføres til andre brancher med lignende betingelser: uopfyldt latent efterspørgsel, “human‑in‑the‑loop”-regulering og relationsbaserede servicemodeller.

Investering i AI‑formueforvaltning

Undersøgelsen undersøger ikke Morgan Stanley (MS ) eller fastslår, at de samme resultater vil forekomme uden for Kina. Den identificerer dog betingelserne, hvorunder AI‑assisteret formueforvaltning kan skalere med succes. Morgan Stanley tilbyder investorer eksponering til en forretning, der kombinerer et stort rådgivernetværk, selvstyret investering, arbejdsplads‑tjenester og stadig mere sofistikerede AI‑kapaciteter.

Morgan Stanley

Morgan Stanley er en veletableret gigant inden for bankvirksomhed, udlån og formueforvaltning med $9,3 billioner i samlede kundeaftaler i 2025, hvoraf omkring 3/4^th kommer fra formueforvaltningskategorien. Det er også værd at bemærke, at de samlede kundeaftaler er vokset meget hurtigt siden 2020.

Kilde: Morgan Stanley

Morgan Stanleys primære robo‑rådgiverplatform er dens E*TRADE‑brand, som opkræver et årligt rådgivningsgebyr på omkring 0,30 %.

Udover en ren robo‑rådgiver tilbyder Morgan Stanley også andre formueforvaltningstjenester:

• Virtuelle rådgivere: Telefonisk adgang til et team af fjernrådgivere for struktureret planlægning uden en dedikeret fuld‑service menneskelig mægler.
• Full‑Service finansielle rådgivere: Traditionel 1‑til‑1 dedikeret planlægning for komplekse formueforvaltningsbehov.

Kilde: Morgan Stanley

Denne struktur ligner tæt den menneske‑maskine‑model, der blev undersøgt i studiet: AI håndterer informationsindsamling, mødedokumentation og rutineforberedelse, mens licenserede rådgivere bevarer ansvaret for kundeforhold og anbefalinger.

Efterhånden som AI‑kapaciteterne vokser, bør det gøre det muligt for Morgan Stanley gradvist at reducere omkostningerne for tekniske færdigheder og omfordele arbejdskraften mod en større udrulning af den menneskelige berøring, der er nødvendig for mere direkte, personlig rådgivning.

Morgan Stanleys størrelse og omdømme på tværs af alle kundesegmenter vil hjælpe firmaet med at implementere AI effektivt til millioner af kunder og udvide formueforvaltningsmarkedet.

Det er værd at bemærke, at AI allerede bruges som et indgangspunkt, der kanaliserer kunder mod højere niveauer af formueforvaltning, med 7 millioner nye kundeforhold siden 2020, primært fra E‑TRADE og Workplace, en markedsledende platform for finansielle rådgivere.

Kilde: Morgan Stanley

“Morgan Stanley at Work overvåger cirka $1,2 billioner i aktiver gennem sin arbejdsplads‑finansielle løsningsforretning. Firmaet forestiller sig, at virksomhedskunder på sigt vil engagere sig med platformene “på en ren agentbaseret måde, ved brug af AI‑drevne værktøjer i stedet for at logge direkte ind i ShareWorks eller Equity Edge.”

Således kan AI udgøre en konkurrencefordel for Morgan Stanley gennem forskellige mekanismer:

• Øge antallet af kunder, som hver rådgiver kan støtte
• Udvide personlige tjenester yderligere ind i mass‑affluent‑markedet
• Forbedre rådgiverproduktivitet uden at reducere servicekvaliteten
• Styrke fastholdelse gennem hyppigere og mere personlige interaktioner
• Skalere formueforvaltningsindtægter uden proportionel administrativ vækst

Dette betyder ikke, at AI nødvendigvis vil forbedre Morgan Stanleys profit, da denne undersøgelse viser, at sådanne forbedringer og gevinster sandsynligvis primært vil tilfalde kunderne. Men det bør hjælpe med at konsolidere firmaets ledende position i branchen, og den forventede globale udvidelse af formueforvaltningsmarkedet takket være AI bør gavne branchen som helhed.

Seneste Morgan Stanley (MS) aktienyheder og udviklinger

Studie refereret

^{1. Lina Song og Huaili Lyu. Er store sprogmodeller en erstatning eller et supplement til investeringsrådgivere? Evidens fra kinesiske formueforvaltningsfirmaer. International Review of Economics& Finance. Oktober 2026. Artikel: 105636. Volume 111. 10.1016/j.iref.2026.105636}