Η AI διευρύνει τη Διαχείριση Πλούτου, χωρίς να αντικαθιστά τους Συμβούλους

Σχεδόν κάθε κλάδος βλέπει επαγγελματίες να ανησυχούν ότι η AI θα μπορούσε να τους αφαιρέσει τις δουλειές, ιδιαίτερα στους λευκού‑πουκαλιού, γνώση‑προσανατολισμένους τομείς.

Αυτό, φυσικά, ισχύει για τον προγραμματισμό, τη συγγραφή και άλλες εργασίες όπου η σύγχρονη AI βασισμένη σε μεγάλα γλωσσικά μοντέλα (LLM) είναι ιδιαίτερα ικανή. Αλλά ισχύει επίσης και για τους χρηματοοικονομικούς επαγγελματίες, οι οποίοι όλο και περισσότερο βλέπουν την AI και τους λεγόμενους ρομποτικούς συμβούλους ως πιθανούς ανταγωνιστές της παραδοσιακής ανθρώπινης διαχείρισης πλούτου.

Μια νέα μελέτη δύο ερευνητών από το Shanghai University αμφισβητεί αυτή την ιδέα. Αναλύοντας τις επιδράσεις των LLM σε κινεζικές εταιρείες διαχείρισης πλούτου, διαπίστωσαν ότι, αντί για εκτοπισμό, η υιοθέτηση LLM αυξάνει σημαντικά τον αριθμό των συμβούλων. Το φαινόμενο οφείλεται σε ισχυρή αναδιάρθρωση των ανθρώπινων πόρων στις εταιρείες διαχείρισης πλούτου, ενώ τα LLM ενθάρρυναν την πρόσληψη, ιδιαίτερα για ρόλους junior και υποστήριξης.

Δημοσίευσαν τα ευρήματά τους στο International Review of Economics& Finance¹, υπό τον τίτλο “Do large language models displace or complement investment advisors? Evidence from Chinese wealth management firms”.

Από Ρουτίνα Εργασία σε Προηγμένες Εργασίες

Τι καθιστά τα LLM μια ριζικά διαφορετική μορφή αυτοματοποίησης είναι ο τύπος των εργασιών που μπορούν να αυτοματοποιήσουν. Παλιότερα, η αυτοματοποίηση κυρίως αντικαθιστούσε ρουτινική χειρωνακτική εργασία, ενώ τα LLM μπορούν να επεξεργάζονται αδόμητες πληροφορίες, να εκτελούν λογική σκέψη και να δημιουργούν σύνθετα κείμενα.

Έτσι, τα LLM μοιάζουν περισσότερο με πολύπλοκους, ευέλικτους ρομπότ σε γραμμή παραγωγής παρά με απλούστερες, επαναλαμβανόμενες μηχανές που δεν μπορούν να χειριστούν ευέλικτες εργασίες. Στον φυσικό κόσμο, αυτή η ικανότητα οδήγησε σε μαζική μείωση του εργατικού δυναμικού στη βιομηχανία. Συνεπώς, δεν είναι παράλογο για τους γνώστες εργασίας να φοβούνται την εκτόπιση από τέτοια τεχνολογία: ακόμη κι αν δεν αντικαταστήσει πλήρως τους ανθρώπους, θα μπορούσε να μειώσει δραστικά το εργατικό δυναμικό που απαιτείται για μια δεδομένη εργασία.

Ωστόσο, η πλήρης αυτοματοποίηση μιας εργασίας δεν είναι απαραίτητα η μοναδική συνέπεια της τεχνολογίας.

Μια άλλη δυνατότητα είναι να κάνει μια προηγούμενα πολύπλοκη εργασία, που απαιτούσε εξειδικευμένους επαγγελματίες, πιο εύκολη στην εκτέλεση. Σε αυτό το πλαίσιο, τα LLM θα μπορούσαν να μοιάζουν περισσότερο με τις πρώτες μηχανές της βιομηχανικής επανάστασης, μετατρέποντας μια σύνθετη εργασία που απαιτεί εξειδικευμένη δεξιοτεχνία σε μια απλούστερη διαδικασία παραγωγής που απαιτεί λιγότερη εκπαίδευση.

«Μειώνοντας το όριο γνώσης που απαιτείται για ανεξάρτητη ολοκλήρωση εργασιών, τέτοιες τεχνολογίες μπορούν να επεκτείνουν το φάσμα των εργασιών που μπορούν να αναλάβουν αυτόνομα οι νέοι εργαζόμενοι.»

Αν συμβαίνει αυτό, η πρακτική εφαρμογή των LLM θα πρέπει να επηρεάσει όχι μόνο την απασχόληση, αλλά και τη δομή των εταιρειών που τα χρησιμοποιούν.

«Οι τεχνολογίες μειώνουν το κόστος απόκτησης γνώσης, οι εργαζόμενοι στην παραγωγή επεκτείνουν την αυτονομία επίλυσης προβλημάτων, μειώνουν τις ρουτινικές προβληματισμούς προς τα πάνω και αυξάνουν το εύρος ελέγχου των ανώτερων ειδικών, ισοπεδώνοντας ουσιαστικά την ιεραρχία.»

Διαχείριση Πλούτου, AI & Ανταγωνιστικά Πλεονεκτήματα

Η AI & τα Χρήματα Έχουν Πρόβλημα Εμπιστοσύνης

Καθημερινά, οι εργαζόμενοι στη διαχείριση πλούτου εκτελούν πολλές ρουτινικές εργασίες: συλλογή πληροφοριών αγοράς, σύνταξη αναφορών και τεκμηρίωση συμμόρφωσης. Όλες αυτές είναι κωδικοποιήσιμες γνωστικές εργασίες όπου η AI κατέχει σαφές συγκριτικό πλεονέκτημα.

Ωστόσο, η κεντρική αξία του κλάδου βασίζεται στην εμπιστοσύνη, το καθήκον ευσυνειδησίας και τη διαχείριση σχέσεων. Πρόκειται για διαπροσωπικές εργασίες που απαιτούν παγίωση γνώσης και κοινωνική νοημοσύνη, τα οποία η AI δυσκολεύεται να αντιγράψει.

Αυτό το χάσμα έχει περιορίσει μέχρι τώρα την υιοθέτηση AI στη χρηματοοικονομική βιομηχανία, καθώς η εμπιστοσύνη στους AI συμβούλους παραμένει χαμηλή.

Η AI Θα Μπορούσε να Βοηθήσει τη Διαχείριση Πλούτου να Αναπτυχθεί

Ταυτόχρονα, η μείωση του κόστους συμβουλευτικών υπηρεσιών από την AI θα μπορούσε να βοηθήσει τον κλάδο να αναπτυχθεί εκθετικά, καθώς τα υψηλά κόστη συμβουλών περιορίζουν τις εξατομικευμένες υπηρεσίες σε άτομα υψηλού καθαρού πλούτου, αφήνοντας το ευρύ τμήμα mass‑affluent χρόνια αδιάφορο όταν πρόκειται για συμβουλές διαχείρισης πλούτου.

«Αν τα LLM μειώσουν επαρκώς το οριακό κόστος των ρουτινών υπηρεσιών, μπορεί να επιτρέψουν στις εταιρείες να διεισδύσουν κερδοφόρα σε αυτήν τη μακρά ουρά αγοράς, προκαλώντας κλιμάκωση με AI που οδηγεί σε επέκταση υπηρεσιών και αύξηση απασχόλησης αντί για εκτόπιση.»

Σε αυτό το πλαίσιο, η κινεζική αγορά είναι ιδιαίτερα ενδιαφέρουσα για ανάλυση των επιπτώσεων των LLM στον κλάδο:

• Η γρήγορη αύξηση του πλούτου των νοικοκυριών δημιουργεί σημαντική λανθάνουσα ζήτηση στο τμήμα mass‑affluent.
• Η CSRC και η SAC της Κίνας επιβάλλουν αυστηρές απαιτήσεις ανθρώπου‑στο‑βρόχο, απαγορεύοντας στα αλγόριθμα να ασκούν πλήρη διακριτική εξουσία και απαιτώντας επίβλεψη αδειοδοτημένου συμβούλου για όλες τις εξατομικευμένες προτάσεις.
  • Αυτοί οι κανόνες κατευθύνουν την υιοθέτηση AI προς υβριδικά μοντέλα ανθρώπου‑μηχανής, δημιουργώντας ιδιαίτερα ευνοϊκές συνθήκες για συμπληρωματικότητα αντί για πλήρη αντικατάσταση.
• Το ψηφιακά ενισχυμένο χρηματοοικονομικό οικοσύστημα της Κίνας και η ευρεία υποδομή fintech δημιουργούν σημαντική διακύμανση μεταξύ εταιρειών στην υιοθέτηση LLM, επιτρέποντας αξιόπιστη αιτιώδη ταυτοποίηση.

Οι Επιπτώσεις της AI στη Διαχείριση Πλούτου

Τι Μπορούν να Κάνουν τα LLM στη Διαχείριση Πλούτου;

Οι ερευνητές διακρίνουν τρεις κατηγορίες εργασιών στη διαχείριση πλούτου που μπορούν να επηρεαστούν από τα LLM, καθεμία με διαφορετικό επίπεδο υποκατάστασης.

Το πρώτο σύνολο εργασιών αφορά τεχνικές αναλύσεις, όπως ανάλυση δεδομένων αγοράς, κατασκευή χαρτοφυλακίου, σύνθεση ερευνητικών επενδύσεων και τεκμηρίωση συμμόρφωσης. Λόγω των σαφών κανόνων, των δομημένων εισόδων δεδομένων και των τυποποιημένων εξόδων, αυτές οι εργασίες είναι ιδανικές για την αντικατάσταση ανθρώπινου εργατικού δυναμικού με LLM.

Το δεύτερο σύνολο εργασιών αφορά κρίσεις και λήψη αποφάσεων, όπως αξιολόγηση κινδύνου, ανάλυση σεναρίων και σχεδιασμό εξατομικευμένων λύσεων. Αυτές απαιτούν ενσωμάτωση παγίωσης γνώσης και συμφραζομένων, οπότε τα LLM μπορούν μόνο μετρίως να αντικαταστήσουν τον άνθρωπο.

Τέλος, υπάρχουν οι εργασίες διαχείρισης σχέσεων. Αυτό περιλαμβάνει την οικοδόμηση εμπιστοσύνης, την συναισθηματική υποστήριξη κατά τη μεταβλητότητα της αγοράς και την καλλιέργεια μακροπρόθεσμων σχέσεων. Αυτές οι εργασίες απαιτούν διαπροσωπική ευαισθησία, κριτική συμφραζομένων και αυθεντική ανθρώπινη σύνδεση, καθιστώντας τα LLM κατά κύριο λόγο ακατάλληλα για αυτόν τον ρόλο.

Συλλογή Δεδομένων

Οι ερευνητές συνέλεξαν πολλαπλές ρυθμιστικές βάσεις δεδομένων, εταιρικές αποκαλύψεις και δεδομένα αγοράς για τη δημιουργία ενός ολοκληρωμένου panel dataset που καλύπτει κινεζικές εταιρείες διαχείρισης πλούτου, με 7 795 παρατηρήσεις για την περίοδο 2019‑2024.

Για τον εντοπισμό υιοθέτησης LLM σε επίπεδο εταιρείας, συγκεντρώθηκαν αγγελίες εργασίας και πληροφορίες προφίλ υπαλλήλων από μεγάλες πλατφόρμες προσλήψεων.

Το προσωπικό διαχείρισης πλούτου κατηγοριοποιήθηκε σε junior συμβούλους (≤3 έτη εμπειρίας), μεσούς συμβούλους (4‑10 έτη εμπειρίας) και senior συμβούλους (>10 έτη εμπειρίας).

Τέλος, η ανάλυση σε επίπεδο πελάτη ενσωματώνει αποδόσεις επενδύσεων, κατανομή περιουσιακών στοιχείων, δομές τελών και κατάσταση διατήρησης πελατών.

Ποιοι Επηρεάζονται περισσότερο

Προηγούμενες μελέτες έδειξαν ότι ενώ η υιοθέτηση LLM σε εργασιακά περιβάλλοντα παρήγαγε αύξηση παραγωγικότητας 14‑56 %, ωφελούσε δυσανάλογα τους λιγότερο έμπειρους και χαμηλότερης δεξιοτεχνίας εργαζόμενους. Ως αποτέλεσμα, οι εταιρείες έδωσαν μεγαλύτερη έμφαση σε διαπροσωπικές και εξωτερικές προς πελάτες ικανότητες μετά την υιοθέτηση LLM. Ωστόσο, η ζήτηση για παραδοσιακές τεχνικές δεξιότητες δεν μειώθηκε σημαντικά, υποδεικνύοντας ότι η AI άλλαξε τις συμπληρωματικές ανθρώπινες ικανότητες που εκτιμούσαν οι εταιρείες, αντί να καταστήσει την τεχνική εξειδίκευση περιττή.

«Αυτό το μοτίβο, όπου η AI ενισχύει αντί να αντικαθιστά απλώς την εργασία χαμηλότερης δεξιότητας, διαφέρει σημαντικά από προηγούμενα κύματα υιοθέτησης IT που συνήθως συμπλήρωναν τους εργαζόμενους υψηλότερης δεξιότητας.»

Η συνέπεια είναι ότι η υιοθέτηση LLM συνδέεται θετικά με την αυξημένη έμφαση σε «soft skills» (ικανότητα επικοινωνίας, συναισθηματική νοημοσύνη, διαχείριση σχέσεων με πελάτες).

Χρήση των LLM

Μόνο το 17,8 % των παρατηρήσεων εταιρεία‑έτος περιλαμβάνει υιοθέτηση LLM, υποδεικνύοντας ότι ενώ η χρήση LLM παραμένει σχετικά σπάνια, ένα ουσιαστικό ποσοστό εταιρειών διαχείρισης πλούτου έχει αρχίσει να ενσωματώνει αυτές τις τεχνολογίες.

Οι τοποθεσίες τεχνολογικών κέντρων παρουσιάζουν μεγαλύτερες επιδράσεις από τις μη‑τεχνολογικές περιοχές. Αυτό το μοτίβο πιθανόν να αντικατοπτρίζει καλύτερη πρόσβαση σε ταλέντα AI, ισχυρότερη τεχνολογική υποδομή και πιο εξελιγμένους πελάτες που εκτιμούν υπηρεσίες ενισχυμένες με AI σε μεγάλα τεχνολογικά κέντρα.

Η χρήση LLM συσχετίζεται πιο έντονα με junior συμβούλους, μετρίως με μεσούς συμβούλους και ελάχιστα με senior συμβούλους, ταιριάζοντας με το αναμενόμενο προφίλ υλοποίησης AI στον κλάδο διαχείρισης πλούτου.

Όταν εξετάζεται για ποιον ρόλο χρησιμοποιούνται κυρίως τα LLM, η μελέτη δείχνει ισχυρή συν-κίνηση της χρήσης LLM με ρόλους υποστήριξης και σχεδόν μηδενική συσχέτιση με θέσεις που αφορούν άμεση εξυπηρέτηση πελατών.

Καλύτερες Υπηρεσίες, Ίδιες Τιμές

Η μελέτη δείχνει ότι η χρήση LLM συσχετίζεται σημαντικά θετικά με όλα τα μέτρα ποιότητας υπηρεσιών: απόδοση χαρτοφυλακίου, απόδοση προσαρμοσμένης κινδύνου, διατήρηση πελατών και αύξηση AUM. Η χρήση LLM συνδέεται επίσης με μείωση του ποσοστού παραπόνων και των ρυθμιστικών ενεργειών.

Η χρήση LLM οδήγησε σε βελτίωση 11,5 % των μέσων αποδόσεων χαρτοφυλακίου. Η βελτίωση 2,5 μονάδων ποσοστού σε διατήρηση αντιπροσωπεύει μείωση 23,8 % στην απώλεια πελατών.

Παρόλα αυτά, δεν υπάρχει συσχέτιση μεταξύ χρήσης LLM και των τελών συμβουλευτικής.

Αυτό πιθανώς υποδηλώνει ότι οι ανταγωνιστικές πιέσεις μπορεί να αποτρέπουν τις εταιρείες από το να εξάγουν υψηλότερα τέλη, παρά τις εμφανείς βελτιώσεις υπηρεσιών, με τα οφέλη να ρέουν κυρίως προς τους πελάτες αντί προς τους παρόχους. Αυτό είναι ιδιαίτερα πιθανό σε έναν κλάδο όπου η ποιότητα των υπηρεσιών είναι παρατηρήσιμη και οι εταιρείες ανταγωνίζονται με βάση την απόδοση.

Η AI Δεν Αντικαθιστά αλλά Αναδιαρθρώνει την Ανθρώπινη Εργασία

Συνολικά, τα ευρήματα δείχνουν ότι η AI αναδιαρθρώνει τις εργασίες στη διαχείριση πλούτου, αλλά δεν έχει καθαρό εκτοπιστικό αποτέλεσμα.

Καθώς τα LLM αναλαμβάνουν ρουτινικές αναλυτικές εργασίες, οι εταιρείες εκτιμούν όλο και περισσότερο υπαλλήλους που μπορούν να ασκήσουν κρίση (γνωστικές δεξιότητες), να εργάζονται αποδοτικά με εργαλεία AI (δεξιότητες αποδοτικότητας), να επικοινωνούν αποτελεσματικά με πελάτες (κοινωνικές δεξιότητες) και να διατηρούν ισχυρές σχέσεις με πελάτες (δεξιότητες εξυπηρέτησης).

Αυτά τα ευρήματα δεν υποδηλώνουν ότι οι τεχνικές δεξιότητες γίνονται περιττές. Αντίθετα, δείχνουν ότι οι ξεχωριστά ανθρώπινες ικανότητες γίνονται πιο πολύτιμες παράλληλα με την τεχνική εξειδίκευση, καθώς η AI αναλαμβάνει μεγαλύτερο μερίδιο ρουτινών αναλυτικών εργασιών.

Μειώνοντας το κόστος των τεχνικών εργασιών, η AI θα μπορούσε να μην είναι μόνο εργαλείο παραγωγικότητας, αλλά και ισχυρό εργαλείο κλιμάκωσης για τον κλάδο διαχείρισης πλούτου, βοηθώντας τον να επεκτείνει τη διευθυντική του αγορά σε μεγαλύτερο τμήμα του πληθυσμού.

Αυτά τα ευρήματα μπορούν να επεκταθούν και σε άλλους κλάδους με παρόμοιες συνθήκες: λανθάνουσα ανεκπλήρωτη ζήτηση, ρυθμίσεις με ανθρώπινο‑στο‑βρόχο και μοντέλα υπηρεσιών βασισμένα σε σχέσεις.

Επένδυση στην AI Διαχείριση Πλούτου

Η μελέτη δεν εξετάζει το Morgan Stanley (MS ) ούτε αποδεικνύει ότι τα ίδια αποτελέσματα θα ισχύσουν εκτός Κίνας. Ωστόσο, εντοπίζει τις συνθήκες υπό τις οποίες η διαχείριση πλούτου με υποβοήθηση AI μπορεί να κλιμακωθεί επιτυχώς. Το Morgan Stanley προσφέρει στους επενδυτές έκθεση σε μια επιχείρηση που συνδυάζει ένα μεγάλο δίκτυο συμβούλων, αυτοδιαχειριζόμενες επενδύσεις, υπηρεσίες εργασίας και ολοένα πιο εξελιγμένες δυνατότητες AI.

Morgan Stanley

Το Morgan Stanley είναι ένας μακρόχρονος γίγαντας τραπεζικών, δανειακών και διαχειριστικών υπηρεσιών, με $9,3 τρισεκατομμύρια συνολικά περιουσιακά στοιχεία πελατών το 2025, εκ των οποίων περίπου τρία τέταρτα προέρχονται από την κατηγορία διαχείρισης πλούτου. Αξίζει επίσης να σημειωθεί ότι τα συνολικά περιουσιακά στοιχεία πελατών έχουν αυξηθεί πολύ γρήγορα από το 2020.

Πηγή: Morgan Stanley

Η κύρια πλατφόρμα ρομποτικού συμβούλου του Morgan Stanley είναι η μάρκα E*TRADE, η οποία χρεώνει ετήσιο συμβουλευτικό τέλος περίπου 0,30 %.

Πέρα από έναν καθαρό ρομποτικό σύμβουλο, το Morgan Stanley παρέχει επίσης άλλες υπηρεσίες διαχείρισης πλούτου:

• Virtual Advisors: Πρόσβαση μέσω τηλεφώνου σε ομάδα απομακρυσμένων συμβούλων για δομημένο σχεδιασμό χωρίς αφοσιωμένο πλήρες ανθρώπινο μεσίτη.
• Full‑Service Financial Advisors: Παραδοσιακό 1‑προς‑1 αφοσιωμένο σχεδιασμό για σύνθετες ανάγκες διαχείρισης πλούτου.

Πηγή: Morgan Stanley

Αυτή η δομή μοιάζει στενά με το ανθρώπινο‑μηχάνημα μοντέλο που εξετάζεται στη μελέτη: η AI διαχειρίζεται την ανάκτηση πληροφοριών, την τεκμηρίωση συναντήσεων και την προετοιμασία ρουτινών, ενώ οι αδειοδοτημένοι σύμβουλοι διατηρούν την ευθύνη για τις σχέσεις με τους πελάτες και τις προτάσεις.

Καθώς οι δυνατότητες AI αυξάνονται, θα πρέπει να επιτρέψουν στο Morgan Stanley να μειώσει προοδευτικά το κόστος των τεχνικών δεξιοτήτων και να ανακατανείμει το εργατικό δυναμικό προς μεγαλύτερη χρήση της ανθρώπινης επαφής που απαιτείται για πιο άμεση, προσωπική συμβουλευτική.

Το μέγεθος και η φήμη του Morgan Stanley σε όλα τα επίπεδα πελατών θα το βοηθήσουν να εφαρμόσει AI αποδοτικά σε εκατομμύρια πελάτες και να επεκτείνει την αγορά διαχείρισης πλούτου.

Αξίζει να σημειωθεί ότι η AI χρησιμοποιείται ήδη ως σημείο εισόδου που κατευθύνει τους πελάτες προς υψηλότερα επίπεδα διαχείρισης πλούτου, με 7 εκατομμύρια νέες σχέσεις πελατών από το 2020, κυρίως μέσω του E‑TRADE και του Workplace, μιας κορυφαίας πλατφόρμας για χρηματοοικονομικούς συμβούλους.

Πηγή: Morgan Stanley

«Το Morgan Stanley at Work διαχειρίζεται περίπου $1,2 τρισεκατομμύρια σε περιουσιακά στοιχεία μέσω των λύσεων χρηματοοικονομικής εργασίας. Η εταιρεία οραματίζεται ότι οι εταιρικοί πελάτες θα αλληλεπιδρούν τελικά με τις πλατφόρμες «απλώς με τρόπο πράκτορα, χρησιμοποιώντας εργαλεία με AI αντί να συνδέονται απευθείας στο ShareWorks ή το Equity Edge.»

Έτσι, η AI θα μπορούσε να αποδείξει ανταγωνιστικό πλεονέκτημα για το Morgan Stanley μέσω διαφόρων μηχανισμών:

• Αύξηση του αριθμού πελατών που μπορεί να υποστηρίξει κάθε σύμβουλος
• Επέκταση των εξατομικευμένων υπηρεσιών περαιτέρω στην αγορά mass‑affluent
• Βελτίωση της παραγωγικότητας των συμβούλων χωρίς μείωση της ποιότητας υπηρεσιών
• Ενίσχυση της διατήρησης μέσω πιο συχνών και εξατομικευμένων αλληλεπιδράσεων
• Κλιμάκωση των εσόδων διαχείρισης πλούτου χωρίς ανάλογη διοικητική αύξηση

Αυτό δεν σημαίνει ότι η AI θα βελτιώσει απαραίτητα τα κέρδη του Morgan Stanley, καθώς η μελέτη δείχνει ότι τέτοιες βελτιώσεις και κέρδη πιθανότατα θα ωφελήσουν κυρίως τους πελάτες. Ωστόσο, θα βοηθήσει στην ενίσχυση της ηγετικής του θέσης στη βιομηχανία, και η πιθανή παγκόσμια επέκταση της αγοράς διαχείρισης πλούτου χάρη στην AI θα ωφελήσει ολόκληρο τον κλάδο.

Τελευταία Νέα και Εξελίξεις μετοχής Morgan Stanley (MS)

Μελέτη Αναφορά

^{1. Lina Song and Huaili Lyu. Do large language models displace or complement investment advisors? Evidence from Chinese wealth management firms. International Review of Economics& Finance. Οκτώβριος 2026. Article: 105636. Volume 111. 10.1016/j.iref.2026.105636}