AI Utvider formuesforvaltning, ikke erstatter rådgivere

Nesten alle bransjer ser fagfolk bekymre seg for at AI kan ta bort jobbene deres, spesielt i hvite krage- og kunnskapsdrevne sektorer.

Dette gjelder selvfølgelig programmering, skriving og andre oppgaver der moderne AI basert på LLM‑er (store språkmodeller) er spesielt dyktig. Men det gjelder også for finansprofesjonelle, som i økende grad ser AI og såkalte robo‑rådgivere som potensielle konkurrenter til tradisjonell menneskeskapt formuesforvaltning.

En ny studie av to kinesiske forskere ved Shanghai University utfordrer denne tanken. Ved å analysere effektene av LLM‑er på kinesiske formuesforvaltningsselskaper, fant de at i motsetning til spådommer om utskiftning, øker adopsjon av LLM‑er betydelig antall rådgivere. Effekten skyldes en sterk omstrukturering av menneskelige ressurser i formuesforvaltningsfirmaer, og LLM‑er stimulerte faktisk ansettelser, spesielt for junior‑ og støttefunksjoner.

They published their findings in International Review of Economics& Finance¹, under the title “Er store språkmodeller en erstatning eller et supplement til investeringsrådgivere? Evidens fra kinesiske formuesforvaltningsselskaper”.

Fra rutinearbeid til avanserte oppgaver

Det som gjør LLM‑er til en radikalt annerledes type automatisering, er typen oppgaver de kan automatisere. Tidligere erstattet automatisering hovedsakelig rutinemessig manuelt arbeid, mens LLM‑er kan behandle ustrukturert informasjon, utføre logisk resonnering og generere komplekse tekster.

Så LLM‑er er mer som komplekse, fleksible roboter på en produksjonslinje enn enklere, repeterende maskiner som ikke kan håndtere fleksible oppgaver. I den fysiske verden har denne evnen ført til en enorm reduksjon i arbeidsstyrken innen produksjon. Derfor er det ikke urimelig for kunnskapsarbeidere å frykte å bli erstattet av slik teknologi: selv om den ikke fullt ut erstatter mennesker, kan den drastisk redusere arbeidskraften som trengs for en gitt oppgave.

Men å automatisere bort oppgaven helt er ikke nødvendigvis den eneste virkningen av teknologien.

En annen mulighet er å gjøre en tidligere kompleks oppgave, som kun kunne håndteres av trente og erfarne fagfolk, enklere å utføre. I den sammenhengen kan LLM‑er være mer som de tidlige maskinene under den industrielle revolusjon, som forvandlet en kompleks oppgave som krevde ekspertkunnskap til en enklere produksjonsprosess som krever mindre opplæring.

«Ved å senke kunnskapsterskelen som kreves for selvstendig oppgaveløsning, kan slike teknologier utvide spekteret av oppgaver juniorarbeidere kan håndtere autonomt.»

Hvis dette er tilfelle, bør praktisk implementering av LLM‑er ha en effekt ikke bare på sysselsetting, men også på strukturen i selskapene som bruker dem.

«Teknologier reduserer kostnaden for kunnskapsinnhenting, produksjonsarbeidere utvider sin problemløsningsautonomi, eskalerer færre rutineproblemer oppover, og øker kontrollspennet til senior‑spesialister, noe som effektivt flater ut hierarkiet.»

Formuesforvaltning, AI og konkurransefordeler

AI og penger har et tillitsproblem

I det daglige utfører ansatte i formuesforvaltning mange rutineoppgaver: innsamling av markedsinformasjon, utarbeidelse av rapporter og etterlevelsesdokumentasjon. Alle disse er kodifiserbare kognitive oppgaver hvor AI har en klar komparativ fordel.

Imidlertid hviler bransjens kjerneverditilbud på tillit, tillitsplikt og relasjonsstyring. Dette er mellommenneskelige oppgaver som krever taus kunnskap og sosial intelligens, noe AI for tiden sliter med å replikere.

Dette gapet har begrenset AI‑implementering i finansbransjen så langt, da tilliten til AI‑rådgivere er fortsatt lav.

AI kan hjelpe formuesforvaltning å vokse

Samtidig kan AI, ved å senke kostnaden for finansiell rådgivning, hjelpe bransjen å vokse enormt, ettersom høye rådgivningskostnader begrenser personlig service til høy nettoformue‑individer, og etterlater det store mass‑affluent‑segmentet kronisk underbetjent når det gjelder formuesforvaltningsrådgivning.

«Hvis LLM‑er reduserer de marginale kostnadene for rutinetjenester tilstrekkelig, kan de gjøre det mulig for selskaper å lønnsomt trenge inn i dette langhalede markedet, og utløse AI‑drevet skalering som driver tjenesteutvidelse og sysselsettingsvekst i stedet for utskiftning.»

I denne sammenhengen er det kinesiske markedet spesielt interessant å analysere for LLM‑enes påvirkning på bransjen:

• Raskt voksende husholdningsformue skaper betydelig latent etterspørsel i mass‑affluent‑segmentet.
• Kinas CSRC og SAC håndhever strenge krav om menneskelig kontroll i sløyfen, forbyr algoritmer fra å utøve full skjønnsmyndighet og pålegger lisensierte rådgiveres tilsyn med alle personlige anbefalinger.
  • Disse reglene kanaliserer AI‑adopsjon mot hybride menneske‑maskin‑modeller, og skaper spesielt gunstige forhold for komplementaritet snarere enn fullstendig substitusjon.
• Kinas digitalt muliggjorte finansøkosystem og omfattende fintech‑infrastruktur skaper betydelig variasjon mellom firmaer i LLM‑adopsjon, noe som muliggjør troverdig kausal identifikasjon.

AIs påvirkning på formuesforvaltning

Hva kan LLM‑er gjøre i formuesforvaltning?

Forskerne skiller mellom tre kategorier av oppgaver i formuesforvaltning som kan påvirkes av LLM‑er, hver med ulik grad av erstatningsmulighet.

Den første gruppen oppgaver er tekniske analyser, inkludert markedsdataanalyse, porteføljekonstruksjon, syntese av investeringsforskning og etterlevelsesdokumentasjon. Takket være eksplisitte regler, strukturerte datainnganger og standardiserte resultater, er disse oppgavene ideelle for å bruke LLM‑er til å erstatte menneskelig arbeidskraft.

Den andre gruppen oppgaver er vurderings- og beslutningsoppgaver, inkludert risikovurdering, scenarioplanlegging og design av personlige løsninger. Disse oppgavene krever integrering av taus kunnskap og kontekstuell bevissthet, så LLM‑er kun kan erstatte menneskelig arbeidskraft i moderat grad.

Til slutt er det oppgaver knyttet til relasjonsstyring. Dette omfatter tillitsbygging, emosjonell støtte under markedsvolatilitet og langsiktig relasjonsutvikling. Disse oppgavene krever mellommenneskelig sensitivitet, kontekstuell dømmekraft og ekte menneskelig kontakt, noe som gjør LLM‑er stort sett uegnet i denne rollen.

Innsamling av data

Forskerne samlet flere regulatoriske databaser, selskapsopplysninger og markedsdata for å konstruere et omfattende paneldatasett som dekker kinesiske formuesforvaltningsfirmaer, med 7 795 observasjoner fra 2019–2024.

For å identifisere LLM‑adopsjon på firma­nivå ble stillingsannonser og ansattprofildata samlet inn fra store rekrutteringsplattformer.

Personell i formuesforvaltning ble delt inn i juniorrådgivere (≤3 års erfaring), mellområdgivere (4–10 års erfaring) og seniorrådgivere (>10 års erfaring).

Til slutt inkluderer analyse på klientnivå investeringsavkastning, aktivafordeling, gebyrstrukturer og klientretensjonsstatus.

Hvem blir mest påvirket

Tidligere studier viste at mens LLM‑adopsjon i arbeidsmiljøer avdekket produktivitetsgevinster på 14–56 %, gav den uforholdsmessig store fordeler til mindre erfarne og lavere kvalifiserte arbeidere. Som følge av dette la firmaene større vekt på mellommenneskelige og kundekontakt‑ferdigheter etter å ha tatt i bruk LLM‑er. Etterspørselen etter tradisjonelle tekniske ferdigheter falt imidlertid ikke betydelig, noe som tyder på at AI endret hvilke komplementære menneskelige evner firmaene verdsatte, snarere enn å gjøre teknisk ekspertise overflødig.

«Dette mønsteret, hvor AI forsterker snarere enn bare erstatter lavere kvalifisert arbeid, avviker markant fra tidligere bølger av IT‑adopsjon som typisk kompletterte høyere kvalifiserte arbeidere.»

Konsekvensen er at LLM‑adopsjon er positivt assosiert med økt vekt på myke ferdigheter (kommunikasjonsevne, emosjonell intelligens, klientrelasjonsstyring).

Bruk av LLM‑er

Kun 17,8 % av firma‑år‑observasjonene involverer LLM‑adopsjon, noe som indikerer at selv om bruk av LLM‑er fortsatt er relativt sjeldent, har en betydelig andel av formuesforvaltningsfirmaer begynt å integrere disse teknologiene.

Teknologiknutepunkter viser større effekter enn ikke‑teknologiske områder. Dette mønsteret reflekterer sannsynligvis bedre tilgang til AI‑talent, sterkere teknologisk infrastruktur og mer sofistikerte kunder som verdsetter AI‑forbedrede tjenester i store teknologisentre.

LLM‑bruk korrelerer sterkest med juniorrådgivere, moderat med mellområdgivere og svakest med seniorrådgivere, noe som samsvarer med den forventede profilen for AI‑implementering i formuesforvaltningsbransjen.

Når man ser på hvilken rolle LLM‑er hovedsakelig brukes til, viser studien en sterk samvariasjon mellom LLM‑bruk og støttefunksjoner, og nesten ingen sammenheng med kundekontakt‑stillinger.

Bedre tjenester, samme priser

Studien viser at LLM‑bruk er betydelig positivt korrelert med alle måleparametere for tjenestekvalitet: porteføljeavkastning, risikokorrigert avkastning, klientretensjon og vekst i forvaltningskapital (AUM). LLM‑bruk er også forbundet med en nedgang i klagefrekvens og regulatoriske tiltak.

LLM‑bruk førte til en 11,5 % forbedring i gjennomsnittlig porteføljeavkastning. Den 2,5 prosentpoengs forbedringen i retensjon representerer en 23,8 % reduksjon i klientavgang.

Likevel er det ingen korrelasjon mellom LLM‑bruk og rådgivningshonorarer.

Dette indikerer sannsynligvis at konkurransepress kan hindre firmaer i å kreve høyere honorarer, til tross for påviselige tjenesteforbedringer, med fordeler som hovedsakelig går til klientene snarere enn leverandørene. Dette er spesielt sannsynlig i en bransje hvor tjenestekvalitet er observerbar, og firmaer konkurrerer på resultater.

AI erstatter ikke, men omstrukturerer menneskelig arbeidskraft

Generelt viser funnene at AI omstrukturerer oppgaver i formuesforvaltning, men har ingen netto‑utslettningseffekt.

Etter hvert som LLM‑er overtar rutineanalytiske oppgaver, verdsetter firmaene i økende grad ansatte som kan utøve dømmekraft (kognitive ferdigheter), jobbe effektivt med AI‑verktøy (effektivitetsferdigheter), kommunisere effektivt med klienter (sosiale ferdigheter) og opprettholde sterke klientrelasjoner (kundeserviceferdigheter).

Disse funnene antyder ikke at tekniske ferdigheter blir unødvendige. I stedet indikerer de at tydelig menneskelige evner blir mer verdifulle ved siden av teknisk ekspertise etter hvert som AI overtar en større andel av rutineanalytisk arbeid.

Ved å redusere kostnaden for tekniske oppgaver, kan AI ikke bare være et produktivitetsverktøy, men også et kraftig skaleringsverktøy for formuesforvaltningsbransjen, og hjelpe den med å utvide sitt adresserbare marked til en større befolkningssegment.

Disse funnene kan også gjelde andre bransjer med lignende forutsetninger: uoppfylt latent etterspørsel, regulering med menneskelig innblanding, og relasjonsbaserte tjenestemodeller.

Investere i AI‑basert formuesforvaltning

Studien undersøker ikke Morgan Stanley (MS ) eller fastslår at de samme resultatene vil forekomme utenfor Kina. Den identifiserer imidlertid betingelsene under hvilke AI‑assistert formuesforvaltning kan skaleres vellykket. Morgan Stanley gir investorer eksponering mot en virksomhet som kombinerer et stort rådgivernettverk, selvstyrt investering, arbeidsplass‑tjenester og stadig mer sofistikerte AI‑kapasiteter.

Morgan Stanley

Morgan Stanley er en veletablert gigant innen bank, utlån og formuesforvaltning, med 9,3 billioner dollar i totale klientmidler i 2025, hvorav omtrent tre fjerdedeler kommer fra formuesforvaltningskategorien. Det er også verdt å merke seg at totale klientmidler har vokst svært raskt siden 2020.

Kilde: Morgan Stanley

Morgan Stanleys primære robo‑rådgiverplattform er deres E*TRADE‑merke, som tar et årlig rådgivningsgebyr på rundt 0,30 %.

Utover en ren robo‑rådgiver tilbyr Morgan Stanley også andre formuesforvaltningstjenester:

• Virtuelle rådgivere: Telefonbasert tilgang til et team av fjernrådgivere for strukturert planlegging uten en dedikert fullservice‑menneskelig megler.
• Full‑service finansrådgivere: Tradisjonell én‑til‑én dedikert planlegging for komplekse formuesforvaltningsbehov.

Kilde: Morgan Stanley

Denne strukturen ligner sterkt på den menneske‑maskin‑modellen som ble undersøkt i studien: AI håndterer informasjonsinnhenting, møtedokumentasjon og rutineforberedelser, mens lisensierte rådgivere beholder ansvaret for klientrelasjoner og anbefalinger.

Etter hvert som AI‑kapasitetene vokser, bør det gjøre det mulig for Morgan Stanley gradvis å redusere kostnadene for tekniske ferdigheter og omfordele arbeidskraften mot en større utrulling av menneskelig kontakt som trengs for mer direkte, personlig rådgivning.

Morgan Stanleys størrelse og omdømme på tvers av alle kundesegmenter vil hjelpe dem med å distribuere AI effektivt til millioner av klienter og utvide formuesforvaltningsmarkedet.

Det er verdt å merke seg at AI allerede brukes som et inngangspunkt som kanaliserer kunder mot høyere nivåer av formuesforvaltning, med 7 millioner nye klientrelasjoner siden 2020, hovedsakelig fra E‑TRADE og Workplace, en markedsledende plattform for finansrådgivere.

Kilde: Morgan Stanley

«Morgan Stanley at Work håndterer omtrent 1,2 billioner dollar i eiendeler gjennom sin forretningsenhet for finansielle arbeidsplassløsninger. Selskapet ser for seg at bedriftskunder etter hvert vil engasjere seg med plattformene «på en ren agentbasert måte, ved å bruke AI‑drevne verktøy i stedet for å logge direkte inn i ShareWorks eller Equity Edge».»

Så AI kan vise seg å være en konkurransefordel for Morgan Stanley gjennom ulike mekanismer:

• Øke antall klienter hver rådgiver kan støtte
• Utvide personlig service ytterligere inn i mass‑affluent‑markedet
• Forbedre rådgiverproduktivitet uten å redusere tjenestekvaliteten
• Styrke retensjon gjennom hyppigere og mer personlig interaksjon
• Skalere inntekter fra formuesforvaltning uten proporsjonal administrativ vekst

Dette betyr ikke at AI nødvendigvis vil forbedre Morgan Stanleys fortjeneste, ettersom studien viser at slike forbedringer og gevinster sannsynligvis hovedsakelig vil gå til kundene. Men det bør bidra til å styrke deres ledende posisjon i bransjen, og den sannsynlige globale ekspansjonen av formuesforvaltningsmarkedet takket være AI bør komme hele bransjen til gode.

Siste Morgan Stanley (MS) aksjenyheter og utviklinger

Studie referert

^{1. Lina Song and Huaili Lyu. Er store språkmodeller en erstatning eller et supplement til investeringsrådgivere? Evidens fra kinesiske formuesforvaltningsselskaper. International Review of Economics& Finance. oktober 2026. Article: 105636. Volume 111. 10.1016/j.iref.2026.105636}