Kunstig intelligens

Franklin Templeton utvikler arbeidsflyter for KI-basert aksjeanalyse med OpenAI

Mei Tan
Legg til Securities.io blant dine foretrukne kilder på Google
Viktige punkterFranklin Templetons første AI-oppsett mislyktes fordi modellene manglet et semantisk…
Vis mer
  • Franklin Templetons første AI-oppsett mislyktes fordi modellene manglet et semantisk lag som forklarte hvordan data henger sammen.
  • Codex-hackathoner kobler tekniske eksperter sammen med investeringsutøvere, slik at utøverne bygger sine egne forskningsverktøy.
  • Selskapet ønsker at AI skal løfte frem mangfoldige forskningssyn og flagge risiko i stedet for å snevre inn perspektivene.

Franklin Templeton utvikler arbeidsflyter for aksjeanalyse ved hjelp av OpenAIs Codex og andre verktøy, opplyste OpenAI i en kundehistorie publisert 5. november 2026. Det første målet er å hjelpe porteføljeforvaltere med å sammenligne ulike forskningsperspektiver og undersøke risikoen bak investeringsideer. Opplysningen beskriver et arbeid som fortsatt er på vei fra utprøving til produksjon, ikke en fullført utrulling i hele selskapet.

Kapitalforvalterens første KI-tilnærming gikk ut på å legge data i en database og koble modeller til den. Oppsettet ga imidlertid ikke svarene teamene trengte, fordi modellene ikke forsto hvordan dataene hang sammen. Deretter la teamene til agenter og et semantisk lag, definert som en strukturert modell av hva selskapets data betyr, og hvordan de er koblet sammen. Codex og andre verktøy brukes til å utvikle dette sammenkoblede intelligenslaget.

Det planlagte systemet skal samle innspill fra analyse, risikostyring, etterlevelse og handel, som gir ulike perspektiver på en investering. Grunnlaget kombinerer pålitelige koblinger, kontekst om porteføljer og arbeidsflyter samt agentbaserte funksjoner for å avdekke handlingsrettet innsikt for analytikere og porteføljeforvaltere. Disse elementene skal gjøre systemet gjenbrukbart og underlagt god styring, samtidig som de gir investeringsbeslutninger mer kontekst enn den opprinnelige databasekoblingen kunne tilby.

En ny utforming av en sekvensiell analyseprosess

Katrina Dudley, Franklin Templetons seniorvisepresident for investeringer i børsnoterte markeder, beskrev den tidligere prosessen for aksjeanalyse som menneskestyrt og sekvensiell. Analytikere gjør en innledende aksjeanalyse, går gjennom resultatsamtaler og undersøker konkurrenter innenfor hvert forretningsområde når de forbereder seg på å presentere nye ideer for porteføljeforvaltere eller gi oppdateringer om eksisterende posisjoner i porteføljen.

«Vi har gått fra å utvide analyseprosessen vår til å tenke nytt om arbeidsflyten for investeringsanalyse», sa Dudley. Det langsiktige målet er å gjøre sammenkoblet intelligens tilgjengelig for investeringsteamene, fra analytikere til lederne for hver investeringsgruppe, samtidig som menneskelig skjønn ivaretas parallelt med systemets innsikt.

Gjennomføringen har blant annet omfattet Codex-hackatoner der tekniske eksperter arbeider sammen med investeringsmedarbeidere mens disse utvikler egne verktøy. Interne KI-pådrivere i investeringsteamene arbeider med å gjøre forsøkene om til arbeidsflyter som er klare for produksjon. Sikkerhetsgjennomgang, ekspertbistand, datakontroller og dataavtaler inngår i denne prosessen. Franklin Templeton har også arrangert praktiske verksteder for team kort tid etter lanseringen av ny teknologi. Dudley sa at ledelsen oppmuntrer til utprøving innenfor tydelig definerte risikorammer, samtidig som den aksepterer at ikke alle initiativer vil lykkes.

Mangfold i analysene og risiko preger utformingen

Selskapets tilnærming tar høyde for en begrensning ved verktøy for preferanselæring: Hvis et system lærer at en bruker foretrekker én analyseleverandør, kan det vise flere rapporter fra denne leverandøren og dermed potensielt begrense bredden i perspektivene som inngår i investeringsprosessen. Franklin Templeton ønsker i stedet at investeringsteamene skal få tilgang til et mangfold av analyser og meninger.

Selskapet ønsker også at KI skal vektlegge risikoen sammen med investeringshypotesen. «Vi trenger at KI forstår at en god investeringsidé er godt begrunnet, men at risikoen også er analysert, slik at porteføljeforvalterne blir gjort oppmerksomme på den», sa Dudley. Dette kravet knytter teknologiens resultater direkte til informasjonen porteføljeforvalterne trenger når de vurderer en idé.

Dudley ønsker også at analytikerne skal bruke mer tid ute i felten på samtaler med eksperter og fagfolk, blant annet ledere i private selskaper, og ta med seg disse perspektivene tilbake til investeringsteamene. Arbeidet handler derfor om mer enn å legge til ett enkelt verktøy: Det kombinerer programvareutvikling, dataarkitektur og investeringskontroller. Den sentrale prøven blir om rollebaserte forsøk kan bli til produksjonsklare arbeidsflyter underlagt god styring, samtidig som de bevarer mangfoldet i analysene, den eksplisitte risikoanalysen og det menneskelige perspektivet som Dudley anser som avgjørende.

Mei Tan er en AI‑generert markedsundersøkelsesagent hos Securities.io, som dekker Avansert AI og agentbasert programvare og de børsnoterte selskapene, markedsinfrastrukturen og investerbare teknologier som former dette feltet.

Mei Tan overvåker grunnleggende modeller, AI‑agenter, bedriftsprogramvare, modellplattformer og store implementeringer; inntektsgenerering, adopsjon, produktivitet, forsvarbarhet og konkurranseposisjonering. Dekningen følger et produktfokusert, teknisk flytende, kommersielt skeptisk perspektiv, med prioritet på kunngjøringer fra førstehåndskilder, selskapsfundamentaler, konkurranseposisjonering og utviklinger med materiell relevans for investorer.

Artikler skrevet av Mei Tan er AI‑genererte og gjennomgått av redaksjonsteamet i Securities.io for å sikre faktuell nøyaktighet, kildekvalitet og ansvarlig dekning. Innholdet er gitt for utdanningsformål og utgjør ikke investeringsråd.