זרקור ספטמבר בנושא בינה מלאכותית

שש המגמות המשותפות של בינה מלאכותית על פני ההתמחויות

אוטומציה, ואחריה שיקול דעת

איסוף נתונים, ניתוח והפקת תוכן שגרתיים עוברים לאוטומציה - הערך של עובד אנושי עובר לפרשנות, הצבת ספקות ואימות של תוצרי הבינה המלאכותית.

משרות הפתיחה מתרוקנות

תפקידי ג'וניור שהתבססו על עבודת אקסל, סקירת שוק והכנת מצגות מצטמצמים; החשיבות עוברת לתפקידי לבקרה, מסגור המשימה ושיקול דעת.

היסודות חשובים יותר

המסגרות הקלאסיות חשובות יותר מתמיד כדי לפקח על תוצרי בינה מלאכותית ולזהות שגיאות

שליטה בבינה מלאכותית היא רף בסיס

כל תחום מצפה לשליטה בבינה מלאכותית כמיומנות ליבה - ולא כמומחיות של מעטים.

ניהול צוותים משולבים אדם-סוכן

כאשר סוכני בינה מלאכותית מצטרפים לצוותים ומבצעים משימות מקצה לקצה, נדרשות מיומנויות חדשות של פיקוח, האצלה ואחריות.

אתיקה ואחריותיות

הטיה, הוגנות, שקיפות, פרטיות ואחריותיות הן סוגיות בוערות, גם בהקשר של תוכניות הלימודים ואת של הרגולציה הפורמלית.

השפעת הבינה המלאכותית על ניהול פיננסי ושוק ההון מאת יבגני ליאנדרס

שיקול דעת מעל חישוב: כאשר ה-AI בולע את איסוף הנתונים השגרתי ואת הניתוח הראשוני, הערך עובר אל פרשנות, אתגור והערכה של תוצרי ה-AI ולא אל הפקתם. במקביל המודלים הקלאסיים (DCF, CAPM) חשובים יותר, לא פחות, כשהם הכלי לבדיקת אותם תוצרים.
נתונים לא מובנים ומחזורי החלטה מתקצרים: הניתוח הפיננסי מתרחב אל טקסט, ידע ונתונים לא מובנים. בנוסף, ה-AI מכווץ את לוחות הזמנים לקבלת החלטות ומקטין את חלון היתרון התחרותי.
תפקידי הכניסה של עובדים, מוגדרים מחדש: פחות „אקסל ואיסוף נתונים”, יותר בקרה, מסגור בעיות והסקת מסקנות. כל זה לצד גל חדשנות במוצרים פיננסיים מבוססי AI בהשקעות, באשראי ובביטוח.

משמעות עבור ההתמחות:
ההתמחות תוסיף שיטות עבודה עם נתונים לא מובנים/אלטרנטיביים ויותר תרגילי החלטה בתנאי אי-ודאות. כל זה לצד ולא במקום תיאוריות ההערכה הקלאסית.

< הקודם