Usare Claude nell'Investment Banking: Cosa Cambia per i Giovani Analisti

Niente di tutto questo cambia chi approva un numero che finisce davanti a un cliente o a un comitato crediti. Se un set di comps contiene un multiplo non aggiornato o un'ipotesi del modello non coincide con la data room, è l'analista che l'ha lasciata passare a risponderne, non lo strumento che ha redatto la prima bozza.

Questo è il vero cambiamento nell'uso dell'IA da parte degli analisti in investment banking: il lavoro che prima dimostrava di poter essere affidabili su un'operazione reale, le ore passate a formattare, inserire dati, costruire la prima versione di un modello, è oggi in parte automatizzato. Quello che resta è la parte che è sempre stata più difficile da insegnare: capire quale numero sembra sbagliato prima che lo noti qualcun altro.

Le banche differiscono molto nel grado di formalità con cui hanno adottato gli strumenti IA. Alcuni desk hanno un workflow standardizzato e regole chiare su cosa richiede un secondo controllo. Altri lo lasciano interamente ai singoli analisti, il che significa che lo stesso errore, fidarsi di una bozza dell'IA senza verificarla rispetto ai documenti fonte, si manifesta in banche diverse per motivi diversi.

L'adozione dell'IA tra gli analisti junior premia un mix di competenze diverso da quello che definiva i primi anni di questo lavoro un decennio fa. La pura velocità di modellazione conta meno quando uno strumento può costruire lo scheletro del modello; conta di più la capacità di individuare quando quello scheletro è sbagliato.

Il giudizio su quale domanda porre sta diventando un fattore distintivo più importante della capacità di rispondere velocemente a una domanda nota. Un analista capace di dire a un managing director quali tre numeri in un modello vale la pena controllare due volte prima di una call con il cliente sta svolgendo un lavoro che l'IA per i junior banker non ha ancora automatizzato.

La comunicazione e il contesto restano interamente in capo alla persona. Sapere cosa interessa a un cliente specifico, di cosa sono nervosi gli investitori di un certo settore questo trimestre, e come esprimere con tatto un disaccordo con un senior banker: niente di tutto questo arriva da un riassunto di trascrizione.

L'intuizione nella modellazione, la sensazione che un numero sia nel range giusto prima ancora di aver controllato la formula, si costruisce ancora nel modo lento, facendo il lavoro a mano abbastanza volte da sviluppare quel senso. Gli strumenti IA che redigono la prima versione di un modello non lo sostituiscono; se mai, gli analisti che saltano troppo presto le ripetizioni fatte a mano arrivano alla fase di revisione con meno intuizione da applicare.

Per chi sta valutando se iniziare una carriera in investment banking con l'IA già parte degli strumenti del mestiere, la risposta onesta è che il lavoro sta cambiando forma piuttosto che scomparire. Gli orari restano lunghi, la curva di apprendimento resta impegnativa, e il percorso passa ancora attraverso lo stesso modello di apprendistato di sempre, solo con compiti iniziali diversi.

Ciò che cambia è cosa insegnano i primi due anni. Un junior banker che impara a guidare bene gli strumenti IA, a sapere cosa chiedere, come verificarlo e quando non fidarsi, sta costruendo una competenza che si trasferisce man mano che si sale nella carriera, dato che anche i senior banker passano il loro tempo a rivedere il lavoro di altre persone. Gli analisti più a rischio non sono quelli che usano gli strumenti IA; sono quelli che trattano l'output dell'IA come lavoro finito invece che come una prima bozza.

Se stai scegliendo una banca o un gruppo, è ragionevole chiedere come si aspettano che gli analisti usino gli strumenti IA e quali siano i loro standard di revisione. Un desk con una risposta chiara a questa domanda ha più probabilità di stare investendo nella formazione degli analisti per il lavoro come esiste oggi, piuttosto che per il lavoro come esisteva cinque anni fa.