Das Unternehmen rekrutiert Bankabbrecher, um sich einer geheimen Initiative namens Projekt Mercury anzuschließen. Was bedeutet das für die Zukunft von Wall Street?
Photo by Nicolas Economou/NurPhoto via Getty Images
Der neueste Job an der Wall Street erfordert weder frühes Aufstehen noch späte Nächte, ja nicht einmal die Wall Street selbst. Er ist vollständig remote, bezahlt 150 Dollar pro Stunde und beinhaltet das Lehren von KI, wie man die Arbeit von Analysten im Investmentbanking erledigt.
Das ist das Konzept von Project Mercury, einem geheimen OpenAI-Projekt zur Automatisierung der lästigen Arbeiten im Finanzwesen, die normalerweise von echten Investmentbanking-Analysten erledigt werden. Laut Bloomberg hat OpenAI mehr als 100 ehemalige Banker von JP Morgan, Morgan Stanley $MS, Goldman Sachs $GS und ähnlichen Firmen eingestellt, um seine Modelle zu trainieren, um Barwertanalysen durchzuführen, finanzielle Begründungen für Deals zu formulieren und Pitchbooks zusammenzustellen, so wie es ihre ehemaligen Chefs einst verlangten.
Schließen Sie sich über 500.000 Lesern an, die ihren Tag mit Quartz beginnen.
Mit dem Abonnieren stimmen Sie unseren Nutzungsbedingungen und unserer Datenschutzrichtlinie zu.
Solche Aufgaben bildeten bislang die Grundlage der Lehre in der Welt der Hochfinanz. Junge Analysten verbringen ein paar brutale Jahre tief in den Schützengräben: Zahlen überprüfen, Präsentationen formatieren, voraussehen, was ein Vizepräsident als nächstes verlangen wird, sich von Führungsspielern anschreien lassen und kaum Schlaf bekommen. Danach steigen sie die Leiter hinauf, um mehr Geld zu verdienen und interessantere Arbeit zu leisten. Viele verlassen natürlich das Investmentbanking ganz, sobald sie vollständig ausgebildet sind; das System hat eine weit verbreitete Funktion darin, dass es brutalisierten Auszubildenden ermutigt, die Branche zu verlassen.
Die „Bulge Bracket“ — die Handvoll globaler Investmentbanken, die das Dealmaking dominieren — beschäftigt weltweit etwa eine Million Menschen, obwohl nur ein Bruchteil davon tatsächliche Banker sind, die Modelle und Pitchbooks erstellen. Vor diesem Hintergrund schreibt Bloomberg-Kolumnist Matt Levine hingewiesen Die eigentümliche Rundheit von Project Mercury. Die meisten Junior-Banker verlassen nach zwei Jahren, erschöpft von den 100-Stunden-Wochen und der Tyrannei kleiner Fehler. „Wenn du sowieso raus bist, könntest du perfekt glücklich sein, einem Roboter beizubringen, Junior-Banker zu ersetzen“, sagte er trocken. schloss.
Der Stundensatz — 150 $, oder etwa 300.000 $ pro Jahr, wenn es Vollzeit wäre, was höher ist als die meisten Einstiegsgehälter im Bankwesen, selbst bei den Goldman Sachses der Welt — ist ein zusätzlicher Anreiz.
„Die Vorstellung, dass KI Junior-Banker vollständig ersetzen wird, ist übertrieben“, sagte Rob Langrick, Chief Product Advocate bei der CFA Institute, sagte Quartz. „Wir sehen eine Evolution, nicht eine Eliminierung, der Einstiegsposition.“ Er verwies auf die Studie der Organisation 2025 Graduate Outlook Survey, die ergab, dass „nur 13 % glauben, dass KI es erheblich schwieriger machen wird, den gewünschten Job zu bekommen.“
„KI hat das Potenzial, Investmentfachleuten zu helfen, effizienter zu arbeiten, aber es erhöht auch die Anforderungen an die erforderlichen Fähigkeiten“, sagte Langrick. „Es schafft einen stärkeren Fokus auf zwischenmenschliche Fähigkeiten und ethische Implementierung. Wir sehen dies als eine Chance für diejenigen, die sich früh anpassen und sowohl KI-Intelligenz als auch menschliche Intelligenz nutzen. Wir glauben, dass ein Mensch im Kreislauf bleiben muss, damit KI im Investitionsprozess erfolgreich ist.“
Weiterlesen: Verfolgung von OpenAIs Vielzahl an Deals mit Nvidia $NVDA, Walmart $WMT, AMD $AMD und mehr
Langrick fügte hinzu, dass das Bankwesen „ein fehlerfreies Spiel bleibt, bei dem das Erkennen von Fehlern in einem Deck vor einem Kundentreffen eine wertvolle Fähigkeit ist. Senior-Banker haben keine Toleranz für Fehler in Kundenmaterialien. Und jede mit diesen Tools gesparte Zeit wird fast sicher in die Arbeit an weiteren Pitches reinvestiert.“
Er warnte auch vor einer möglichen Generationenlücke. „Wir haben begonnen, besorgniserregende Signale von einigen Fachleuten zu empfangen, dass das Fehlen einer jüngeren Generation in einem Unternehmen in der Zukunft Nachfolgeprobleme verursachen könnte“, sagte Langrick. „Wenn man jedoch mit vielen Banken und Vermögensverwaltern spricht, gab es nicht viele Beispiele bei großen Unternehmen für eine Verringerung der Anzahl der Absolventen.“
Er fügte hinzu: „Wir erwarten, dass Junior-Analysten zunehmend automatisierte Prozesse überwachen, die Genauigkeit sicherstellen, die hohen ethischen Standards der Branche einhalten und ehrlich gesagt die Ergebnisse freigeben, um sie weiterzugeben.“ Aber es gibt auch Vorteile. Anstatt die Erfahrung einer Lehre zu verlieren, „erhalten Analysten früher in ihrer Karriere mehr Einblick in Entscheidungsprozesse. Diese Verschiebung wird erfordern, dass neue Analysten sowohl technische als auch beurteilende Fähigkeiten früher als frühere Generationen einsetzen.“
Unter denen, die in der Branche gearbeitet haben, reichen die Reaktionen von Begeisterung bis hin zu skeptischeren Ansichten. Ein ehemaliger Analyst von Morgan Stanley, der anonym bleiben wollte, sagte: „Ich denke, es ist gut, weil es viele wirklich kluge Leute von langweiligen Aufgaben befreien wird, wenn es funktioniert. Ab einem bestimmten Punkt ist Finanzmodellierung ziemlich routinemäßig und es ist Zeitverschwendung für einige unserer klügsten Köpfe, sie zu machen, wenn es unnötig ist.“
Ein anderer ehemaliger Analyst, der ebenfalls anonym sprechen wollte, war skeptischer: „Da KI sehr anfällig für Fälschungen ist, würde ich dem Output für nichts Wichtiges vertrauen, und ‚überprüfen, ob das, was die KI gemacht hat, richtig ist‘ erscheint mir wie wenig angesehen. Und natürlich macht ein Modell nichts Magisches, was es wertvoll macht, ist die Gültigkeit der Annahmen.“
Derzeit befinden sich die Modelle von OpenAI noch in der Trainingsphase und lernen noch die feine Etikette des Randes und den angemessenen Einsatz von Kursivschrift. Die Firma sagt, dass ihr Ziel darin besteht, „Fähigkeiten in verschiedenen Bereichen zu verbessern und zu bewerten“, nicht Menschen vollständig zu ersetzen. Aber selbst diese Aussage deutet auf eine Zukunft hin, in der junge Finanzexperten in die Branche einsteigen, nicht um Modelle zu erstellen, sondern um die Modelle zu prüfen, die Maschinen für sie erstellt haben.
Das könnte effizient klingen, sogar menschlich. Aber es birgt auch das Risiko, das unmittelbare Wissen abzuschöpfen — das Gefühl für die Zahlen, das fein abgestimmte B.S.-Detektor, das man entwickelt, wenn man sieht, wie Eingaben Ausgaben erzeugen, im Volksmund bekannt als GIGO oder „Müll rein, Müll raus“ — das nur entsteht, wenn man Dinge selbst, Stück für Stück, aufbaut. Selbst ein perfektes Modell ist nur so gut wie die Annahmen, die darin einfließen.
Für OpenAI ist das Ziel natürlich klar. Projekt Mercury ist Teil eines größeren Vorstoßes, um die Technologie für Unternehmen nützlicher zu machen. Auch profitabler. Trotz einer Bewertung auf dem privaten Markt von über 500 Milliarden Dollar, das Unternehmen hat immer noch keinen Gewinn erzielt. Den GPT-Modellen beizubringen, relativ gut bezahlte Unternehmensarbeit zu leisten, ist Teil des Plans, dies zu ändern, bis hin zur Arbeit von Tausenden von Junior-Banking-Analysten – potenziell jedenfalls.
