W tym odcinku SlateCast, dyrektor generalny Nemo.money Nicholas Scott dołączył do Liama "Akiba" Wrighta i Nate'a Whitehilla z CryptoSlate, aby omówić inwestowanie kierowane przez AI oparte na zweryfikowanych danych. Scott przedstawił silnik wglądu w portfel Nemo, zabezpieczenia prywatności i funkcje odkrywania tematycznego, jednocześnie przeciwstawiając postępowe regulacje ZEA wolniejszemu nadzorowi w Wielkiej Brytanii i podkreślając obietnicę stablecoinów dla bezproblemowych rozliczeń. Rozmowa podkreśliła przewagę wskazówek nad poradami oraz przyszłość spersonalizowanych, zgodnych z przepisami innowacji fintech.
Od prezentacji do działającego, nagradzanego produktu
Nemo.money rozpoczęło działalność w 2021 roku na zatłoczonym rynku aplikacji inwestycyjnych. Scott wyjaśnił, że zespół szybko musiał wybrać, który podstawowy problem użytkownika rozwiązać. Zamiast budować głównie dla edukacji, Nemo skupiło się na wydobywaniu możliwości działania zgodnych z celami i apetytem na ryzyko użytkownika — pomagając ludziom decydować, co i kiedy kupić, bez rekomendowania pojedynczego papieru wartościowego żadnej osobie.
Wskazówki, nie porady: jak Nemo ujmuje AI
Centralnym elementem jest codzienny, napędzany przez AI "wgląd w portfel" Nemo. Jednym dotknięciem użytkownicy otrzymują zwięzłe podsumowanie tego, co zmieniło się w ich aktywach w ciągu ostatnich 24 godzin — połączone z odpowiednimi nagłówkami i ruchami cenowymi — plus pomysły na poprawę dywersyfikacji. Doświadczenie ma na celu oszczędzanie czasu i wydobywanie "interesujących historii", a nie tylko największych ruchów, dzięki czemu użytkownicy dowiadują się, dlaczego ich portfel zachował się w taki sposób i mogą eksplorować powiązane aktywa lub ETF-y, które mogą zrównoważyć ryzyko.
Wright podkreślił, że każde podsumowanie AI musi być ugruntowane:
Scott zgodził się, wyjaśniając ścisłe rozdzielenie faktów i modeli językowych w Nemo: zespół licencjonuje fundamenty, wolumeny i nastroje od dostawców danych finansowych pierwszego poziomu, a następnie wprowadza ten zestaw prawdy do LLM, aby generować spostrzeżenia specyficzne dla użytkownika.
Najpierw prawda: strategia modelu i prywatność
Nie każda funkcja wymaga najnowszego, najdroższego modelu. W przypadku faktycznych, szablonowych aktualizacji (np. odświeżonych podsumowań kondycji firmy generowanych na podstawie fundamentów), Nemo może polegać na ugruntowanych modelach. W przypadku zadań rozwiązywania problemów — takich jak sugerowanie ścieżek dywersyfikacji z obecnych aktywów użytkownika — firma wybiera nowsze modele. Scott podkreślił również prywatność: portfele użytkowników są anonimizowane przed przetwarzaniem, a dane osobowe nie są przekazywane zewnętrznym narzędziom AI.
Dokąd naprawdę prowadzą regulacje: ZEA kontra Wielka Brytania (i stablecoiny)
Zapytany, gdzie pojawiają się najbardziej postępowe regulacje dla AI i kryptowalut, Scott wskazał na ZEA. Gotowość Dubaju do pilotowania i finansowania innowacji pozwala firmom takim jak Nemo na szybsze iteracje, powiedział, kontrastując to tempo z wolniejszym tempem regulacyjnym Wielkiej Brytanii. Pojawiły się również stablecoiny: jaśniejsze ramy obiecują uproszczenie płatności transgranicznych, z którymi brokerzy zmagają się codziennie — obszar, w którym oryginalny projekt "transferu wartości" kryptowalut może znacząco zmniejszyć tarcie.
Poza mega-kapitalizacją: odkrywanie na krawędziach
Nemo wymienia tysiące instrumentów w różnych klasach aktywów, z kryptowalutami obecnie dostępnymi za pośrednictwem CFD, podczas gdy firma bada głębsze integracje. Kluczowym KPI dla zespołu jest szerokość zaangażowania: użytkownicy nie gromadzą się tylko wokół tej samej garstki nazw. Funkcje, które grupują papiery wartościowe wokół pomysłów inwestycyjnych ("infrastruktura AI", "wychwytywanie dwutlenku węgla" itp.), zachęcają do odkrywania zgodnego z zainteresowaniami i celami każdego użytkownika, zamiast po prostu wzmacniać największe akcje technologiczne.
Wright uchwycił powszechny punkt bólu w badaniach — znalezienie mniej oczywistych wyborów wokół tematu (np. dostawców dla producentów chipów). Nadchodząca funkcja Nemo automatycznie składa tematyczne koszyki na bieżąco z zapytania użytkownika w języku naturalnym i wyjaśnia odpowiednie podsektory prostym językiem.
Personalizacja: od briefingów do podcastów generowanych przez AI
Kolejnym krokiem w briefingu portfelowym Nemo jest elastyczność formatu. Scott ujawnił, że zespół pilotuje wersję audio generowaną przez AI — zasadniczo spersonalizowany "mini-podcast", który może wstrzykiwać aktualny kontekst (nadchodzące wydarzenia makro, takie jak FOMC, dane z rynku pracy spoza rolnictwa lub katalizatory specyficzne dla kryptowalut) i dostosowywać głębokość lub ton do poziomu zaawansowania słuchacza. Długoterminowa wizja to treść, która spotyka użytkowników tam, gdzie są — kanał, język i złożoność — bez protekcjonalności czy wycieku danych.
Wright naciskał również na dostępność. Nemo zostało uruchomione pod regulacjami Abu Dhabi i zyskuje popularność na Bliskim Wschodzie i w Afryce, z organicznym zainteresowaniem z Europy. Rynek USA pozostaje na mapie drogowej, a zespół uważnie śledzi ruchy regulacyjne.
Podsumowanie
Odcinek SlateCast z Nicholasem Scottem oferował jasny widok na to, dokąd zmierza inwestowanie kierowane przez AI: najpierw prawdziwe dane, potem modele; wskazówki zamiast porad; i personalizacja bez kompromisów w zakresie prywatności. Od narzędzi odkrywania, które wykraczają poza mega-kapitalizację, do briefingów portfelowych generowanych przez AI, podejście Nemo pokazuje, jak staranne wybory produktowe mogą przekształcić szum w sygnał.
W miarę dojrzewania ram regulacyjnych wokół AI i stablecoinów — i gdy więcej jurysdykcji pilotuje pragmatyczne zasady — fuzja aktywów cyfrowych i tradycyjnych rynków będzie tylko przyspieszać. Skrzyżowanie zgodnych z przepisami innowacji, projektowania skoncentrowanego na użytkowniku i godnych zaufania danych ma być jednym z najbardziej znaczących obszarów do obserwowania w nadchodzących latach.
Gospodarze odcinka
Najnowsze odcinki
Źródło: https://cryptoslate.com/podcasts/nemo-moneys-nicholas-scott-on-ai-guided-investing-truthful-data-and-where-regulation-really-leads/
