ଘଣ୍ଟାର କାମ ଏବେ ମିନିଟ୍‌ରେ! ସେୟାର ବଜାରରେ AI ର ଏଣ୍ଟ୍ରି ଦ୍ୱାରା ନିବେଶକମାନଙ୍କର କେତେ ଲାଭ ହେବ?

Kwala intel: ଷ୍ଟକ୍ ରିସର୍ଚ୍ଚ ଠାରୁ ଆରମ୍ଭ କରି ଡାଟା ଆନାଲିସିସ୍ , ଟ୍ରେଣ୍ଡ୍ ଚିହ୍ନଟ କରିବା ଏବଂ ରିସ୍କ ଆସେସମେଣ୍ଟ ପର୍ଯ୍ୟନ୍ତ, ଆର୍ଟିଫିସିଆଲ୍ ଇଣ୍ଟେଲିଜେନ୍ସ ଫାଇନାନ୍ସିଆଲ୍ ମାର୍କେଟ୍ ରେ କାମ କରିବାର ଶୈଳୀକୁ ବଦଳାଇ ଦେଉଛି। କିନ୍ତୁ AI କଣ ନିବେଶ ସମ୍ବନ୍ଧୀୟ ନିଷ୍ପତ୍ତିକୁ ମଧ୍ୟ ଅଧିକ ଭଲ କରିପାରିବ? ମାର୍କେଟ୍ ଏକ୍ସପର୍ଟ ସନ୍ଦୀପ ଜୈନଙ୍କ ଠାରୁ ବୁଝନ୍ତୁ ଯେ, ସେୟାର ବଜାରରେ AI ର ଭୂମିକା କେତେ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ ହେବାକୁ ଯାଉଛି।

ଆର୍ଟିଫିସିଆଲ୍ ଇଣ୍ଟେଲିଜେନ୍ସ ବା AI ସାରା ବିଶ୍ୱରେ କାମ କରିବାର ପଦ୍ଧତିକୁ ବଦଳାଇବା ଆରମ୍ଭ କରିଦେଇଛି। ଫାଇନାନ୍ସିଆଲ୍ ମାର୍କେଟ୍ ମଧ୍ୟ ଏଥିରୁ ବାଦ୍ ପଡ଼ିନାହିଁ। ସେୟାର ବଜାରରେ ପ୍ରତିଦିନ ବିପୁଳ ପରିମାଣର ଡାଟା ସାମ୍ନାକୁ ଆସିଥାଏ। କମ୍ପାନୀଗୁଡ଼ିକର ଆର୍ଥିକ ଫଳାଫଳ, ବାଲାନ୍ସ ସିଟ୍, ଲାଭ, ଋଣ, ଭାଲ୍ୟୁଏସନ୍, ସେୟାର ମୂଲ୍ୟର ଦୋଳନ ଏବଂ ବଜାରର ସେଣ୍ଟିମେଣ୍ଟ- ଏ ସବୁର ବିଶ୍ଳେଷଣ କରିବା ନିବେଶକ ଏବଂ ଆନାଲିଷ୍ଟମାନଙ୍କ ପାଇଁ ସବୁବେଳେ ଏକ ଚ୍ୟାଲେଞ୍ଜ ହୋଇ ରହିଆସିଛି। ଏବେ AI ଟୁଲ୍ସ ସାହାଯ୍ୟରେ ଏହି ଡାଟାକୁ ବୁଝିବା ଏବଂ ରିସର୍ଚ୍ଚ ପ୍ରକ୍ରିୟାକୁ ଦ୍ରୁତ କରିବାର ନୂଆ ରାସ୍ତା ଖୋଲୁଛି।

Kwala Intel ଭଳି AI-ପାୱାର୍ଡ ଷ୍ଟକ୍ ରିସର୍ଚ୍ଚ ପ୍ଲାଟଫର୍ମ ଏହି ପରିବର୍ତ୍ତନର ଏକ ଉଦାହରଣ। ଆମେରିକାର NYSE ଏବଂ Nasdaq ପାଇଁ ବିକଶିତ କରାଯାଇଥିବା ଏହି ପ୍ଲାଟଫର୍ମର ସୁବିଧା ଏବେ ଭାରତୀୟ ନିବେଶକମାନଙ୍କ ପାଇଁ ମଧ୍ୟ ଉପଲବ୍ଧ। ଏହି ଟୁଲ୍ସ ସାହାଯ୍ୟରେ ନିବେଶକମାନେ ଷ୍ଟକ୍ ମାର୍କେଟ୍ ସହିତ ଜଡ଼ିତ ପ୍ରଶ୍ନ ପଚାରିପାରିବେ, କମ୍ପାନୀଗୁଡ଼ିକ ବିଷୟରେ ସୂଚନା ସହଜରେ ବୁଝିପାରିବେ ଏବଂ ରିସର୍ଚ୍ଚ ସମୟରେ ସାମ୍ନାକୁ ଆସୁଥିବା ଅନ୍ୟ ପ୍ରଶ୍ନଗୁଡ଼ିକର ଯାଞ୍ଚ କରିପାରିବେ। ମୋ ନଜରରେ, ଫାଇନାନ୍ସିଆଲ୍ ମାର୍କେଟ୍‌ରେ AI ର ସବୁଠାରୁ ବଡ଼ ଭୂମିକା ହେଉଛି ରିସର୍ଚ୍ଚକୁ ଅଧିକ ବ୍ୟବସ୍ଥିତ କରିବା ଏବଂ ସମୟ ବଞ୍ଚାଇବା। କିନ୍ତୁ ଏହା ବୁଝିବା ମଧ୍ୟ ଜରୁରୀ ଯେ ଦ୍ରୁତ ଗତିରେ ଡାଟା ବିଶ୍ଳେଷଣ କରିବା ଏବଂ ବଜାରର ଗତିପଥର ସଠିକ୍ ଆକଳନ କରିବା ଦୁଇଟି ସମ୍ପୂର୍ଣ୍ଣ ଭିନ୍ନ କଥା।

ଷ୍ଟକ୍ ରିସର୍ଚ୍ଚରେ AI କାହିଁକି ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ ହେଉଛି?

କୌଣସି କମ୍ପାନୀର ସେୟାର କିଣିବା ପୂର୍ବରୁ କେବଳ ତାର ସେତେବେଳର ମୂଲ୍ୟ କିମ୍ବା ପୁରୁଣା ରିଟର୍ଣ୍ଣ ଦେଖିବା ଯଥେଷ୍ଟ ନୁହେଁ। ନିବେଶକଙ୍କୁ ଏହା ବୁଝିବାକୁ ପଡ଼ିବ ଯେ କମ୍ପାନୀର ବ୍ୟବସାୟ କେମିତି ଚାଲିଛି, ତାର ଆୟରେ କଣ ପରିବର୍ତ୍ତନ ଆସୁଛି, ଋଣ କେତେ ଅଛି, ଭାଲ୍ୟୁଏସନ୍ ଠିକ୍ ଅଛି କି ନାହିଁ ଏବଂ ଭବିଷ୍ୟତରେ ତା’ ସାମ୍ନାରେ କେଉଁ ସବୁ ସୁଯୋଗ ଓ ଜୋଖିମ୍ ରହିଛି।

ଏହିଭଳି ରିସର୍ଚ୍ଚ ପାଇଁ ଅନେକ ଉତ୍ସରୁ ସୂଚନା ସଂଗ୍ରହ କରିବାକୁ ପଡ଼ିଥାଏ। ତା’ପରେ ଭିନ୍ନ ଭିନ୍ନ ଆକଳନଗୁଡ଼ିକୁ ତୁଳନା କରି ସେଗୁଡ଼ିକ ଆଧାରରେ କମ୍ପାନୀର ସ୍ଥିତିକୁ ବୁଝିବାକୁ ହୋଇଥାଏ। ଯଦି କୌଣସି ନିବେଶକ ଏକ ସମୟରେ ଅନେକ ଗୁଡ଼ିଏ କମ୍ପାନୀ ଉପରେ ନଜର ରଖୁଛନ୍ତି, ତେବେ ଏହି କାମଟି ଆହୁରି ଅଧିକ ସମୟସାପେକ୍ଷ ହୋଇଯାଏ।

AI ଆଧାରିତ ଟୁଲ୍ସ ଏହି ପ୍ରକ୍ରିୟାର ଅନେକ ଅଂଶକୁ ସହଜ କରିପାରିବେ। ଡାଟାକୁ ବ୍ୟବସ୍ଥିତ କରିବା, ଆର୍ଥିକ ଆକଳନକୁ ବୁଝିବା, ଭିନ୍ନ ଭିନ୍ନ କମ୍ପାନୀଗୁଡ଼ିକ ମଧ୍ୟରେ ତୁଳନା କରିବା ଏବଂ ପୁରୁଣା ଟ୍ରେଣ୍ଡଗୁଡ଼ିକୁ ଚିହ୍ନଟ କରିବା- ଏହି ସବୁ କାମରେ AI ସାହାଯ୍ୟ କରିପାରିବ। ଏହାଦ୍ୱାରା ନିବେଶକଙ୍କୁ ପ୍ରାଥମିକ ସୂଚନା ସଂଗ୍ରହ କରିବାରେ କମ୍ ସମୟ ଲାଗିବ ଏବଂ ସେ ରିସର୍ଚ୍ଚର ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ ଦିଗଗୁଡ଼ିକ ଉପରେ ଅଧିକ ଧ୍ୟାନ ଦେଇପାରିବେ। ତେବେ, AI ରୁ ମିଳିଥିବା ଉତ୍ତରକୁ ବିନା ଯାଞ୍ଚରେ ଗ୍ରହଣ କରିବା ଠିକ୍ ତରିକା ନୁହେଁ। କୌଣସି ନିଷ୍କର୍ଷରେ ପହଞ୍ଚିବା ପୂର୍ବରୁ ଡାଟାର ବିଶ୍ୱସନୀୟତା, ତାର ପ୍ରସଙ୍ଗ ଏବଂ କମ୍ପାନୀ ସହିତ ଜଡ଼ିତ ପ୍ରକୃତ ପରିସ୍ଥିତିକୁ ବୁଝିବା ନିହାତି ଜରୁରୀ।

ଡାଟା ଆନାଲିସିସ୍‌ରୁ ପ୍ରାଇସ୍ ମୁଭମେଣ୍ଟ ପର୍ଯ୍ୟନ୍ତ, କେଉଁଠି ମିଳିପାରିବ ସାହାଯ୍ୟ?

ସେୟାର ବଜାରରେ ନିବେଶ ନିଷ୍ପତ୍ତି ନେବା ସମୟରେ ଫଣ୍ଡାମେଣ୍ଟାଲ୍ ଏବଂ ଟେକ୍ନିକାଲ୍, ଦୁଇ ପ୍ରକାରର ସୂଚନା ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ ହୋଇପାରେ। ଫଣ୍ଡାମେଣ୍ଟାଲ୍ ଆନାଲିସିସ୍‌ରେ କମ୍ପାନୀର ଆର୍ଥିକ ସ୍ଥିତି, ଆୟ, ଋଣ ଏବଂ ଭାଲ୍ୟୁଏସନ୍ ଭଳି ଦିଗଗୁଡ଼ିକୁ ଦେଖାଯାଏ। ସେହିପରି, ଟେକ୍ନିକାଲ୍ ଆନାଲିସିସ୍‌ରେ ମୂଲ୍ୟର ପୁରୁଣା ମୁଭମେଣ୍ଟ (ଉତାର-ଚଢ଼ାଅ), ଟ୍ରେଡିଂ ଭଲ୍ୟୁମ୍ ଏବଂ ଚାର୍ଟ ପ୍ୟାଟର୍ନର ଅଧ୍ୟୟନ କରାଯାଏ। AI ଟୁଲ୍ସ ଏହି ଦୁଇ ପ୍ରକାରର ବିଶ୍ଳେଷଣରେ ସହାୟତା କରିପାରିବେ। ଉଦାହରଣ ସ୍ୱରୂପ, କୌଣସି କମ୍ପାନୀର ଆର୍ଥିକ ପ୍ରଦର୍ଶନକୁ ବୁଝିବାକୁ ହେଉ କିମ୍ବା ଦୁଇଟି କମ୍ପାନୀର ଆକଳନକୁ ତୁଳନା କରିବାକୁ ହେଉ, AI ରିସର୍ଚ୍ଚର ଆରମ୍ଭକୁ ସହଜ କରିପାରିବ। ସେହିଭଳି, ହିଷ୍ଟୋରିକାଲ୍ ପ୍ରାଇସ୍ ମୁଭମେଣ୍ଟ ଏବଂ ଭଲ୍ୟୁମ୍ ସହିତ ଜଡ଼ିତ ପ୍ରଶ୍ନଗୁଡ଼ିକର ଯାଞ୍ଚ କରିବାରେ ମଧ୍ୟ ଏହାର ବ୍ୟବହାର କରାଯାଇପାରିବ।

ଏହା ବ୍ୟତୀତ, କୌଣସି ବଡ଼ କର୍ପୋରେଟ୍ ଘଟଣାକ୍ରମ ପୂର୍ବରୁ ଏବଂ ପରେ ସେୟାର ମୂଲ୍ୟରେ ହୋଇଥିବା ପରିବର୍ତ୍ତନକୁ ବୁଝିବା, କୌଣସି ନିର୍ଦ୍ଦିଷ୍ଟ ଅବଧିରେ ଷ୍ଟକ୍‌ର ଆଚରଣକୁ ଅଧ୍ୟୟନ କରିବା ଏବଂ ସମ୍ଭାବ୍ୟ ଜୋଖିମ୍ ଗୁଡ଼ିକୁ ଚିହ୍ନଟ କରିବା ମଧ୍ୟ ରିସର୍ଚ୍ଚର ଅଂଶ ଅଟେ। AI ଆଧାରିତ ଟୁଲ୍ସ ଏହି ସବୁ ଦିଗକୁ ବ୍ୟବସ୍ଥିତ ଢଙ୍ଗରେ ଦେଖିବାରେ ସାହାଯ୍ୟ କରିପାରିବେ। ଏଠାରେ ଗୋଟିଏ କଥା ଧ୍ୟାନରେ ରଖିବାକୁ ହେବ। ଡାଟାର ପରିମାଣ ବଢ଼ିଗଲେ ନିଜେ ନିଜେ ସଠିକ୍ ନିଷ୍କର୍ଷ ବାହାରେ ନାହିଁ। ଆକଳନଗୁଡ଼ିକର ପ୍ରସଙ୍ଗ ବୁଝିବା ଏବଂ ନିବେଶ ନିଷ୍ପତ୍ତି ପାଇଁ କେଉଁ ସୂଚନା ପ୍ରକୃତରେ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ, ତାହା ଚିହ୍ନଟ କରିବା ଆବଶ୍ୟକ।

କଣ AI ବଜାରର ପରବର୍ତ୍ତୀ ଗତିର ଆକଳନ କରିପାରିବ?

ଏହି ପ୍ରଶ୍ନଟି ନିବେଶକମାନଙ୍କ ପାଇଁ ସବୁଠାରୁ ଅଧିକ ଆକର୍ଷଣୀୟ। AI ମଡେଲଗୁଡ଼ିକ ଉପଲବ୍ଧ ଡାଟା ମଧ୍ୟରେ ପ୍ୟାଟର୍ନ ଖୋଜିପାରିବେ ଏବଂ ସମ୍ଭାବ୍ୟ ଟ୍ରେଣ୍ଡ୍, ମୋମେଣ୍ଟମ୍‌ରେ ପରିବର୍ତ୍ତନ କିମ୍ବା ସାମ୍ନାକୁ ଆସୁଥିବା ଜୋଖିମ୍ ସହିତ ଜଡ଼ିତ ସଂକେତ ଦେଇପାରିବେ। ଏହାଦ୍ୱାରା ନିବେଶକଙ୍କୁ ବଜାରର ପରିସ୍ଥିତିକୁ ବୁଝିବା ଏବଂ ବିଭିନ୍ନ ସମ୍ଭାବନା ଉପରେ ବିଚାର କରିବାରେ ସାହାଯ୍ୟ ମିଳିପାରିବ। କିନ୍ତୁ ସେୟାର ବଜାର କେବଳ ସଂଖ୍ୟା ବା ଆକଳନ ଆଧାରରେ ଚାଲେ ନାହିଁ। କମ୍ପାନୀଗୁଡ଼ିକର ଅପ୍ରତ୍ୟାଶିତ ଫଳାଫଳ, ସରକାରଙ୍କ ନୀତିଗତ ନିଷ୍ପତ୍ତି, ବୈଶ୍ୱିକ ଘଟଣାକ୍ରମ, ସୁଧ ହାରରେ ପରିବର୍ତ୍ତନ ଏବଂ ନିବେଶକମାନଙ୍କ ସେଣ୍ଟିମେଣ୍ଟରେ ହଠାତ୍ ଆସୁଥିବା ବଦଳ ବଜାରର ଦିଗକୁ ପ୍ରଭାବିତ କରିପାରେ। ଏଭଳି ପରିସ୍ଥିତିରେ ପୂର୍ବର ପ୍ୟାଟର୍ନ କିମ୍ବା ଉପଲବ୍ଧ ଡାଟା ଉପରେ ଆଧାରିତ ଆକଳନ ଭୁଲ୍ ସାବ୍ୟସ୍ତ ହୋଇପାରେ। ତେଣୁ AI କୁ ବଜାରର ଭବିଷ୍ୟତ କହୁଥିବା ଏକ ମେସିନ୍ ଭାବେ ଦେଖିବା ଠିକ୍ ହେବନାହିଁ। ଏହାର ଉପଯୋଗିତା ସମ୍ଭାବ୍ୟ ପରିସ୍ଥିତିକୁ ବୁଝିବା, ରିସର୍ଚ୍ଚ ପାଇଁ ସଂକେତ ହାସଲ କରିବା ଏବଂ ଜୋଖିମ୍ ଉପରେ ଧ୍ୟାନ ଦେବାରେ ରହିଛି। AI ରୁ ମିଳିଥିବା କୌଣସି ସଂକେତକୁ ନିବେଶର ଶେଷ ଆଧାର କରିବା ବଦଳରେ ତାକୁ ଅନ୍ୟ ଜରୁରୀ ତଥ୍ୟ ସହିତ ପରଖିବା ଉଚିତ୍।

ରିଟେଲ୍ ନିବେଶକଙ୍କ ପାଇଁ ମଧ୍ୟ ଖୋଲୁଛି ନୂଆ ରାସ୍ତା

AI ର ବ୍ୟବହାର ପୂର୍ବରୁ ବଡ଼ ବଡ଼ ସଂସ୍ଥାଗତ ନିବେଶକ, ରିସର୍ଚ୍ଚ ଟିମ୍ ଏବଂ ବ୍ରୋକରେଜ୍ ହାଉସଗୁଡ଼ିକର କାମରେ ଅଧିକ ଦେଖିବାକୁ ମିଳୁଥିଲା। କିନ୍ତୁ ଏବେ ରିଟେଲ୍ ନିବେଶକମାନଙ୍କ ପାଇଁ ମଧ୍ୟ ଏଭଳି ଟୁଲ୍ସ ଉପଲବ୍ଧ, ଯାହା ସାହାଯ୍ୟରେ ସେମାନେ ନିଜର ରିସର୍ଚ୍ଚକୁ ବ୍ୟବସ୍ଥିତ କରିପାରିବେ। Kwala Intel ଭଳି ପ୍ଲାଟଫର୍ମରେ ନିବେଶକମାନେ କୌଣସି କମ୍ପାନୀ କିମ୍ବା ସେୟାର ବିଷୟରେ ପ୍ରଶ୍ନ ଲେଖି ପଚାରିପାରିବେ କିମ୍ବା ଉପଲବ୍ଧ ମାଇକ୍ରୋଫୋନ୍ ବିକଳ୍ପ ସାହାଯ୍ୟରେ କହି ମଧ୍ୟ ପ୍ରଶ୍ନ କରିପାରିବେ। ଉତ୍ତର ମିଳିବା ପରେ ସେମାନେ ତା’ ସହିତ ଜଡ଼ିତ ଫଲୋ-ଅପ୍ ପ୍ରଶ୍ନ ମଧ୍ୟ ପଚାରିପାରିବେ। ଏହାଦ୍ୱାରା ସେହି ଲୋକମାନଙ୍କୁ ସାହାଯ୍ୟ ମିଳିପାରିବ, ଯେଉଁମାନେ ଷ୍ଟକ୍ ମାର୍କେଟକୁ ସହଜ ଭାଷାରେ ବୁଝିବାକୁ ଚାହାନ୍ତି କିମ୍ବା କୌଣସି କମ୍ପାନୀର ରିସର୍ଚ୍ଚ ଆରମ୍ଭ କରିବା ପାଇଁ ଏକ ଦିଗ ଖୋଜୁଛନ୍ତି। ଉଦାହରଣ ସ୍ୱରୂପ, ନିବେଶକ କୌଣସି ଷ୍ଟକ୍‌ର ଫାଇନାନ୍ସିଆଲ୍ ପ୍ରଦର୍ଶନ, ଭାଲ୍ୟୁଏସନ୍, ଗ୍ରୋଥ୍ କିମ୍ବା ଜୋଖିମ୍ ବିଷୟରେ ପ୍ରଶ୍ନ କରିପାରିବେ। ଦୁଇଟି କମ୍ପାନୀ ମଧ୍ୟରେ ତୁଳନା କରିବାକୁ ହେଲେ, ସେମାନଙ୍କ ପ୍ରଦର୍ଶନ ଏବଂ ସମ୍ପର୍କିତ ଦିଗଗୁଡ଼ିକୁ ବୁଝିବା ପାଇଁ ମଧ୍ୟ AI ର ସାହାଯ୍ୟ ନିଆଯାଇପାରିବ। ଏହିଭଳି ଟୁଲ୍ସର ଫାଇଦା ହେଉଛି ନିବେଶକ ନିଜ ଆବଶ୍ୟକତା ଅନୁସାରେ ପ୍ରଶ୍ନ ପଚାରି ରିସର୍ଚ୍ଚକୁ ଆଗକୁ ବଢ଼ାଇପାରିବେ। ତାଙ୍କୁ ପ୍ରତିଥର ବୈଷୟିକ ବା ଜଟିଳ ଭାଷାରେ ପ୍ରଶ୍ନ ପଚାରିବା ଜରୁରୀ ହୋଇନଥାଏ। ତଥାପି, AI ରୁ ମିଳିଥିବା ସୂଚନାକୁ କମ୍ପାନୀର ଆଧିକାରିକ ଦଲିଲ୍ ଏବଂ ଅନ୍ୟାନ୍ୟ ବିଶ୍ୱସନୀୟ ଉତ୍ସରୁ ଯାଞ୍ଚ କରିବା ଆବଶ୍ୟକ। ମୋ ବିଚାରରେ, ରିଟେଲ୍ ନିବେଶକମାନଙ୍କ ପାଇଁ AI ର ଏହି ବ୍ୟବହାର ବିଶେଷ ଭାବରେ ଉପଯୋଗୀ ହୋଇପାରେ, କାରଣ ଏହାଦ୍ୱାରା ରିସର୍ଚ୍ଚ ଆରମ୍ଭ କରିବା ସହଜ ହୋଇଥାଏ। କିନ୍ତୁ କୌଣସି ପ୍ଲାଟଫର୍ମର ବ୍ୟବହାର କରିବା ଏବଂ ତା’ ଆଧାରରେ ନିବେଶର ନିଷ୍ପତ୍ତି ନେବା ଦୁଇଟି ଅଲଗା କଥା।

AI ଯୁଗରେ ମଧ୍ୟ ହ୍ୟୁମାନ ଇଣ୍ଟେଲିଜେନ୍ସ କାହିଁକି ଜରୁରୀ?

ଫାଇନାନ୍ସିଆଲ୍ ମାର୍କେଟ୍‌ରେ ପ୍ରତ୍ୟେକ ନିଷ୍ପତ୍ତି କେବଳ ଡାଟା ଆଧାରରେ ନିଆଯାଇପାରିବ ନାହିଁ। ଏକା କମ୍ପାନୀକୁ ନେଇ ଦୁଇଜଣ ନିବେଶକଙ୍କ ନଜରିଆ ଭିନ୍ନ ହୋଇପାରେ, କାରଣ ସେମାନଙ୍କର ନିବେଶ ଅବଧି, ଆର୍ଥିକ ସ୍ଥିତି ଏବଂ ଜୋଖିମ୍ ନେବାର କ୍ଷମତା ଅଲଗା ଅଲଗା ହୋଇଥାଏ। ଉଦାହରଣ ସ୍ୱରୂପ, ଯଦି କୌଣସି ନିବେଶକଙ୍କୁ ଆସନ୍ତା କିଛି ମାସ ମଧ୍ୟରେ ପଇସାର ଆବଶ୍ୟକତା ଅଛି, ତେବେ ତାଙ୍କ ପାଇଁ ଜୋଖିମ୍ ପୂର୍ଣ୍ଣ ସେୟାରରେ ନିବେଶ କରିବା ଉଚିତ୍ ହେବନାହିଁ। ସେହିପରି, ଦୀର୍ଘକାଳୀନ ନିବେଶକଙ୍କ ନଜରିଆ ସମ୍ପୂର୍ଣ୍ଣ ଭିନ୍ନ ହୋଇପାରେ। AI କୌଣସି କମ୍ପାନୀ ବିଷୟରେ ସୂଚନା ସଂଗ୍ରହ କରିବାରେ ଏବଂ ତାର ସମ୍ଭାବ୍ୟ ଜୋଖିମକୁ ବୁଝିବାରେ ସାହାଯ୍ୟ କରିପାରେ, କିନ୍ତୁ ନିବେଶକଙ୍କୁ ନିଜର ଆର୍ଥିକ ଆବଶ୍ୟକତା ଏବଂ ଲକ୍ଷ୍ୟକୁ ମଧ୍ୟ ଧ୍ୟାନରେ ରଖିବାକୁ ହେବ। ସେଥିପାଇଁ AI କୁ ମାନବ ସମଝ ବା ବୁଦ୍ଧିର ବିକଳ୍ପ ନୁହେଁ, ବରଂ ତାର ସହଯୋଗୀ ମାନିବା ଉଚିତ୍। AI ସାହାଯ୍ୟରେ ରିସର୍ଚ୍ଚ ଦ୍ରୁତ ହୋଇପାରେ, କିନ୍ତୁ ନିବେଶ ନିଷ୍ପତ୍ତି ନେବା ସମୟରେ ଅନୁଶାସନ, ଅନୁଭବ, ଜୋଖିମ୍‌ର ବୁଝାମଣା ଏବଂ ସ୍ୱାଧୀନ ଚିନ୍ତାଧାରା ଜରୁରୀ ହୋଇ ରହିଥାଏ। ଆଉ ଏକ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ ଦିଗ ହେଉଛି ଯେ AI ଟୁଲ୍ସରୁ ମିଳୁଥିବା ଉତ୍ତରର ଗୁଣବତ୍ତା ଉପଲବ୍ଧ ଡାଟା, ମଡେଲର ସୀମା ଏବଂ ପଚରାଯାଇଥିବା ପ୍ରଶ୍ନ ଉପରେ ନିର୍ଭର କରେ। ଭୁଲ୍ କିମ୍ବା ଅଧୁରା ସୂଚନା ଆଧାରରେ କରାଯାଇଥିବା ବିଶ୍ଳେଷଣ ମଧ୍ୟ ଭୁଲ୍ ନିଷ୍କର୍ଷରେ ପହଞ୍ଚାଇପାରେ। ତେଣୁ ନିବେଶକଙ୍କୁ ଜରୁରୀ ତଥ୍ୟଗୁଡ଼ିକର ସତ୍ୟତା ଯାଞ୍ଚ କରିବା ଉଚିତ୍ ଏବଂ କେବଳ AI ଭରସାରେ ନିବେଶ କରିବା ଉଚିତ୍ ନୁହେଁ।

ଫାଇନାନ୍ସିଆଲ୍ ମାର୍କେଟ୍‌ରେ AI ର ଭବିଷ୍ୟତ କଣ ହେବ?

ଆଗାମୀ ସମୟରେ ଫାଇନାନ୍ସିଆଲ୍ ମାର୍କେଟ୍‌ରେ AI ର ବ୍ୟବହାର ଆହୁରି ବଢ଼ିବାର ସମ୍ଭାବନା ରହିଛି। ରିସର୍ଚ୍ଚ ୱର୍କଫ୍ଲୋକୁ ଅଟୋମେଟ୍ କରିବା, ଷ୍ଟକ୍ ସହିତ ଜଡ଼ିତ ପରିବର୍ତ୍ତନଗୁଡ଼ିକ ଉପରେ ନଜର ରଖିବା, ଡାଟାକୁ ବୁଝିବା ଏବଂ ସମ୍ଭାବ୍ୟ ଜୋଖିମ୍ ବିଷୟରେ ସଂକେତ ପାଇବାରେ AI ଆଧାରିତ ପ୍ଲାଟଫର୍ମଗୁଡ଼ିକର ଭୂମିକା ବୃଦ୍ଧି ପାଇପାରେ। ନିବେଶକମାନଙ୍କ ପାଇଁ ସବୁଠାରୁ ବଡ଼ ପରିବର୍ତ୍ତନ ଏହା ହୋଇପାରେ ଯେ, ଜଟିଳ ସୂଚନା ପର୍ଯ୍ୟନ୍ତ ପହଞ୍ଚିବା ଏବଂ ତାକୁ ବୁଝିବା ପ୍ରକ୍ରିୟା ପୂର୍ବ ଅପେକ୍ଷା ସହଜ ହୋଇଯିବ। କିନ୍ତୁ ପ୍ରଯୁକ୍ତିବିଦ୍ୟା ବା ଟେକ୍ନୋଲୋଜିର ଉପଲବ୍ଧତାର ଅର୍ଥ ଏହା ନୁହେଁ ଯେ ନିବେଶ କରିବା ଜୋଖିମ୍-ମୁକ୍ତ ହୋଇଯିବ। ବଜାରରେ ଅନିଶ୍ଚିତତା ସବୁବେଳେ ରହିଥାଏ ଏବଂ କୌଣସି ବି ପ୍ରଯୁକ୍ତିବିଦ୍ୟାରୁ ଲାଭର ଗ୍ୟାରେଣ୍ଟି ମିଳିନଥାଏ।

ମୋ ନଜରରେ, AI ର ସଠିକ୍ ବ୍ୟବହାର ସେତିକିବେଳେ ହେବ ଯେତେବେଳେ ଏହା ନିବେଶକଙ୍କୁ ଅଧିକ ଭଲ ପ୍ରଶ୍ନ ପଚାରିବାରେ, ଅଧିକ ବ୍ୟବସ୍ଥିତ ଭାବେ ରିସର୍ଚ୍ଚ କରିବାରେ ଏବଂ ନିଜ ନିଷ୍ପତ୍ତି ପଛରେ ଥିବା ତଥ୍ୟଗୁଡ଼ିକୁ ବୁଝିବାରେ ସାହାଯ୍ୟ କରିବ। ଯେଉଁ ନିବେଶକମାନେ ପ୍ରଯୁକ୍ତିବିଦ୍ୟା ବା ଟେକ୍ନୋଲୋଜିର ବ୍ୟବହାର କରିବା ସହିତ ନିଜର ବୁଝାମଣା ଏବଂ ଜୋଖିମ୍ ପରିଚାଳନା ଉପରେ ମଧ୍ୟ ଧ୍ୟାନ ଦେବେ, ସେମାନେ ଏହାର ଅଧିକ ଭଲ ଉପଯୋଗ କରିପାରିବେ।ଯଦି ଆପଣ ମଧ୍ୟ ଷ୍ଟକ୍ ମାର୍କେଟ୍‌ରେ ନିବେଶ କରୁଛନ୍ତି ଏବଂ AI ସାହାଯ୍ୟରେ ନିଜର ରିସର୍ଚ୍ଚକୁ ସହଜ କରିବାକୁ ଚାହୁଁଛନ୍ତି, ତେବେ ଆପଣ Kwala Intel ର ବ୍ୟବହାର କରି ଦେଖିପାରିବେ। ଏହା ମାଧ୍ୟମରେ ଷ୍ଟକ୍ ମାର୍କେଟ୍ ସହିତ ଜଡ଼ିତ ପ୍ରଶ୍ନ ପଚାରନ୍ତୁ, ଉତ୍ତରଗୁଡ଼ିକୁ ବୁଝନ୍ତୁ ଏବଂ ଆବଶ୍ୟକତା ଅନୁଯାୟୀ ଆଗକୁ ନିଜର ରିସର୍ଚ୍ଚ ଜାରି ରଖନ୍ତୁ।

Kwala Intel ରେ ନିଜର AI ଷ୍ଟକ୍ ରିସର୍ଚ୍ଚ ଆରମ୍ଭ କରନ୍ତୁ: https://kwalaintel.com/in/
ଅନଲିମିଟେଡ୍ AI ଷ୍ଟକ୍ ରିସର୍ଚ୍ଚ ମାତ୍ର ୧୯୯ ଟଙ୍କା ପ୍ରତି ମାସରେ।

(Disclaimer: ଏହି ଲେଖାଟି ଟ୍ରେଡ୍‌ସୁଇଫ୍ଟ ବ୍ରୋକିଂର କୋ-ଫାଉଣ୍ଡର ଏବଂ ମାର୍କେଟ୍ ଏକ୍ସପର୍ଟ ସନ୍ଦୀପ ଜୈନଙ୍କ ବିଚାର ଉପରେ ଆଧାରିତ। AI ଆଧାରିତ ଟୁଲ୍ସରୁ ମିଳୁଥିବା ସୂଚନା ନିବେଶର କୌଣସି ଗ୍ୟାରେଣ୍ଟି କିମ୍ବା ବ୍ୟକ୍ତିଗତ ନିବେଶ ପରାମର୍ଶ ନୁହେଁ। ନିବେଶ କରିବା ପୂର୍ବରୁ ନିଜେ ଭଲଭାବେ ରିସର୍ଚ୍ଚ କରନ୍ତୁ ଏବଂ ଆବଶ୍ୟକ ପଡ଼ିଲେ ଜଣେ ଯୋଗ୍ୟ ଆର୍ଥିକ ପରାମର୍ଶଦାତାଙ୍କଠାରୁ ପରାମର୍ଶ ନିଅନ୍ତୁ।)