Prognoza Barclays dotycząca handlu obligacjami z wykorzystaniem AI ostrzega przed zmiennością

Barclays spodziewa się, że wdrażanie AI pomoże zwiększyć udział handlu elektronicznego do 65% wolumenu amerykańskich obligacji inwestycyjnych, jednocześnie ostrzegając, że zsynchronizowane decyzje zagrażają stabilności rynku. Prognoza Barclays dotycząca handlu obligacjami z wykorzystaniem AI dotyczy obligacji inwestycyjnych, czyli długu korporacyjnego ocenianego jako relatywnie mniej zagrożony niewypłacalnością. Co kluczowe, ten udział handlu elektronicznego nie mierzy, jaką część obrotu będą kontrolować autonomiczni agenci AI.

Według relacji Bloomberga z 26 października przewidywany wzrost rozpoczyna się od obecnych 45% i będzie następował w kolejnych latach. Rozróżnienie ma znaczenie, ponieważ elektroniczna realizacja, zautomatyzowana realizacja i autonomiczne podejmowanie decyzji opisują różne poziomy zaangażowania maszyn. Trader może zatwierdzić zlecenie, które następnie zostaje elektronicznie zrealizowane przez oprogramowanie.

Główne napięcie dotyczy relacji między większą efektywnością pojedynczych biur tradingowych a rynkiem coraz bardziej narażonym na podobne zautomatyzowane reakcje. MarketAxess już oferuje zautomatyzowaną realizację, a wspierane przez Broadridge LTX wprowadziło możliwości agentowe w BondGPT. Te rozwiązania konkretyzują ostrzeżenie, lecz nie dowodzą, że AI już wywołała zakłócenie na rynku obligacji.

Co faktycznie mierzy prognoza Barclays dotycząca handlu obligacjami z wykorzystaniem AI

Główna liczba opisuje możliwe rozszerzenie handlu elektronicznego, a nie potwierdzone przejęcie rynku przez autonomicznych agentów.

Relacja Bloomberga o elektronicznym handlu obligacjami przypisuje prognozę Barclays. Informuje również o przewidywaniu, że handel elektroniczny długiem wysokodochodowym, czyli obligacjami obarczonymi większym ryzykiem niewypłacalności, podwoi się do 50%. Są to prognozy, a nie zaobserwowane rezultaty ani ogłoszone cele wdrożeniowe.

Relacja przedstawia wdrażanie jako stopniowe. Wczesne zastosowania obejmują gromadzenie informacji, analizę dokumentów i wsparcie decyzji przed transakcją. Opisuje też utrzymujące się zaangażowanie ludzi, w tym oczekiwanie Michaela Robertsa, szefa bankowości korporacyjnej i instytucjonalnej HSBC, że doświadczeni traderzy pozostaną zaangażowani.

Takie ujęcie zmienia sposób, w jaki czytelnicy powinni interpretować tę historię. Wzrost aktywności elektronicznej może nastąpić bez porównywalnego zwiększenia swobody decyzyjnej delegowanej AI. Kanał komunikacji wykorzystywany przy transakcji nie wskazuje, kto podjął decyzję o jej zawarciu.

Rozważmy hipotetycznego zarządzającego inwestycjami, który zatwierdza sprzedaż obligacji po przeanalizowaniu wyników spółki. Oprogramowanie może rozesłać zapytanie, zebrać odpowiedzi i zarejestrować transakcję. Handel staje się elektroniczny, mimo że to człowiek dokonał oceny inwestycyjnej.

Bardziej zautomatyzowany układ pozwala oprogramowaniu wybierać spośród odpowiedzi w granicach wcześniej zatwierdzonych limitów. Układ oparty na agentach dodaje oprogramowanie, które realizuje delegowane zadanie w kilku krokach. Każdy z tych układów rodzi inne pytania dotyczące uprawnień, nadzoru i odpowiedzialności.

Łączenie ich pod określeniem „boty” ukrywa te różnice. Może sprawiać, że istniejąca automatyzacja brzmi jak nowa autonomia. Może też zacierać rzeczywiście istotne zmiany, gdy oprogramowanie zyskuje uprawnienie do przejścia od analizy do działania.

Prognoza Barclays dotycząca handlu obligacjami z wykorzystaniem AI wymaga zatem oddzielnych ocen struktury rynku i możliwości systemu. Większa aktywność może przenieść się na platformy elektroniczne, podczas gdy uprawnienia pozostaną ściśle ograniczone. Z drugiej strony relatywnie niewielkie wdrożenie może wiązać się ze znacznym ryzykiem, jeśli jego uprawnienia są szerokie.

Znaczenie ma też właściwy mianownik. Procent wolumenu handlu mierzy aktywność, a nie liczbę firm korzystających z agentów ani ich niezależność operacyjną. Nie może ustalić, jak często traderzy interweniują, odrzucają rekomendacje lub zastępują proponowane działania własnymi decyzjami.

Dla czytelników śledzących wdrażanie AI jest to problem pomiaru o praktycznych konsekwencjach. Twierdzenia dotyczące udziału w rynku powinny określać, jaka aktywność jest liczona. Twierdzenia dotyczące autonomii powinny wskazywać, jakie decyzje oprogramowanie może podejmować bez ponownego zatwierdzenia.

Dlatego prognoza zasługuje na uwagę, ale nie powinna być traktowana jako zakończona transformacja. Wskazuje na większy rynek elektroniczny. To, czy rynek ten stanie się również bardziej zależny od osądu agentów, pozostaje odrębnym pytaniem.

Biura tradingowe odczuwają presję, by delegować zadania bez utraty odpowiedzialności

Bezpośrednia presja dotyczy firm decydujących, jakie zadania może wykonywać oprogramowanie i kto pozostaje odpowiedzialny za jego działania.

Dla biura tradingowego delegowanie tworzy trudną granicę. Przeszukiwanie dokumentów ma inne konsekwencje niż złożenie zlecenia. Użyteczny asystent może stać się systemem o istotnym znaczeniu operacyjnym, gdy zyskuje dostęp do narzędzi realizacji transakcji.

Narzędzie realizacji wysyła lub finalizuje instrukcje handlowe. Połączenie systemu AI z takim narzędziem zmienia znaczenie jego wyników. Niedokładną sugestię można odrzucić; niedokładna instrukcja mogła już zmienić ekspozycję firmy.

Ta różnica wyjaśnia, dlaczego produktywność i odpowiedzialność należą do tej samej dyskusji. Biuro oceniające agenta powinno odróżniać zaoszczędzony czas od przekazanych uprawnień. Korzyść z szybszej analizy nie rozstrzyga, czy automatyczna realizacja jest odpowiednia.

Wyobraźmy sobie hipotetycznego tradera analizującego kilka obligacji wyemitowanych przez tę samą spółkę. Asystent wskazuje kandydata, który pozornie odpowiada instrukcjom tradera. Przed podjęciem działania system musi ustalić, czy wskazany papier wartościowy jest zamierzonym instrumentem.

Podobne nazwy nie wystarczają. Różne obligacje mogą mieć odmienne terminy zapadalności, warunki umowne i warunki handlu. Płynne wyjaśnienie nie rozwiązuje problemu niedopasowania instrumentu, a prawidłowa identyfikacja spółki nie gwarantuje prawidłowej transakcji.

Twórcy budujący takie systemy stają przed odpowiadającym temu wyzwaniem projektowym. Muszą wyrazić intencję użytkownika w uprawnieniach, które zachowują znaczenie poza rozmową. Prośba o znalezienie okazji nie powinna po cichu stawać się upoważnieniem do zawierania transakcji.

Praktyczne pytanie brzmi, gdzie system się zatrzymuje. Czy przedstawia krótką listę, przygotowuje instrukcję, prosi o zatwierdzenie czy składa zlecenie? Te granice określają, jakich dowodów potrzebuje nabywca przed rozszerzeniem wdrożenia.

Menedżerowie muszą również zdefiniować rolę osoby dokonującej przeglądu. Osoba zatwierdzająca rekomendację potrzebuje dostępu do informacji, które ją uzasadniają. W przeciwnym razie zatwierdzenie może grozić przekształceniem się w rytuał, a nie niezależny osąd.

Tworzy to presję na zakupy i wewnętrzną ocenę. Demonstracje powinny pokazywać zarówno udaną realizację, jak i właściwą odmowę działania. System, który wstrzymuje się, gdy dowody są niepełne, może być bardziej odpowiedni niż taki, który zawsze udziela odpowiedzi.

Ostrożności wymagają także konsekwencje kadrowe. Automatyzacja zadania nie dowodzi likwidacji stanowiska. Nadzór, obsługa wyjątków i dochodzenia mogą wymagać innych umiejętności niż pierwotny proces ręczny.

Dla nabywców korporacyjnej AI poza finansami związek jest bezpośredni. Asystent staje się trudniejszy do oceny, gdy może zmieniać rejestry, autoryzować transakcje lub uruchamiać zewnętrzne przepływy pracy. Ważną specyfikacją produktu staje się jego dozwolone zachowanie.

To samo rozumowanie dotyczy pracy opartej na wiedzy. Zespoły potrzebują możliwych do odszukania rejestrów instrukcji, dowodów i decyzji. Przeszukiwalna baza wiedzy wspiera tę pracę dokumentacyjną, choć nie zastępuje kontroli realizacji.

Reakcja organizacyjna powinna zatem wynikać z delegowanego zadania. Należy przypisać odpowiedzialność za zatwierdzanie uprawnień, przegląd wyjątków i badanie rezultatów. Nazwanie oprogramowania agentem nie odpowiada na żadne z tych pytań.

BondGPT i MarketAxess pokazują, dokąd zmierza delegowanie zadań

Opublikowane produkty wskazują na przejście w stronę połączonych przepływów pracy, pozostawiając jednak istotne różnice między automatyzacją a uprawnieniami agentów.

16 czerwca 2026 r. Broadridge ogłosił nowe możliwości agentowe dla BondGPT należącego do LTX. Jego agentowe przepływy pracy w handlu pozwalają użytkownikom definiować warunki rynkowe i powiązane działania. Broadridge twierdzi, że działania te obejmują przygotowywanie instrukcji handlowych oraz uruchamianie lub realizowanie transakcji.

Spółka opisuje również wymogi zatwierdzania, limity wielkości i zakresu transakcji, wyjaśnienia oraz rejestry działań. Są to oświadczenia dostawcy dotyczące funkcjonalności produktu i kontroli. Nie dowodzą one niezależnie jakości realizacji ani odporności podczas napięć rynkowych.

MarketAxess opisuje powiązane, lecz odrębne podejście poprzez zautomatyzowaną realizację transakcji obligacyjnych. Produkty Auto-X obsługują zautomatyzowane zapytania, odpowiedzi i kierowanie zleceń między metodami handlu. Spółka podaje, że Adaptive Auto-X wykorzystuje sygnały uczenia maszynowego, czyli wzorce wyuczone z danych, do wyboru ścieżek realizacji.

Te oferty zapewniają użyteczne porównanie, nie wskazując zwycięzcy. Ogłoszenie BondGPT podkreśla definiowanych przez użytkownika agentów łączących warunki z działaniami. MarketAxess podkreśla automatyzację realizacji zarządzaną regułami tradera i wspieraną przez dane.

Porównanie wyjaśnia też, o co nabywcy powinni prosić dostawców podczas demonstracji. Interfejs konwersacyjny może ułatwiać wyrażanie instrukcji. Sam w sobie nie dowodzi, że wynikające z niego instrukcje są kompletne, jednoznaczne lub odpowiednie do realizacji.

Załóżmy, że użytkownik mówi agentowi, aby działał, gdy obligacja stanie się atrakcyjna względem podobnych papierów wartościowych. „Atrakcyjna” wymaga mierzalnej interpretacji. „Podobne” wymaga zdefiniowanego zbioru porównawczego, a instrukcja potrzebuje warunku wygaśnięcia lub przeglądu.

Ten hipotetyczny przykład ujawnia obciążenie wdrożeniowe stojące za atrakcyjnym interfejsem. System musi przełożyć otwartą prośbę na ograniczone zachowanie. Każda nierozwiązana niejednoznaczność powinna pozostać widoczna dla osoby autoryzującej zadanie.

Zapytanie ofertowe, czyli RFQ, prosi potencjalnych kontrahentów o przedstawienie warunków handlu. Uruchomienie takiego zapytania różni się od zaakceptowania odpowiedzi. Agent może mieć uprawnienie do pierwszego działania, a drugie może wymagać zatwierdzenia.

To rozdzielenie umożliwia stopniowe delegowanie. Firma może oceniać wyszukiwanie, przygotowanie i realizację jako odrębne możliwości. Może też zachować różne kontrole na każdej granicy, zamiast zatwierdzać cały przepływ pracy jednocześnie.

Najmocniejsze dowody dotyczące produktu łączyłyby deklarowaną możliwość z obserwowalnymi rezultatami. Nabywcy powinni pytać, co system próbował zrobić, co ukończył i dlaczego się zatrzymał. Sama ukończona transakcja niewiele mówi o odrzuconych alternatywach lub wysiłku nadzorczym.

Porównanie powinno również unikać mylenia wyjaśnienia z weryfikacją. System może jasno opisywać działanie, opierając się na nieprawidłowych informacjach. Wyjaśnienie staje się użyteczne, gdy osoba dokonująca przeglądu może połączyć je z możliwymi do zidentyfikowania danymi wejściowymi i egzekwowalnymi uprawnieniami.

Ogłoszenia produktów potwierdzają, że delegowane przepływy pracy w handlu są czymś więcej niż spekulacyjną koncepcją. Nie dowodzą, jak szeroko te przepływy działają bez interwencji. To rozróżnienie powinno pozostać widoczne, gdy twierdzenia dotyczące wdrażania stają się coraz ambitniejsze.

W przypadku prognozy Barclays dotyczącej handlu obligacjami z wykorzystaniem AI produkty te oferują wiarygodną drogę do większej aktywności elektronicznej. Ich istnienie wspiera kierunek zmian. Rzeczywiste wyniki operacyjne zdecydują, na ile ten kierunek zasługuje na zaufanie.

Szybsze indywidualne decyzje mogą tworzyć bardziej kruchy rynek

Kluczowy kompromis polega na tym, że lokalnie racjonalne decyzje mogą destabilizować rynek, gdy wiele systemów podejmuje je jednocześnie.

Ostrzeżenie Barclays dotyczy agentów reagujących podobnie na wspólne informacje. Szerszym mechanizmem jest korelacja, czyli skłonność decyzji lub ruchów rynkowych do występowania równocześnie. Szybsza realizacja może skupić takie zbieżne reakcje w krótszym czasie.

Rada Stabilności Finansowej wskazała na podatności finansowe związane z AI w listopadzie 2024 r. Jej ocena uwypukliła korelacje rynkowe, koncentrację dostawców usług, ryzyka cybernetyczne oraz słabości dotyczące modeli, danych i zarządzania. Wezwano także do lepszego monitorowania i oceny istniejących ram nadzoru.

Ocena Reserve Bank of Australia z września 2024 r. podobnie analizowała korelacje rynkowe związane z AI. Ostrzegano, że wspólni dostawcy, modele i dane mogą ograniczać różnorodność zachowań rynkowych. Oceny te wskazują potencjalne podatności, a nie dowodzą konkretnego incydentu handlowego.

Hipotetyczny przykład ilustruje tę obawę. Kilka firm otrzymuje tę samą niekorzystną informację o spółce. Ich systemy interpretują ją jako powód do ograniczenia ekspozycji i niemal jednoczesnego poszukiwania kupujących.

Każda decyzja może być zgodna z instrukcjami danej firmy. Zbiorowy rezultat nadal zależy jednak od tego, czy inni uczestnicy chcą zająć przeciwną pozycję. Oprogramowanie może przyspieszyć poszukiwanie kupujących, ale nie tworzy chętnych kupujących.

Płynność oznacza możliwość przeprowadzenia transakcji bez powodowania nadmiernej zmiany ceny. Różni się zatem od szybkości składania zleceń. Szybki interfejs może przekazać instrukcję na rynek, na którym akceptowalni kontrahenci wciąż są nieliczni.

Sprzężenie zwrotne staje się bardziej złożone, jeśli systemy reagują także na wynikający z tego ruch cen. Początkowe dostosowanie może stać się nowym sygnałem dla kolejnych decyzji. Jest to możliwy mechanizm wzmacniający, a nie dowód, że taka sekwencja miała tu miejsce.

Różne marki modeli niekoniecznie eliminują tę obawę. Systemy mogą otrzymywać te same informacje i działać przy podobnych ograniczeniach inwestycyjnych. Różnorodność oprogramowania należy zatem odróżniać od różnorodności zachowań.

Możliwy jest także przeciwny rezultat. Niektóre systemy mogą otrzymać instrukcje, by szukać okazji, gdy inne się wycofują. Szybsza analiza może wspierać bardziej zróżnicowane decyzje, jeśli firmy stosują odmienne cele i tolerują różny poziom ekspozycji.

Dlatego AI nie należy traktować jako z natury destabilizującej. Istotne zmienne obejmują uprawnienia, bodźce, dane wejściowe i dostępność kontrahentów. Wpływ na rynek zależy od tego, jak te elementy ze sobą oddziałują.

Omówienie efektywności rynkowej AI przez Międzynarodowy Fundusz Walutowy przedstawia ten sam ogólny kompromis. Opisuje potencjalną poprawę płynności i zarządzania ryzykiem, a zarazem szybszy, bardziej skorelowany handel w okresach stresu. Ocena ta uzasadnia kontrolę, a nie przewidywanie, że zakłócenia są nieuniknione.

Wniosek analityczny jest taki, że kontrola na poziomie firmy i odporność na poziomie rynku odpowiadają na różne pytania. Firma może skutecznie egzekwować własne limity, jednocześnie działając w tym samym kierunku co jej konkurenci. Zgodność z lokalnymi instrukcjami nie gwarantuje stabilnego wyniku zbiorowego.

Ostrzeżenie Barclays dotyczące handlu obligacjami z użyciem AI jest najbardziej użyteczne, gdy odczytuje się je przez pryzmat tego rozróżnienia. Stawia pytanie, czy większa efektywność zmienia również sposób rozprzestrzeniania się stresu. Odpowiedź wymaga dowodów dotyczących zachowania w trudnych warunkach, a nie jedynie rutynowej przepustowości.

Luka weryfikacyjna wykracza poza wskaźnik 65%

Ani udział rynku elektronicznego, ani opis kontroli dostawcy nie określają, jak agent zachowa się pod presją.

Dostępne dowody pozostawiają kilka nierozstrzygniętych granic. Prognoza Barclays, w przedstawionej formie, nie podaje zmierzonego udziału autonomicznych decyzji. Opisy produktów wyjaśniają zamierzoną funkcjonalność, podczas gdy oceny regulacyjne opisują możliwe kanały ryzyka.

Są to użyteczne źródła odpowiadające na różne pytania. Ich połączenie nie dowodzi, że agenci już dominują w handlu obligacjami. Nie przesądza też, że przyszły wzrost aktywności elektronicznej spowoduje określony poziom zmienności.

Jedno z brakujących rozróżnień dotyczy pracy rozpoczętej i zakończonej. System może przygotowywać wiele rekomendacji, podczas gdy ludzie zatwierdzają stosunkowo niewiele z nich. Łączne liczenie rekomendacji, złożonych zleceń i zrealizowanych transakcji ukrywałoby, jak duży zakres uprawnień pozostawał po stronie osób dokonujących przeglądu.

Kolejna kwestia dotyczy sytuacji, w których mierzy się wyniki. Przepływ pracy oceniany w uporządkowanych warunkach niekoniecznie zetknął się ze sprzecznymi informacjami lub niedostępnymi usługami. Nabywcy powinni pytać, jakie warunki faktycznie obejmują dowody.

Testy warunków skrajnych, oceniające zachowanie w niekorzystnych warunkach, mogą pomóc ujawnić te granice. Znaczące ćwiczenie powinno badać, czy system rozpoznaje brakujące informacje i respektuje swoje ograniczenia. Pomyślne ukończenie nie zawsze jest właściwym rezultatem.

Rozważmy hipotetycznego agenta, który traci dostęp do wymaganego źródła danych. Ważnym zachowaniem może być zatrzymanie działania, a nie zastąpienie go niezatwierdzonym źródłem. Nieprzerwany przepływ pracy może wyglądać na efektywny, jednocześnie naruszając założenia leżące u podstaw jego upoważnienia.

Nadzór człowieka wymaga równie szczegółowej oceny. Osoba może formalnie pozostawać odpowiedzialna, otrzymując jednocześnie zbyt mało informacji, by zakwestionować działanie. Istotnym testem jest to, czy może ona zrozumieć, przerwać i zbadać przepływ pracy.

Ścieżka audytu, czyli zapis danych wejściowych i działań, wspiera dochodzenie po zdarzeniu. Nie dowodzi, że dane działanie było wcześniej właściwe. Firmy potrzebują zarówno użytecznej historii, jak i zasad ograniczających zachowanie przed realizacją.

Niezależne dowody pomogłyby także oddzielić możliwości produktu od twierdzeń handlowych. Przydatne ujawnienia wyjaśniałyby zadanie, uprawnienia, zaobserwowany wynik oraz ograniczenia oceny. Ogólne opisy wdrożenia nie mogą zastąpić tych szczegółów.

Równie mylące byłoby przypisywanie każdego przyszłego zakłócenia rynkowego AI. Wiadomości o spółkach, warunki finansowania i zmiany preferencji inwestorów mogą wpływać na obligacje. Ustalenie wkładu agenta wymaga dowodów łączących jego działania z zaobserwowanym wynikiem.

Sceptyczne stanowisko jest zatem konkretne, a nie lekceważące. Przepływy pracy agentów istnieją, a prognozowana ekspansja elektroniczna ma wiarygodną ścieżkę technologiczną. Skala ich niezależnego wkładu i zachowanie pod presją pozostają otwartymi pytaniami empirycznymi.

Dla czytelników oceniających tę historię luka weryfikacyjna powinna kierować uwagę. Przed interpretacją znaczenia należy zapytać, co zmierzono. Prognoza staje się bardziej informatywna, gdy późniejsze ujawnienia zachowują te same definicje.

Co obserwować w kolejnym cyklu raportowania

Kolejne użyteczne dowody rozróżnią wdrożenie, delegowane uprawnienia i wyniki, gdy zwykłe warunki handlu się pogorszą.

Po pierwsze, warto obserwować, jak banki i platformy handlowe opisują wdrożenie w swoich kolejnych ujawnieniach. Użyteczne rozróżnienie dotyczy wolumenu elektronicznego, zautomatyzowanej realizacji i działań kierowanych przez agentów. Raportowanie ich osobno ułatwiłoby ocenę postępów względem prognozy.

Wzrost wolumenu elektronicznego wspierałby prognozę dotyczącą struktury rynku. Stanowiłby słabszy dowód autonomicznego wdrożenia, jeśli nie towarzyszyłyby mu szczegóły dotyczące uprawnień decyzyjnych. Jaśniejszy podział wzmocniłby tę historię, nawet gdyby udział autonomiczny pozostawał skromny.

Po drugie, warto obserwować, czy dostawcy produktów i klienci ujawniają znaczące granice operacyjne. Ważne informacje obejmują wymogi zatwierdzania, dozwolone działania i okoliczności wywołujące interwencję. Nabywcy potrzebują także dowodów na to, jak te granice działają, gdy warunki się zmieniają.

Przykłady pokazujące właściwe przerwanie działania wzmocniłyby zaufanie do kontrolowanego delegowania uprawnień. Twierdzenia ograniczone do dostępności lub udanych demonstracji pozostawiłyby centralne pytanie o niezawodność bez odpowiedzi. Rozszerzanie uprawnień bez jaśniejszych dowodów zwiększałoby znaczenie tej luki.

Po trzecie, warto obserwować, jak uczestnicy rynku i organy nadzoru badają okresy nietypowych warunków handlowych. Użyteczna analiza łączyłaby zautomatyzowane zachowanie z wynikami realizacji i interwencją człowieka. Powinna odróżniać faktyczny wkład agenta od jednoczesnych ruchów rynkowych.

Dowody, że różne systemy zachowały zróżnicowane zachowanie, osłabiłyby najsilniejszą wersję obawy przed stadnością. Dowody wspólnych reakcji wzmacniających presję wzmocniłyby ją. Każde z tych ustaleń byłoby cenniejsze niż traktowanie każdego ruchu cenowego jako potwierdzenia.

Sygnały te należy odczytywać łącznie. Wdrożenie bez niezawodnych mechanizmów kontroli rodziłoby inne obawy niż ograniczone wdrożenie z mocnymi dowodami operacyjnymi. Większy udział elektroniczny może odnieść sukces komercyjny, wciąż wymagając starannego zbadania zachowania zbiorowego.

Prognoza Barclays dotycząca handlu obligacjami z użyciem AI daje czytelnikom konkretne twierdzenie, do którego można wrócić. Jej wartość zależy od zachowania sposobu pomiaru zawartego w prognozie. Kolejne ujawnienia powinny ułatwiać zrozumienie rynku, zamiast zamieniać każdą formę automatyzacji w tę samą statystykę.

Śledź kolejne ujawnienia banków i platform handlowych, pamiętając o tych rozróżnieniach. Szukaj jasnego opisu tego, o czym decyduje oprogramowanie, co zatwierdzają ludzie i co dzieje się, gdy informacje stają się niewiarygodne. Porównuj deklarowaną produktywność z dowodami kontrolowanego zachowania, w tym decyzji o wstrzymaniu działania. Utrzymuj prognozę 65% w odniesieniu do wolumenu handlu elektronicznego, chyba że nowe dowody ustanowią inną miarę. Deweloperzy i nabywcy korporacyjni powinni stosować ten sam standard przy ocenie agentów w innych przepływach pracy. Użyteczność asystenta zależy od jego dostępu do informacji; delegowane uprawnienia wymagają dodatkowych dowodów dotyczących uprawnień i wyników. W miarę rozwoju tego rynku, które firmy zapewnią wystarczająco dużo szczegółów, by wykazać, że ich agenci pozostają niezawodni, gdy działanie staje się trudniejsze?