لا ينبغي أن نتفاجأ أن الذكاء الاصطناعي (AI) يتفوق في المتوسط على محللي الأسهم في التنبؤ بالأرباح. أو أن الاستراتيجيات القائمة على القواعد تقدم في المتوسط نصائح مالية أفضل من المصرفيين الشخصيين. حتى قبل التقدمات الأخيرة في الذكاء الاصطناعي التوليدي، كانت هناك فوائد مثبتة للاستثمار المنهجي. في حين أن هذه التقنيات قد لا تعثر على الأسهم النادرة الأعلى أداءً أو نقاط التحول في السوق التي تحقق عوائد فوق المتوسط، إلا أنها لا تزال ذات قيمة مثبتة.

تطورات الذكاء الاصطناعي تُظهر أننا قادرون على تجاوز التوصيات المعتمدة على القواعد. الاقتصاد الكلي، المحاسبة والإحصاءات هي الأعمدة الثلاثة للاستثمار. النماذج اللغوية الكبيرة تحقق نتائج متقدمة في اختبارات هذه المواد. بالإضافة إلى ذلك، نعلم أن هذه النماذج قادرة على تلخيص المزيد من السياق والحكمة الجماعية أكثر من الإنسان، مما يمكن أن يكون مفيداً جداً للإستراتيجيات الاقتصادية الكلية. لذا، إذا كان الذكاء الاصطناعي يمكن أن يساعد في اتخاذ القرارات المالية، فلماذا يجد المحللون أو مدراء المحافظ صعوبة في قبول هذا التغيير؟

بعض التلميحات نجدها في عمل عالم البيانات سيزار هيدالغو حول كيفية تقييم الناس للآلات. عندما نستخدم برنامجًا، نركز على أداء الأداة. أي خطأ في التنبؤ من هذا البرنامج سيؤدي إلى فقدان ثقة خبرائنا الماليين. في معظم الحالات، لا يهم إذا كان الخوارزم في المتوسط أفضل من الإنسان. مستشارنا المالي سيعتمد على حدسه وخبرته.

يكشف بحث هيدالجو أننا نحكم على المشورة البشرية بطريقة مختلفة. نحن ننظر إلى ما وراء الأداء ونأخذ في الاعتبار نوايا الشخص الذي يقدم لنا المشورة. عندما نتعامل مع مصرفي خاص أو نثق بأموالنا لمدير صندوق، نفترض وجود توافق مع أهدافنا، خصوصاً إذا كان العقد يحتوي على رسوم تعتمد على الأداء. عندما ندمج هذه النوايا في معادلتنا العقلية، نصبح أكثر تسامحاً مع العائد السيء.

البشرية يمكن أن تفشل في الاستشارة بشكل متكرر ومع ذلك تعتبر ذات قيمة، خاصة إذا كانت هناك قصة تشرح النتيجة. وفقاً لكلمات هيدالغو، نتوقع من الآلات الرشادة ومن البشر الإنسانية.

نحن نرفض أيضًا تلقي المعلومات التي تتعارض مع تجربتنا. في التجارب التي أجريت مع أطباء الأشعة الذين استخدموا الذكاء الاصطناعي، لم يكن من الواضح كيف أدخلوا وجهات نظر الخوارزمية في توقعاتهم. استغرق العمل وقتًا أطول وكانت فعالية التشخيص المشترك مشكوكاً فيها.

إذا كان ذلك صحيحاً بالنسبة لأطباء الأشعة، فلا بد أن يكون أشد صعوبة لكل من يعمل في الأسواق المالية. قد يكون وضع الإستراتيجية الكلية أصعب مجال لدمج الذكاء الاصطناعي. أولاً، لأن السوق، مثل الطقس، غير ثابت، مما يعني أنه لن يتفاعل أبداً بنفس الطريقة مع البيانات، مثل بيانات التضخم أو التوظيف، ناهيك عن العودة المحتملة لدونالد ترامب إلى البيت الأبيض. علاوة على ذلك، لكل مستشار استراتيجي قناعات ثابتة في البداية – أو "هوية" تميزه كمتفائل دائمًا أو متشائم دائمًا – وهذه القناعات تؤثر على حكمه. من الصعب جداً الهروب من القصص التي يتوقعها العملاء منك.

أخيراً، نحن نتوق إلى السيطرة. هناك فرق جذري بين نموذج يتم إنشاؤه باستخدام جدول بيانات من البيانات المتاحة، وبين نموذج مثل ChatGPT. بناءً على تجربتنا وحدسنا نقرر شكل ومكونات النموذج الأول، لكن ليس النموذج الثاني. وفي معظم الحالات نحن لا نعرف حتى كيف وصل نموذج اللغة الكبيرة إلى إجابة معينة. لذلك فمن المفهوم أن يشعر مستشارنا المالي بعدم الارتياح لاستخدام توقع ليس من إعداده.

بعض الاعتبارات التي يجب أخذها بعين الاعتبار

أخيرًا، يجب أن نحاول جعل الذكاء الاصطناعي أكثر وضوحًا.