אנחנו לא צריכים להיות מופתעים מכך שהבינה המלאכותית (AI) עולה בממוצע על אנליסטים של מניות בתחזית של רווחים. או שגישות המבוססות על כללים נותנות בממוצע ייעוץ פיננסי טוב יותר מאשר יועץ בנקאי אישי. אפילו לפני ההתפתחויות המתקדמות האחרונות בבינה המלאכותית היצירתית, היו כבר יתרונות מוכחים להשקעה שיטתית. למרות ששיטות כאלה אולי לא מוצאות את המניות הנדירות ביותר או את נקודות המפנה בשוק שמניבות תשואות מעל לממוצע, עדיין יש להן ערך מוכח.
התפתחויות הבינה המלאכותית מראות שאנו יכולים לעלות מעבר להמלצות מבוססות כללים. מקרוכלכלה, חשבונאות וסטטיסטיקה הם שלושת עמודי התווך של ההשקעה. מודלים שפתיים גדולים מגיעים לערכי שיא במבחנים מתקדמים של תחומים אלו. בנוסף, ידוע לנו כי מודלים שפתיים גדולים (LLMs) מסוגלים לסכם הרבה יותר הקשר וחוכמה קולקטיבית מאשר אדם, מה שיכול להיות מועיל מאוד לאסטרטגיות מקרוכלכליות. אם כן, אם הבינה המלאכותית יכולה לסייע בהחלטות פיננסיות, מדוע כל כך קשה לאנליסטים או למנהלי תיקים לקבל את השינוי הזה?
כמה רמזים אפשר למצוא בעבודתו של מדען הנתונים סזאר הידלגו על איך אנשים שופטים מכונות. כשאנחנו משתמשים בתוכנה, אנחנו מתמקדים בביצועיה. כל טעות חיזוי של התוכנה תפחית את האמון של אנשי המקצוע הפיננסיים שלנו. ברוב המקרים, זה לא משנה אם האלגוריתם טוב יותר מהמומחה האנושי בממוצע; היועץ שלנו יסתמך על ניסיונו ותחושתו האישית.
המחקר של אידלגו מראה שאנו מעריכים ייעוץ אנושי בצורה שונה. אנו מסתכלים מעבר לביצועים ומתחשבים בכוונות של האדם שמייעץ לנו. כאשר אנחנו מתקשרים עם בנקאי פרטי או מפקידים את כספנו בידי מנהל קרנות, אנו מניחים התאמה עם המטרות שלנו, במיוחד אם החוזה כולל עמלות התלויות בביצועים. כאשר אנו מביאים את הכוונות הללו בחשבון המנטאלי שלנו, אנו סבלניים יותר כלפי תשואה נמוכה.
הייעוץ האנושי יכול אפוא להיכשל לעתים קרובות יותר ועדיין להיחשב כבעל ערך, במיוחד כאשר יש סיפור שמסביר את התוצאה. במילותיו של דלגו: מצפים ממכונות לרציונליות ומבני אדם לאנושיות.
אנו מתנגדים גם לקליטת מידע הסותר את ניסיוננו. בניסויים עם רדיולוגים שהשתמשו בבינה מלאכותית, לא היה ברור כיצד שילבו את עמדות האלגוריתם בניבוי שלהם. העבודה ארכה יותר והיעילות של הדיאגנוסטיקה המשולבת הייתה מוטלת בספק.
אם זה נכון לגבי רדיולוגים, אז זה חייב להיות קשה אף יותר עבור כל מי שעובד בשווקים הפיננסיים. אסטרטגיית המאקרו עשויה להיות התחום הקשה ביותר לשילוב בינה מלאכותית. קודם כל, מכיוון שהשוק, כמו מזג האוויר, הוא לא סטטי, וזה אומר שהוא אף פעם לא יגיב בדיוק אותו הדבר למשל לנתוני אינפלציה או תעסוקה, שלא לדבר על חזרתו האפשרית של דונלד טראמפ לבית הלבן. בנוסף לכך, לכל אסטרטג יש דעות מוצא חזקות – או "זהות" של אופטימיסט או פסימיסט קבוע – שמשפיעות על שיפוטו. מאוד קשה לברוח מהנרטיבים שהלקוחות מצפים ממך.
לבסוף, אנו משתוקקים לשליטה. ישנו הבדל רדיקלי בין מודל שנוצר עם גיליון אלקטרוני על בסיס נתונים זמינים לבין לדוגמה ChatGPT. על סמך ניסיון ואינטואיציה שלנו אנו מחליטים על הצורה והמרכיבים של הראשון, אך לא של האחרון. וברוב המקרים אפילו לא יודעים איך ה-LLM הגיע לתשובה מסוימת. לכן ניתן להבין למה היועץ הפיננסי שלנו מרגיש אי נוחות להשתמש בתחזית שלא שלו.
ישנם כמה שיקולים שכדאי לקחת בחשבון. עלינו לאפשר לאנשים להתאים כמה פרמטרים של המודל. במילים אחרות, עלינו לאפשר לאנשי המקצוע לקבל את המלצות ה-AI כאילו היו שלהם. במצב הטוב ביותר, המודל יכול להשתפר כאשר המומחה מוסיף הקשר שאינו נגיש למודל. אלו יכולים להיות נסיבות פרטיות של הלקוח או גורמים ומגבלות אחרים שקשה לכמת. לחלופין, נוכל לקבל ירידה בביצועים אם יותר אנשים יקבלו את התובנות בגלל המגע האנושי. זה עשוי להיות פשרה הגיונית בתחומים כמו ייעוץ ניהול הון.
לבסוף, עלינו לנסות להפוך את ה-AI ליותר מובן. זו חיזוק מוצדק כי הדרישות לבדיקה ולעמידה בתנאים הולכות וגדלות. בנוסף, כמה מהמודלים המובילים משלבים "לוגיקת שרשרת מחשבה", שמקודדת את הידע המומחה במודל הגולמי. בדרך זו, לא רק שאנו רואים שיפורים בביצועים, אלא שיש לנו גם כללים מסוימים שמומחים רבים יכולים לסמוך עליהם. אף אחד לא רוצה להיראות כמו רובוט טיפש שחוזר רק על העצה של קופסה שחורה. אמון ושיקול דעת הם מאפיינים קריטיים במערכת יחסים עם לקוח. לבסוף, אנו מצפים שאנשים יישארו אנושיים.
