Kita tidak perlu terkejut bahwa kecerdasan buatan (AI) pada umumnya lebih baik daripada analis saham dalam memprediksi keuntungan. Atau bahwa strategi berbasis aturan pada umumnya memberikan nasihat keuangan yang lebih baik daripada seorang bankir pribadi. Bahkan sebelum kemajuan terbaru dalam AI generatif, ada manfaat yang terbukti dari berinvestasi secara sistematis. Meski teknik-teknik seperti itu mungkin tidak menemukan saham unggulan langka atau titik balik pasar yang membawa imbal hasil di atas rata-rata, mereka tetap memiliki nilai yang terbukti.
Kemajuan AI menunjukkan bahwa kita dapat melampaui rekomendasi berbasis aturan. Makroekonomi, akuntansi, dan statistik adalah tiga pilar investasi. Model bahasa besar mencapai nilai tertinggi dalam ujian lanjutan bidang-bidang ini. Selain itu, kita tahu bahwa LLM dapat merangkum lebih banyak konteks dan kebijaksanaan kolektif dibandingkan dengan manusia, yang bisa sangat berguna untuk strategi makroekonomi. Jadi, jika AI dapat membantu dalam keputusan keuangan, mengapa sulit bagi analis atau manajer portofolio untuk menerima perubahan ini?
Beberapa petunjuk dapat kita temukan dalam karya ilmuwan data César Hidalgo tentang bagaimana manusia menilai mesin. Ketika kita menggunakan sebuah program, kita fokus pada kinerja alat tersebut. Setiap kesalahan prediksi dari program ini akan menyebabkan profesional keuangan kita kehilangan kepercayaan. Dalam kebanyakan kasus, tidak masalah apakah algoritma rata-rata lebih baik dari manusia. Konsultan keuangan kita akan mengandalkan intuisi dan pengalamannya.
Penelitian Hidalgo menunjukkan bahwa kita menilai nasihat manusia secara berbeda. Kita melihat melampaui kinerja dan mempertimbangkan niat orang yang memberi kita nasihat. Ketika kita berhubungan dengan seorang banker pribadi atau mempercayakan uang kita kepada manajer dana, kita mengasumsikan adanya keselarasan dengan tujuan kita, terutama jika dalam perjanjiannya terdapat biaya berdasarkan kinerja. Jika kita memasukkan niat tersebut ke dalam perhitungan mental kita, kita lebih toleran terhadap hasil yang buruk.
Konsultasi Manusiawi Bisa Lebih Sering Gagal namun Tetap Dianggap Berharga, Terutama Ketika Ada Penjelasan di Balik Hasilnya. Dalam Kata-kata Hidalgo, Kita Mengharapkan Rasionalitas dari Mesin dan Kemanusiaan dari Manusia.
Kami juga menolak menerima informasi yang bertentangan dengan pengalaman kami. Dalam percobaan dengan ahli radiologi yang menggunakan AI, tidak jelas bagaimana mereka menggabungkan pandangan algoritma ke dalam prediksi mereka. Pekerjaan memakan waktu lebih lama dan efektivitas diagnostik gabungan dipertanyakan.
Jika itu berlaku untuk ahli radiologi, maka pasti lebih sulit bagi mereka yang bekerja di pasar keuangan. Strategi makro bisa menjadi bidang yang paling sulit untuk diintegrasikan dengan AI. Pertama, karena pasar, seperti cuaca, tidak stasioner, yang berarti bahwa pasar tidak akan pernah bereaksi secara sama persis terhadap misalnya, data inflasi atau pekerjaan, apalagi terhadap kemungkinan kembalinya Donald Trump ke Gedung Putih. Selain itu, setiap ahli strategi memiliki keyakinan awal yang kuat – atau "identitas" sebagai orang yang selalu optimis atau pesimis – yang mempengaruhi penilaiannya. Sangat sulit untuk melepaskan diri dari narasi yang diharapkan oleh pelanggan.
Terakhir, kita merindukan kontrol. Ada perbedaan radikal antara model yang dibuat dengan spreadsheet dari data yang tersedia dan, misalnya, ChatGPT. Berdasarkan pengalaman dan intuisi kita, kita memutuskan bentuk dan komponen yang pertama, tetapi tidak yang terakhir. Dan dalam banyak kasus, kita bahkan tidak tahu bagaimana LLM mencapai jawaban tertentu. Oleh karena itu, dapat dimengerti bahwa penasihat keuangan kita merasa tidak nyaman menggunakan prediksi yang bukan miliknya.
Ada beberapa pertimbangan yang perlu dipertimbangkan. Kita harus mengizinkan orang untuk menyesuaikan beberapa parameter model. Dengan kata lain, kita harus mengizinkan para ahli untuk menerima rekomendasi AI seolah-olah itu adalah milik mereka sendiri. Dalam kondisi terbaik, model dapat ditingkatkan ketika ahli menambahkan konteks yang mungkin tidak dapat diakses oleh model. Ini bisa berupa keadaan pribadi klien atau faktor dan batasan lain yang sulit diukur. Sebaliknya, kita bisa menerima penurunan kinerja jika itu membuat lebih banyak orang menerima wawasan karena sentuhan manusia. Ini bisa menjadi kompromi yang masuk akal di bidang seperti konsultasi manajemen kekayaan.
Akhirnya, kita harus mencoba membuat AI lebih mudah dipahami. Ini adalah harapan yang wajar karena tuntutan untuk pengujian dan kepatuhan semakin meningkat. Selain itu, beberapa model terdepan mengintegrasikan logika "Rantai Pemikiran" yang mengkodekan pengetahuan ahli ke dalam model mentah. Dengan cara ini, kita tidak hanya melihat peningkatan kinerja, tetapi juga memiliki beberapa aturan yang dapat dipercaya oleh sebagian besar ahli. Tidak ada yang ingin terlihat seperti robot bodoh yang hanya mengulangi nasihat dari Kotak Hitam. Kepercayaan dan kebijaksanaan adalah ciri-ciri penting dalam hubungan pelanggan. Pada akhirnya, kita mengharapkan bahwa manusia tetap menjadi manusia.
