Non dovremmo essere sorpresi dal fatto che l'intelligenza artificiale (IA) in media sia migliore degli analisti azionari nella previsione dei guadagni. Oppure che le strategie basate su regole offrano in media una consulenza finanziaria migliore rispetto a un banchiere personale. Già prima dei recenti progressi nell'IA generativa, esistevano vantaggi comprovati nell'investire in modo sistematico. Sebbene tali tecniche possano non individuare le rare azioni di punta o i punti di svolta del mercato che producono rendimenti superiori alla media, hanno comunque dimostrato il loro valore.

Gli sviluppi dell'IA mostrano tuttavia che possiamo andare oltre le raccomandazioni basate su regole. Macroeconomia, contabilità e statistica sono i tre pilastri dell'investimento. I grandi modelli linguistici ottengono punteggi eccellenti negli esami avanzati di queste materie. Inoltre, sappiamo che i LLM possono riassumere molto più contesto e saggezza collettiva rispetto a un essere umano, il che può essere molto utile per le strategie macroeconomiche. Quindi, se l'IA può aiutare nelle decisioni finanziarie, perché gli analisti o i gestori di portafoglio trovano così difficile accettare questo cambiamento?

Ecco alcuni indizi nel lavoro dello scienziato dei dati César Hidalgo su come le persone giudicano le macchine. Quando utilizziamo un programma, ci concentriamo sulle prestazioni dello strumento. Qualsiasi errore di previsione di questo programma farà perdere fiducia al nostro professionista finanziario. Nella maggior parte dei casi, non importa se l'algoritmo è in media migliore dell'uomo. Il nostro consulente finanziario si affiderà alla sua intuizione e alla sua esperienza.

Hidalgos ricerca mostra che valutiamo in modo diverso la consulenza umana. Guardiamo oltre le performance e consideriamo le intenzioni della persona che ci consiglia. Quando ci affidiamo a un banchiere privato o diamo i nostri soldi a un gestore di fondi, assumiamo una corrispondenza con i nostri obiettivi, specialmente se il contratto prevede commissioni basate sulle performance. Includendo queste intenzioni nella nostra equazione mentale, siamo più tolleranti nei confronti di un rendimento scarso.

L'assistenza umana può quindi fallire più spesso e viene comunque considerata preziosa, specialmente quando c'è una storia che spiega il risultato. Con le parole di Hidalgo, ci aspettiamo razionalità dalle macchine e umanità dalle persone.

Ci opponiamo anche all'acquisizione di informazioni che contraddicono la nostra esperienza. In esperimenti con radiologi che utilizzavano l'AI, non era chiaro come integrassero le opinioni dell'algoritmo nelle loro predizioni. Il lavoro impiegava più tempo e l'efficacia della diagnostica combinata era discutibile.

Se questo vale per i radiologi, deve essere ancora più difficile per chi lavora nei mercati finanziari. La macrostrategia potrebbe essere l'area più difficile in cui integrare l'intelligenza artificiale. Innanzitutto, perché il mercato, come il tempo, non è stazionario, il che significa che non reagirà mai esattamente allo stesso modo, ad esempio, ai dati sull'inflazione o sull'occupazione, per non parlare di un possibile ritorno di Donald Trump alla Casa Bianca. Inoltre, ogni stratega ha forti convinzioni iniziali – o una "identità" come sempre ottimista o pessimista – che influenzano il suo giudizio. È molto difficile sfuggire alle narrazioni che i clienti si aspettano da lui.

Infine, desideriamo il controllo. C'è una differenza radicale tra un modello creato con un foglio di calcolo dai dati disponibili e, ad esempio, ChatGPT. Basandoci sulla nostra esperienza e intuizione, decidiamo la forma e i componenti del primo, ma non del secondo. E nella maggior parte dei casi, non sappiamo nemmeno come l'LLM sia arrivato a una determinata risposta. Pertanto, è comprensibile che il nostro consulente finanziario si senta a disagio ad utilizzare una previsione che non è la sua.

Es gibt einige Überlegungen, die man in Betracht ziehen sollte. Wir sollten Menschen erlauben, einige Parameter des Modells anzupassen. Mit anderen Worten, wir müssen den Fachleuten erlauben, die KI-Empfehlungen so anzunehmen, als wären sie ihre eigenen. Im besten Fall kann das Modell verbessert werden, wenn der Experte Kontext hinzufügt, der dem Modell möglicherweise nicht zugänglich ist. Das könnten private Umstände des Kunden oder andere schwer quantifizierbare Faktoren und Einschränkungen sein. Alternativ könnten wir einen Performance-Einbruch akzeptieren, wenn dadurch mehr Menschen die Erkenntnisse wegen des menschlichen Touches akzeptieren. Dies könnte ein vernünftiger Kompromiss in Bereichen wie der Vermögensverwaltungsberatung sein.

Ci sono alcune considerazioni da tenere presente. Dovremmo permettere alle persone di modificare alcuni parametri del modello. In altre parole, dobbiamo permettere agli esperti di accettare le raccomandazioni dell'IA come se fossero le proprie. Nel migliore dei casi, il modello può essere migliorato se l'esperto aggiunge un contesto che potrebbe non essere accessibile al modello. Questi potrebbero essere circostanze private del cliente o altri fattori e vincoli difficili da quantificare. In alternativa, potremmo accettare un calo delle prestazioni se ciò portasse più persone ad accettare le conclusioni grazie al tocco umano. Questo potrebbe essere un compromesso ragionevole in aree come la consulenza nella gestione patrimoniale.

Infine, dobbiamo cercare di rendere l'intelligenza artificiale più comprensibile. Questa è una legittima aspettativa, poiché i requisiti di verifica e conformità stanno crescendo. Inoltre, alcuni dei modelli più avanzati integrano la logica della "Catena di Pensiero", che codifica il sapere esperto in un modello grezzo. In questo modo, non vediamo solo miglioramenti nelle prestazioni, ma abbiamo anche alcune regole affidabili per la maggior parte degli esperti. Nessuno vuole sembrare un robot stupido che ripete solo il consiglio di una Scatola Nera. Fiducia e giudizio sono caratteristiche fondamentali in una relazione con il cliente. Alla fine, ci aspettiamo che le persone rimangano umane.