Mums nevajadzētu pārsteigt, ka mākslīgais intelekts (MI) vidēji labāk prognozē peļņu nekā akciju analītiķi. Vai arī ka uz noteikumiem balstītas stratēģijas vidēji piedāvā labāku finanšu konsultāciju nekā personīgais baņķieris. Jau pirms nesenajiem sasniegumiem ģeneratīvajā MI bija pierādītas priekšrocības sistemātiskai ieguldīšanai. Lai arī šādas tehnikas varbūt neatrod retais "top" akcijas vai tirgus pagrieziena punktus, kas atnes virs vidējo peļņu, tām tomēr ir pierādīta vērtība.

KI attīstība tomēr rāda, ka mēs varam iet tālāk par noteikumu balstītiem ieteikumiem. Makroekonomika, grāmatvedība un statistika ir trīs investīciju pīlāri. Lielie valodas modeļi gūst augstus rezultātus šo priekšmetu padziļinātos eksāmenos. Turklāt mēs zinām, ka LLM spēj apkopot daudz vairāk konteksta un kolektīvās gudrības nekā cilvēks, kas var būt ļoti noderīgi makroekonomiskajām stratēģijām. Tāpēc, ja KI var palīdzēt finanšu lēmumos, kāpēc analītiķiem vai portfeļa pārvaldītājiem ir tik grūti pieņemt šīs pārmaiņas?

Daži norādījumi ir atrodami datu zinātnieka Sēsara Hidalga darbā par to, kā cilvēki vērtē mašīnas. Kad mēs izmantojam programmu, mēs koncentrējamies uz rīka veiktspēju. Jebkura šīs programmas prognozēšanas kļūda liks mūsu finanšu speciālistam zaudēt uzticību. Vairumā gadījumu nav svarīgi, vai algoritms vidēji ir labāks par cilvēku. Mūsu finanšu konsultants paļausies uz savu intuīciju un pieredzi.

Hidalgosa pētījumi rāda, ka mēs cilvēku konsultācijas vērtējam citādi. Mēs skatāmies tālāk par sniegumu un ņemam vērā personas nodomus, kas mūs konsultē. Kad mēs iesaistāmies ar privātbankieri vai uzticam savu naudu fondu pārvaldniekam, mēs pieņemam, ka viņu mērķi saskan ar mūsu mērķiem, īpaši, ja līgumā ir iekļautas maksas, kas atkarīgas no snieguma. Iekļaujot šos nodomus mūsu garīgajā vienādojumā, mēs esam toleranti pret sliktu atdevi.

Cilvēciskās konsultācijas var biežāk neizdoties, tomēr tās tiek uzskatītas par vērtīgām, jo īpaši, ja ir stāsts, kas izskaidro rezultātu. Hidalgas vārdiem sakot, mēs no mašīnām sagaidām racionalitāti, bet no cilvēkiem cilvēcību.

Mēs arī pretojamies informācijas uzņemšanai, kas ir pretrunā ar mūsu pieredzi. Eksperimentos ar radiologiem, kuri izmantoja mākslīgo intelektu, nebija skaidrs, kā viņi savās prognozēs iekļāva algoritma skatījumus. Darbs aizņēma ilgāku laiku, un kombinētās diagnostikas efektivitāte bija apšaubāma.

Ja tas attiecas uz radiologiem, tad tiem, kas strādā finanšu tirgos, tas droši vien ir vēl grūtāk. Makrostratēģija varētu būt vissarežģītākā joma, kurā ieviest mākslīgo intelektu. Pirmkārt tāpēc, ka tirgus, līdzīgi kā laika apstākļi, nav stacionārs, kas nozīmē, ka tas nekad nereaģēs uz, piemēram, inflācijas vai nodarbinātības datiem vienādi, nemaz nerunājot par Donalda Trampa iespējamās atgriešanās Baltajā namā reakciju. Turklāt katram stratēģim ir spēcīgi sākotnējie uzskati – vai nu vienmēr optimistisks, vai pesimistisks – kas ietekmē viņa spriedumu. Ir ļoti grūti izbēgt no stāstiem, ko klienti no jums sagaida.

Visbeidzot ilgojamies pēc kontroles.

Šeit ir dažas pārdomas, kuras būtu jāņem vērā. Mums vajadzētu atļaut cilvēkiem pielāgot dažus modeļa parametrus. Citiem vārdiem sakot, mums jādod speciālistiem iespēja pieņemt KI ieteikumus tā, it kā tie būtu viņu pašu. Ideālā gadījumā modeli varētu uzlabot, ja eksperts pievienotu kontekstu, kas modelim, iespējams, nav pieejams. Tie varētu būt privāti klienta apstākļi vai citi grūti kvantificējami faktori un ierobežojumi. Alternatīvi, mēs varētu pieņemt veiktspējas samazinājumu, ja tādējādi vairāk cilvēku pieņemtu atziņas cilvēku pieskāriena dēļ. Tas varētu būt saprātīgs kompromiss tādās jomās kā aktīvu pārvaldības konsultācijas.

Galu galā mums jāmēģina padarīt mākslīgo intelektu saprotamāku. Tas ir pamatoti, jo pieaug prasības attiecībā uz pārbaudēm un atbilstību. Turklāt daži no vadošajiem modeļiem integrē „Chain of Thought” loģiku, kas kodē ekspertu zināšanas neapstrādātā modelī. Tādējādi mēs ne tikai redzam veiktspējas uzlabojumus, bet mums ir arī dažas noteikumu kopas, kurām lielākā daļa ekspertu uzticas. Neviens nevēlas izskatīties kā dumjš robots, kas tikai atkārto melnās kastes padomus. Uzticība un spriestspēja ir izšķiroši raksturlielumi klientu attiecībās. Galu galā mēs sagaidām, ka cilvēki paliks cilvēciski.