We zouden niet verbaasd moeten zijn dat kunstmatige intelligentie (KI) gemiddeld beter presteert dan aandelenanalisten bij het voorspellen van winsten. Of dat op regels gebaseerde strategieën gemiddeld betere financiële adviezen geven dan een persoonlijke bankier. Zelfs vóór de recente vooruitgangen in generatieve KI waren er al bewezen voordelen van systematisch investeren. Hoewel dergelijke technieken misschien niet de zeldzame topaandelen of marktkeerpunt kunnen vinden die bovengemiddelde rendementen opleveren, hebben ze toch bewezen waarde.
AI-ontwikkelingen tonen echter aan dat we voorbij regelgebaseerde aanbevelingen kunnen gaan. Macro-economie, boekhouding en statistiek zijn de drie pijlers van investeren. Grote taalmodellen behalen topresultaten in gevorderde examens van deze vakken. Bovendien weten we dat LLM’s veel meer context en collectieve wijsheid kunnen samenvatten dan een mens, wat zeer nuttig kan zijn voor macro-economische strategieën. Dus als AI kan helpen bij financiële beslissingen, waarom vinden analisten of portfoliomanagers het dan zo moeilijk om deze verandering te accepteren?
Enkele aanwijzingen vinden we in het werk van datawetenschapper César Hidalgo over hoe mensen machines beoordelen. Wanneer we een programma gebruiken, concentreren we ons op de prestaties van het instrument. Elke voorspelfout van dit programma zal ertoe leiden dat onze financieel expert het vertrouwen verliest. In de meeste gevallen maakt het niet uit of het algoritme gemiddeld beter is dan de mens. Onze financieel adviseur zal vertrouwen op zijn intuïtie en ervaring.
Hidalgos onderzoek toont aan dat we menselijk advies anders beoordelen. We kijken verder dan de prestatie en houden rekening met de intenties van de persoon die ons adviseert. Wanneer we ons bezighouden met een privaatbankier of ons geld toevertrouwen aan een fondsbeheerder, nemen we aan dat er een overeenstemming is met onze doelen, vooral als het contract prestatiegerelateerde vergoedingen bevat. Wanneer we deze intenties in onze mentale afweging opnemen, zijn we toleranter tegenover een slecht rendement.
Hier is de vertaling van de gegeven kop:
"Menschliche Beratung kann also häufiger scheitern und wird trotzdem als wertvoll angesehen, besonders wenn es eine Geschichte gibt, die das Ergebnis erklärt. In Hidalgos Worten erwarten wir von Maschinen Rationalität und von Menschen Menschlichkeit."
Menselijk advies kan dus vaker falen en wordt toch als waardevol gezien, vooral als er een verhaal is dat het resultaat verklaart. In de woorden van Hidalgo verwachten we rationaliteit van machines en menselijkheid van mensen.
Wij verzetten ons ook tegen de opname van informatie die in tegenspraak is met onze ervaring. In experimenten met radiologen die AI gebruikten, was het onduidelijk hoe zij de zienswijzen van het algoritme in hun voorspellingen verwerkten. Het werk duurde langer en de effectiviteit van de gecombineerde diagnostiek was twijfelachtig.
Als dat voor radiologen geldt, moet het voor iedereen die op de financiële markten werkt nog moeilijker zijn. Macrostrategie zou het moeilijkste gebied kunnen zijn om AI te integreren. Ten eerste omdat de markt, net als het weer, niet stationair is, wat betekent dat hij nooit precies hetzelfde zal reageren op bijvoorbeeld inflatie- of werkgelegenheidsgegevens, laat staan op een mogelijke terugkeer van Donald Trump naar het Witte Huis. Bovendien heeft elke strateeg sterke aanvankelijke overtuigingen – of een "identiteit" als altijd optimistisch of pessimistisch – die zijn oordeel beïnvloeden. Het is erg moeilijk om te ontsnappen aan de verhalen die klanten van je verwachten.
In het Nederlands zou de vertaling van de gegeven alinea als volgt zijn:
"Ten slotte verlangen we naar controle. Er is een radicale tegenstelling tussen een op beschikbare gegevens gebaseerd model dat met een spreadsheet is gemaakt en bijvoorbeeld ChatGPT. Op basis van onze ervaring en intuïtie beslissen we over de vorm en componenten van het eerste, maar niet van het laatste. En in de meeste gevallen weten we niet eens hoe het LLM tot een bepaald antwoord is gekomen. Daarom is het begrijpelijk dat onze financieel adviseur zich ongemakkelijk voelt bij het gebruik van een voorspelling die niet van hemzelf is.
Er zijn enkele overwegingen waarmee rekening moet worden gehouden. We zouden mensen moeten toestaan enkele parameters van het model aan te passen. Met andere woorden, we moeten professionals toestaan de aanbevelingen van de AI te beschouwen alsof ze van henzelf zijn. In het beste geval kan het model worden verbeterd wanneer de expert context toevoegt die mogelijk niet beschikbaar is voor het model. Dit kunnen privéomstandigheden van de klant zijn of andere moeilijk kwantificeerbare factoren en beperkingen. Alternatief kunnen we een prestatievermindering accepteren als daardoor meer mensen de inzichten accepteren vanwege de menselijke touch. Dit kan een redelijk compromis zijn in gebieden zoals vermogensbeheeradvies.
Tenslotte moeten we proberen AI begrijpelijker te maken.
