Não devemos nos surpreender que a inteligência artificial (IA) em média supere os analistas de ações na previsão de lucros. Ou que estratégias baseadas em regras forneçam em média melhor consultoria financeira do que um banqueiro pessoal. Mesmo antes dos recentes avanços na IA generativa, já existiam benefícios comprovados de investir de forma sistemática. Embora tais técnicas talvez não encontrem as raras ações de topo ou pontos de virada de mercado que trazem retornos acima da média, elas ainda assim têm valor comprovado.

Desenvolvimentos em IA mostram, no entanto, que podemos ir além das recomendações baseadas em regras. Macroeconomia, contabilidade e estatística são os três pilares do investimento. Grandes modelos de linguagem alcançam valores máximos em exames avançados destas disciplinas. Além disso, sabemos que os LLMs podem resumir muito mais contexto e sabedoria coletiva do que um ser humano, o que pode ser muito útil para estratégias macroeconômicas. Portanto, se a IA pode ajudar nas decisões financeiras, por que é tão difícil para analistas ou gestores de portfólio aceitar essa mudança?

Alguns indícios encontramos no trabalho do cientista de dados César Hidalgo sobre como as pessoas julgam as máquinas. Quando usamos um programa, focamos no desempenho da ferramenta. Qualquer erro de previsão desse programa fará com que nosso profissional financeiro perca a confiança. Na maioria dos casos, não importa se o algoritmo é em média melhor do que o ser humano. Nosso consultor financeiro confiará em sua intuição e experiência.

A pesquisa de Hidalgo mostra que avaliamos os conselhos humanos de maneira diferente. Olhamos além do desempenho e consideramos as intenções da pessoa que nos aconselha. Quando lidamos com um banqueiro privado ou confiamos nosso dinheiro a um gestor de fundos, presumimos que há uma consonância com nossos objetivos, especialmente se o contrato inclui taxas baseadas em desempenho. Ao incluir essas intenções em nossa equação mental, somos mais tolerantes com um retorno ruim.

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.

Aconselhamento humano pode falhar mais frequentemente e ainda assim ser considerado valioso, especialmente quando há uma história que explica o resultado. Nas palavras de Hidalgo, esperamos racionalidade das máquinas e humanidade das pessoas.

Nós também resistimos à assimilação de informações que contradizem nossa experiência. Em experimentos com radiologistas que usaram IA, não ficou claro como eles integraram as opiniões do algoritmo em suas previsões. O trabalho levou mais tempo e a eficácia do diagnóstico combinado foi questionável.

Se isso vale para os radiologistas, deve ser ainda mais difícil para qualquer pessoa que trabalhe nos mercados financeiros. A macroestratégia pode ser a área mais difícil para integrar a IA. Primeiro, porque o mercado, como o clima, não é estacionário, o que significa que nunca reagirá de forma exatamente igual, por exemplo, a dados sobre inflação ou emprego, quanto mais a um possível retorno de Donald Trump à Casa Branca. Além disso, todo estrategista tem fortes convicções iniciais – ou uma "identidade" como sempre otimista ou pessimista – que influenciam seu julgamento. É muito difícil escapar das narrativas que os clientes esperam de você.

Por fim, ansiamos por controle. Há uma diferença radical entre um modelo criado com uma planilha de dados disponíveis e, por exemplo, o ChatGPT. Baseando-se em nossa experiência e intuição, decidimos a forma e os componentes do primeiro, mas não do segundo. E, na maioria dos casos, nem sequer sabemos como o LLM chegou a uma determinada resposta. Portanto, é compreensível que nosso consultor financeiro se sinta desconfortável ao usar uma previsão que não seja a própria.

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.

Existem algumas considerações a serem feitas. Devemos permitir que as pessoas ajustem alguns parâmetros do modelo. Em outras palavras, devemos permitir que os profissionais aceitem as recomendações da IA como se fossem suas próprias. No melhor cenário, o modelo pode ser aprimorado quando o especialista adiciona contexto que possivelmente não esteja acessível ao modelo. Isso pode incluir circunstâncias pessoais do cliente ou outros fatores e restrições difíceis de quantificar. Alternativamente, podemos aceitar uma queda de desempenho se isso levar mais pessoas a aceitarem as percepções devido ao toque humano. Isso pode ser um compromisso razoável em áreas como consultoria de gestão de patrimônio.

Schließlich müssen wir versuchen, KI verständlicher zu machen. Dies ist eine berechtigte Erwartung, da die Anforderungen an Prüfung und Compliance wachsen. Darüber hinaus integrieren einige der führenden Modelle „Chain of Thought“-Logik, die das Expertenwissen in einem Rohmodell kodifiziert. Auf diese Weise sehen wir nicht nur Leistungssteigerungen, sondern haben auch einige Regeln, denen die meisten Experten vertrauen können. Niemand möchte wie ein dummer Roboter aussehen, der nur den Rat einer Black Box wiederholt. Vertrauen und Urteilskraft sind entscheidende Merkmale in einer Kundenbeziehung. Am Ende erwarten wir, dass Menschen menschlich bleiben.