Мы не должны удивляться, что искусственный интеллект (ИИ) в среднем лучше прогнозирует прибыль, чем аналитики по акциям. Или что основанные на правилах стратегии в среднем предоставляют лучшую финансовую консультацию, чем личный банковский консультант. Еще до недавних достижений в области генеративного ИИ существовали доказанные преимущества систематических инвестиций. Хотя такие техники, возможно, не могут найти редкие топ-акции или поворотные моменты на рынке, которые приносят выше среднего доход, они все же имеют доказанную ценность.

Развитие искусственного интеллекта, однако, показывает, что мы можем выйти за рамки рекомендуемых правил. Макроэкономика, бухгалтерский учет и статистика — три столпа инвестиций. Большие языковые модели показывают высокие результаты на продвинутых экзаменах по этим предметам. Кроме того, мы знаем, что LLM способны обобщать гораздо больше контекста и коллективной мудрости, чем человек, что может быть очень полезно для макроэкономических стратегий. Так что если ИИ может помочь в принятии финансовых решений, почему аналитикам или портфельным менеджерам так трудно принять эти изменения?

Некоторые подсказки мы находим в работе специалиста по данным Сезара Идальго о том, как люди оценивают машины. Когда мы используем программу, мы сосредотачиваемся на производительности инструмента. Любая ошибка прогноза этой программы приведет к тому, что наш финансовый эксперт потеряет доверие. В большинстве случаев не имеет значения, лучше ли алгоритм в среднем, чем человек. Наш финансовый консультант будет полагаться на свою интуицию и опыт.

Исследование Идальго показывает, что мы оцениваем человеческие советы иначе. Мы смотрим за пределы результата и учитываем намерения человека, который нас консультирует. Когда мы вступаем в отношения с частным банкиром или доверяем наши деньги управляющему фондом, мы предполагаем, что их цели совпадают с нашими, особенно если договор включает комиссии, зависящие от результатов. Когда мы включаем эти намерения в наше ментальное уравнение, мы становимся более терпимыми к плохой доходности.

Человеческие консультации могут чаще терпеть неудачи, но всё равно считаются ценными, особенно если есть история, объясняющая результат. По словам Идальго, мы ожидаем от машин рациональности, а от людей человечности.

Мы также сопротивляемся принятию информации, противоречащей нашему опыту. В экспериментах с радиологами, использовавшими ИИ, было неясно, как они учитывали мнения алгоритма в своих прогнозах. Работа занимала больше времени, а эффективность комбинированной диагностики вызывала сомнения.

Если это верно для радиологов, то должно быть ещё сложнее для каждого, кто работает на финансовых рынках. Макростратегия может быть самой сложной областью для интеграции ИИ. Во-первых, потому что рынок, как и погода, не является стационарным, что означает, что он никогда не будет точно одинаково реагировать, например, на данные по инфляции или занятости, не говоря уже о возможном возвращении Дональда Трампа в Белый дом. Кроме того, у каждого стратега есть сильные начальные убеждения – или «идентичность» как всегда оптимистичного или пессимистичного человека, что влияет на его суждения. Очень трудно уйти от повествований, которые клиенты от вас ожидают.

Наконец, мы жаждем контроля.

Есть несколько соображений, которые нужно учитывать. Мы должны позволить людям настраивать некоторые параметры модели. Другими словами, мы должны позволить специалистам принимать рекомендации ИИ как свои собственные. В лучшем случае модель может быть улучшена, если эксперт добавит контекст, который может быть недоступен модели. Это могут быть частные обстоятельства клиента или другие трудно количественно измеримые факторы и ограничения. В качестве альтернативы, мы можем принять снижение производительности, если это приведет к тому, что больше людей примут выводы из-за человеческого фактора. Это может быть разумным компромиссом в таких областях, как консультации по управлению активами.

Наконец, мы должны постараться сделать ИИ более понятным. Это оправданное ожидание, так как требования к проверке и соответствию растут. Более того, некоторые из передовых моделей интегрируют логику "цепочки мыслей", которая кодирует экспертные знания в необработанной модели. Таким образом, мы видим не только улучшение производительности, но и некоторые правила, которым доверяет большинство экспертов. Никто не хочет казаться глупым роботом, который только повторяет советы черного ящика. Доверие и суждение являются решающими чертами в отношениях с клиентами. В конце концов, мы ожидаем, что люди останутся людьми.