Nemali by sme byť prekvapení, že umelá inteligencia (UI) je pri prognózovaní ziskov v priemere lepšia než akcioví analytici. Alebo že pravidlové stratégie v priemere poskytujú lepšie finančné poradenstvo než osobný bankár. Už pred nedávnym pokrokom v generatívnej UI existovali osvedčené výhody systematického investovania. Aj keď možno takéto techniky nenájdu vzácne top akcie alebo trhové zvraty, ktoré prinášajú nadpriemerné výnosy, stále majú preukázanú hodnotu.

KI-vývoj však ukazuje, že môžeme ísť nad rámec odporúčaní založených na pravidlách. Makroekonómia, účtovníctvo a štatistika sú tri piliere investícií. Veľké jazykové modely dosahujú v pokročilých skúškach týchto predmetov vynikajúce výsledky. Navyše vieme, že veľké jazykové modely dokážu zhrnúť oveľa viac kontextu a kolektívnej múdrosti ako človek, čo môže byť veľmi užitočné pre makroekonomické stratégie. Ak teda môže umelá inteligencia pomáhať pri finančných rozhodnutiach, prečo je pre analytikov alebo portfólio manažérov také ťažké prijať túto zmenu?

Niekoľko návodov nájdeme v práci dátového vedca Césara Hidalga o tom, ako ľudia hodnotia stroje. Keď používame program, sústredíme sa na výkon nástroja. Každá chyba predpovede tohto programu spôsobí, že náš finančný odborník stratí dôveru. Vo väčšine prípadov je jedno, či je algoritmus v priemere lepší ako človek. Náš finančný poradca sa bude spoliehať na svoju intuíciu a skúsenosti.

Hidalgov výskum ukazuje, že hodnotíme ľudské poradenstvo inak. Nepozeráme sa len na výkon, ale zohľadňujeme aj úmysly osoby, ktorá nám poskytuje poradenstvo. Keď spolupracujeme so súkromným bankárom alebo zveríme svoje peniaze manažérovi fondu, predpokladáme, že ich ciele sú zhodné s našimi, najmä ak zmluva obsahuje poplatky závislé od výkonu. Keď tieto úmysly začleníme do našej mentálnej rovnice, sme tolerantnejší voči nízkym výnosom.

Ľudské poradenstvo môže teda častejšie zlyhať, avšak stále je považované za hodnotné, obzvlášť vtedy, keď existuje príbeh vysvetľujúci výsledok. V Hidalgoch slovách očakávame od strojov racionalitu a od ľudí ľudskosť.

Wir widerstehen auch der Aufnahme von Informationen, die unserer Erfahrung widersprechen. In Experimenten mit Radiologen, die KI nutzten, war unklar, wie sie die Ansichten des Algorithmus in ihre Vorhersagen einbezogen. Die Arbeit dauerte länger und die Wirksamkeit der kombinierten Diagnostik war fraglich.

Aj prijímaniu informácií, ktoré odporujú našim skúsenostiam, sa bránime. Pri experimentoch s rádiológmi, ktorí používali umelú inteligenciu, nebolo jasné, ako začlenili názory algoritmu do svojich predpovedí. Práca trvala dlhšie a účinnosť kombinovanej diagnostiky bola sporná.

Ak to platí pre rádiológov, pre každého, kto pracuje na finančných trhoch, to musí byť ešte ťažšie. Makrostratégia by mohla byť najťažšou oblasťou na integráciu umelej inteligencie. Po prvé, pretože trh, podobne ako počasie, nie je stacionárny, čo znamená, že nikdy nebude presne rovnako reagovať napríklad na údaje o inflácii alebo zamestnanosti, nehovoriac o možnom návrate Donalda Trumpa do Bieleho domu. Okrem toho má každý stratég silné počiatočné presvedčenie – alebo „identitu“ ako vždy optimistický alebo pesimistický –, ktoré ovplyvňuje jeho úsudok. Je veľmi ťažké uniknúť príbehom, ktoré od vás očakávajú zákazníci.

Nakoniec túžime po kontrole. Existuje radikálny rozdiel medzi modelom, ktorý bol vytvorený pomocou tabuľkového procesora z dostupných údajov, a napr. ChatGPT. Na základe našich skúseností a intuície rozhodujeme o forme a komponentoch prvého z nich, ale nie druhého. A vo väčšine prípadov ani nevieme, ako LLM dospelo k určitej odpovedi. Preto je pochopiteľné, že náš finančný poradca sa necíti pohodlne, keď používa predpoveď, ktorá nie je jeho vlastná.

Es existujú niektoré úvahy, ktoré je potrebné brať do úvahy. Mali by sme ľuďom umožniť prispôsobiť niektoré parametre modelu. Inými slovami, musíme odborníkom umožniť prijímať odporúčania AI, akoby to boli ich vlastné. V najlepšom prípade môže byť model vylepšený, keď odborník pridá kontext, ktorý nemusí byť pre model dostupný. Môžu to byť súkromné okolnosti klienta alebo iné ťažko kvantifikovateľné faktory a obmedzenia. Alternatívne by sme mohli akceptovať pokles výkonu, ak by to znamenalo, že viac ľudí prijme poznatky kvôli ľudskému dotyku. To by mohlo byť rozumným kompromisom v oblastiach ako poradenstvo pri správe majetku.

Nakoniec musíme skúsiť spraviť umelú inteligenciu zrozumiteľnejšou. Toto je oprávnené očakávanie, pretože požiadavky na skúšku a súlad rastú. Okrem toho niektoré z popredných modelov integrujú logiku „Chain of Thought“, ktorá kóduje expertné znalosti do surového modelu. Týmto spôsobom nielenže vidíme zlepšenie výkonu, ale máme aj niekoľko pravidiel, ktorým väčšina odborníkov dôveruje. Nikto nechce vyzerať ako hlúpy robot opakujúci rady z čiernej skrinky. Dôvera a úsudok sú rozhodujúce vlastnosti vo vzťahu so zákazníkom. Nakoniec očakávame, že ľudia zostanú ľuďmi.