Tega ne bi smelo presenečati, da umetna inteligenca (UI) v povprečju bolje napoveduje dobiček kot delniški analitiki. Ali da strategije, ki temeljijo na pravilih, v povprečju zagotavljajo boljše finančno svetovanje kot osebni bančnik. Tudi pred nedavnimi napredki v generativni UI so bile že dokazane prednosti sistematičnega vlaganja. Čeprav take tehnike morda ne bodo našle redkih najboljših delnic ali prelomnice trga, ki prinašajo nadpovprečne donose, so kljub temu dokazano vredne.
Napredek umetne inteligence kaže, da lahko presežemo priporočila, ki temeljijo na pravilih. Makroekonomija, računovodstvo in statistika so trije stebri investicij. Veliki jezikovni modeli dosegajo vrhunske rezultate pri naprednih izpitih iz teh predmetov. Poleg tega vemo, da LLM lahko zajame bistveno več konteksta in kolektivne modrosti kot človek, kar je lahko zelo koristno za makroekonomske strategije. Če lahko torej umetna inteligenca pomaga pri finančnih odločitvah, zakaj je analitikom ali upravljavcem portfelja tako težko sprejeti to spremembo?
Nekaj namigov najdemo v delu podatkovnega znanstvenika Césarja Hidalga o tem, kako ljudje ocenjujejo stroje. Ko uporabljamo program, se osredotočamo na delovanje orodja. Vsaka napaka pri napovedovanju tega programa bo povzročila izgubo zaupanja našega finančnega strokovnjaka. V večini primerov ni pomembno, ali je algoritem v povprečju boljši od človeka. Naš finančni svetovalec bo zaupal svoji intuiciji in izkušnjam.
Hidalgove raziskave kažejo, da človeško svetovanje ocenjujemo drugače. Pogledamo preko dosežkov in upoštevamo namene osebe, ki nas svetuje. Ko se posvetujemo z zasebnim bankirjem ali zaupamo svoj denar upravitelju sklada, predvidevamo ujemanje z našimi cilji, še posebej če pogodba vsebuje pristojbine, odvisne od uspešnosti. Ko te namene vključimo v našo mentalno enačbo, smo strpnejši do slabih donosov.
Torej lahko človeško svetovanje pogosteje spodleti, vendar je kljub temu cenjeno, še posebej, če obstaja zgodba, ki pojasnjuje rezultat. Po Hidalgojevih besedah od strojev pričakujemo racionalnost, od ljudi pa človečnost.
Vzpostavljamo odpor tudi proti sprejemanju informacij, ki nasprotujejo našim izkušnjam. V eksperimentih z radiologi, ki so uporabljali umetno inteligenco, ni bilo jasno, kako so v svoja predvidevanja vključili mnenja algoritma. Delo je trajalo dlje in učinkovitost kombinirane diagnostike je bila vprašljiva.
Če to velja za radiologe, mora biti za vsakogar, ki dela na finančnih trgih, še težje. Makro strategija bi lahko bila najtežje področje za integracijo umetne inteligence. Prvič, ker trg, podobno kot vreme, ni stalen, kar pomeni, da ne bo nikoli natanko enako reagiral na npr. podatke o inflaciji ali zaposlenosti, kaj šele na morebitno vrnitev Donalda Trumpa v Belo hišo. Poleg tega ima vsak strateg močna začetna prepričanja – ali „identiteto“ kot vedno optimističen ali pesimističen –, ki vplivajo na njegovo presojo. Zelo težko se je izogniti zgodbam, ki jih stranke pričakujejo od vas.
Na koncu hrepenimo po nadzoru.
Obstaja nekaj razmišljanj, ki jih je vredno upoštevati. Ljudem bi morali dovoliti, da prilagodijo nekatere parametre modela. Z drugimi besedami, strokovnjakom moramo omogočiti, da sprejmejo priporočila umetne inteligence, kot da so njihova lastna. V najboljšem primeru se lahko model izboljša, ko strokovnjak doda kontekst, do katerega model morda nima dostopa. To bi lahko bili zasebni pogoji stranke ali drugi težje kvantificirani dejavniki in omejitve. Alternativno bi lahko sprejeli padec učinkovitosti, če bi zaradi tega več ljudi sprejelo spoznanja zaradi človeškega pridiha. To bi lahko bil razumen kompromis na področjih, kot je svetovanje za upravljanje premoženja.
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.
Na koncu moramo poskušati narediti umetno inteligenco bolj razumljivo. To je upravičeno pričakovanje, saj naraščajo zahteve po pregledu in skladnosti. Poleg tega nekateri vodilni modeli vključujejo logiko "verige misli", ki kodificira strokovno znanje v surovem modelu. Na ta način ne vidimo le izboljšanja učinkovitosti, temveč imamo tudi nekaj pravil, ki jim večina strokovnjakov lahko zaupa. Nihče ne želi izgledati kot neumen robot, ki le ponavlja nasvete črne škatle. Zaupanje in presoja sta ključna dejavnika v odnosu s strankami. Na koncu pričakujemo, da bodo ljudje ostali človeški.
