Ne bismo trebali biti iznenađeni što veštačka inteligencija (KI) u proseku bolje predviđa dobitke od analitičara akcija. Ili što strategije zasnovane na pravilima u proseku nude bolje finansijske savete od ličnog bankara. Čak i pre najnovijih napredaka u generativnoj veštačkoj inteligenciji, postojale su dokazani prednosti sistematičnog investiranja. Iako takve tehnike možda ne pronalaze retke top akcije ili tržišne preokrete koji donose natprosečne prinose, one ipak imaju dokazanu vrednost.

AI-razvoje ipak pokazuju da možemo ići dalje od preporuka zasnovanih na pravilima. Makroekonomija, računovodstvo i statistika su tri stuba investicija. Veliki jezični modeli postižu vrhunske rezultate na naprednim ispitima iz ovih oblasti. Takođe znamo da LLM-ovi mogu sažeti mnogo više konteksta i kolektivne mudrosti nego jedan čovek, što može biti veoma korisno za makroekonomske strategije. Ako AI, dakle, može pomoći u donošenju finansijskih odluka, zašto analitičarima ili menadžerima portfolija tako teško pada da prihvate ovu promenu?

Neki tragovi mogu se naći u radu naučnika za podatke Sésar Hidalgóa o tome kako ljudi procenjuju mašine. Kada koristimo program, fokusiramo se na performanse alata. Svaka greška u predviđanju ovog programa dovešće do gubitka poverenja našeg finansijskog stručnjaka. U većini slučajeva nije bitno da li je algoritam u proseku bolji od čoveka. Naš finansijski savetnik će se osloniti na svoju intuiciju i iskustvo.

Hidalgovo istraživanje pokazuje da drugačije procenjujemo ljudske savete. Ne gledamo samo na učinak, već uzimamo u obzir i namere osobe koja nas savetuje. Kada sarađujemo sa ličnim bankarom ili poveravamo novac menadžeru fonda, pretpostavljamo podudarnost sa našim ciljevima, posebno ako ugovor uključuje naknade zasnovane na učinku. Kada ove namere uzmemo u obzir u svojoj mentalnoj jednačini, tolerantniji smo prema lošem povratu.

The heading "Human advice can therefore fail more often and is still considered valuable, especially when there is a story explaining the outcome. In Hidalgo's words, we expect rationality from machines and humanity from people." can be translated to Serbian as:

"Ljudski saveti mogu češće da ne uspeju i ipak se smatraju vrednim, naročito kada postoji priča koja objašnjava ishod. Rečima Hidalgosa, očekujemo racionalnost od mašina i ljudskost od ljudi.

Mi takođe pružamo otpor primanju informacija koje su u suprotnosti sa našim iskustvima. U eksperimentima sa radiolozima koji su koristili veštačku inteligenciju, nije bilo jasno kako su oni uključivali stavove algoritma u svoja predviđanja. Rad je trajao duže i delotvornost kombinovane dijagnostike bila je upitna.

Ako to važi za radiologe, mora biti još teže za svakoga ko radi na finansijskim tržištima. Makro strategija bi mogla biti najteže područje za integraciju AI. Prvo, zato što tržište, kao i vreme, nije stacionarno, što znači da nikada neće tačno isto reagovati na npr. podatke o inflaciji ili zapošljavanju, a kamoli na mogući povratak Donalda Trumpa u Belu kuću. Takođe, svaki strateg ima snažna početna uverenja - ili "identitet" kao uvek optimističan ili pesimističan - koja utiču na njegovu procenu. Veoma je teško pobeći od narativa koje klijenti očekuju od vas.

Na kraju čeznemo za kontrolom. Postoji radikalna razlika između modela koji je napravljen pomoću tabele dostupanih podataka i, na primer, ChatGPT-a. Na osnovu našeg iskustva i intuicije odlučujemo o obliku i komponentama prvog, ali ne i drugog. I u većini slučajeva čak ni ne znamo kako je LLM došao do određenog odgovora. Stoga je razumljivo da se naš finansijski savetnik oseća nelagodno koristeći prognozu koja nije njegova.

Postoji nekoliko razmatranja koje treba uzeti u obzir. Trebalo bi omogućiti ljudima da prilagode određene parametre modela. Drugim rečima, moramo omogućiti stručnjacima da prihvataju preporuke veštačke inteligencije kao da su njihove sopstvene. U najboljem slučaju, model se može poboljšati kada stručnjak doda kontekst koji možda nije dostupan modelu. To mogu biti privatne okolnosti klijenta ili drugi teško kvantifikabilni faktori i ograničenja. Alternativno, mogli bismo prihvatiti pad performansi ako bi to omogućilo da više ljudi prihvati uvide zbog ljudskog dodira. Ovo bi mogao biti razuman kompromis u oblastima kao što je savetovanje o upravljanju imovinom.

Na kraju, moramo pokušati da veštačku inteligenciju učinimo razumljivijom. Ovo je opravdano očekivanje, jer rastu zahtevi za proveru i usklađenost. Pored toga, neki od vodećih modela integrišu "logiku lanca misli", koja kodifikuje stručno znanje u primarni model. Na ovaj način ne samo da vidimo poboljšanje performansi, već imamo i neka pravila u koja većina stručnjaka može imati poverenja. Niko ne želi da izgleda kao glupi robot koji samo ponavlja savete crne kutije. Poverenje i prosudba su ključne karakteristike u odnosu sa klijentima. Na kraju krajeva, očekujemo da ljudi ostanu ljudi.