Vi borde inte bli förvånade över att artificiell intelligens (AI) i genomsnitt presterar bättre än aktieanalytiker när det gäller att prognostisera vinster. Eller att regelbaserade strategier i genomsnitt erbjuder bättre finansiell rådgivning än en personlig bankir. Redan innan de senaste framstegen inom generativ AI fanns det beprövade fördelar med att investera systematiskt. Medan sådana tekniker kanske inte hittar de sällsynta toppaktierna eller marknadsvändningarna som ger övergenomsnittliga avkastningar, har de ändå bevisat sitt värde.

KI-utvecklingar visar dock att vi kan gå bortom regelbaserade rekommendationer. Makroekonomi, redovisning och statistik är de tre pelarna av investering. Stora språkmodeller uppnår toppresultat i avancerade prov inom dessa ämnen. Dessutom vet vi att LLMs kan sammanfatta mycket mer kontext och kollektiv visdom än en människa, vilket kan vara mycket hjälpsamt för makroekonomiska strategier. Så om KI kan hjälpa till med finansiella beslut, varför är det så svårt för analytiker eller portföljförvaltare att acceptera denna förändring?

Några ledtrådar finns i arbetet av dataforskaren César Hidalgo om hur människor bedömer maskiner. När vi använder ett program fokuserar vi på verktygets prestanda. Varje prognosfel i detta program kommer att leda till att vår ekonom förlorar förtroendet. I de flesta fall spelar det ingen roll om algoritmen i genomsnitt är bättre än människan. Vår ekonomkonsult kommer att förlita sig på sin intuition och erfarenhet.

Hidalgos forskning visar att vi bedömer mänsklig rådgivning på ett annat sätt. Vi ser bortom prestationen och tar hänsyn till personens avsikter som ger oss råd. När vi engagerar en privatbankir eller litar på en fondförvaltare med våra pengar, antar vi en överenskommelse med våra mål, särskilt om avtalet innehåller resultatbaserade avgifter. När vi inkluderar dessa avsikter i vår mentala ekvation, är vi mer toleranta mot en dålig avkastning.

Mänsklig rådgivning kan därför misslyckas oftare och ändå ses som värdefull, särskilt när det finns en historia som förklarar resultatet. På Hidalgos vis förväntar vi oss rationalitet från maskiner och mänsklighet från människor.

Vi motstår också att ta in information som strider mot vår erfarenhet. I experiment med radiologer som använde AI var det oklart hur de inkludera algoritmens åsikter i sina förutsägelser. Arbetet tog längre tid och effektiviteten hos den kombinerade diagnostiken var tveksam.

Om detta gäller för radiologer, måste det vara ännu svårare för alla som arbetar på finansmarknaderna. Makrostrategi kan vara det svåraste området att integrera AI i. För det första, eftersom marknaden, likt vädret, inte är stationär, vilket innebär att den aldrig kommer att reagera exakt likadant på t.ex. inflations- eller sysselsättningsdata, än mindre på en möjlig återkomst av Donald Trump till Vita huset. Dessutom har varje strateg starka initiala övertygelser – eller en "identitet" som alltid optimistisk eller pessimistisk – som påverkar deras omdöme. Det är mycket svårt att undkomma de berättelser som kunderna förväntar sig av en.

Till slut längtar vi efter kontroll. Det finns en radikal skillnad mellan en modell som skapats med ett kalkylblad utifrån tillgängliga data och t.ex. ChatGPT. Baserat på vår erfarenhet och intuition bestämmer vi formen och komponenterna i den förstnämnda, men inte i den sistnämnda. Och i de flesta fall vet vi inte ens hur LLM kommit fram till ett visst svar. Därför är det förståeligt att vår finansiella rådgivare känner sig obekväm med att använda en prognos som inte är hans egen.

Es gibt einige Überlegungen, die man in Betracht ziehen sollte. Vi bör låta människor justera vissa parametrar i modellen. Med andra ord måste vi tillåta experter att ta KI-rekommendationer som sina egna. I bästa fall kan modellen förbättras när experten lägger till kontext som kanske inte är tillgänglig för modellen. Detta kan vara kundens privata omständigheter eller andra svårkvantifierade faktorer och begränsningar. Alternativt kan vi acceptera en prestandabrist om det innebär att fler människor accepterar insikterna tack vare den mänskliga touchen. Detta kan vara en rimlig kompromiss inom områden som förmögenhetsrådgivning.

Slutligen måste vi försöka göra AI mer begriplig.