Yapay zekanın (YZ) kâr tahminlerinde ortalama olarak hisse senedi analistlerinden daha iyi performans göstermesine veya kural tabanlı stratejilerin ortalama olarak kişisel bir bankacıdan daha iyi finansal danışmanlık sunmasına şaşırmamalıyız. Jeneratif YZ'deki son gelişmelerden önce bile, sistematik olarak yatırım yapmanın kanıtlanmış avantajları vardı. Bu tür teknikler belki nadir bulunan en iyi hisse senetlerini veya piyasa dönüm noktalarını bulamayabilir, ancak yine de kanıtlanmış bir değere sahiptirler.

KI gelişmeleri, kural tabanlı tavsiyelerin ötesine geçebileceğimizi gösteriyor. Makroekonomi, muhasebe ve istatistik, yatırımın üç ayağını oluşturur. Büyük dil modelleri, bu konuların ileri seviyedeki sınavlarında yüksek puanlar elde eder. Ayrıca, LLM'lerin bir insanın yapabileceğinden çok daha fazla bağlam ve kolektif bilgeliği bir araya getirebildiğini biliyoruz, bu da makroekonomik stratejiler için çok faydalı olabilir. Öyleyse, yapay zeka finansal kararlarda yardımcı olabiliyorsa, neden analistler veya portföy yöneticileri bu değişimi kabul etmekte zorlanıyor?

İnsanların makineleri nasıl değerlendirdiğine dair veri bilimcisi César Hidalgo'nun çalışmalarında bazı ipuçları buluyoruz. Bir program kullandığımızda, aracın performansına odaklanıyoruz. Bu programın yaptığı her tahmin hatası, finans uzmanımızın güvenini kaybetmesine neden olacaktır. Çoğu durumda, algoritmanın ortalama olarak insandan daha iyi olup olmadığı önemli değildir. Finans danışmanımız sezgisine ve deneyimine güvenecektir.

Hidalgo'nun Araştırması, İnsan Danışmanlığını Farklı Şekilde Değerlendirdiğimizi Gösteriyor. Performansın Ötesine Bakıyoruz ve Bizi Danışan Kişinin Niyetlerini Dikkate Alıyoruz. Özel Bir Bankacıyla İletişime Geçtiğimizde veya Paramızı Bir Fon Yöneticisine Emanet Ettiğimizde, Özellikle Sözleşmede Performansa Dayalı Ücretler Olduğunda, Hedeflerimizle Bir Uyumluluk Varsayıyoruz. Bu Niyetleri Zihinsel Denklemimize Dahil Ettiğimizde, Kötü Bir Getiriye Daha Hoşgörülü Oluyoruz.

İnsan danışmanlığı bu nedenle daha sık başarısız olabilir ve yine de değerli olarak kabul edilir, özellikle de sonucu açıklayan bir hikaye varsa. Hidalgo'nun sözleriyle makinelerden mantıklılık, insanlardan ise insaniyet bekleriz.

Deneyler, yapay zekayı kullanan radyologların, algoritmanın görüşlerini kendi tahminlerine nasıl dahil ettiklerinin belirsiz olduğunu göstermiştir. Çalışma daha uzun sürdü ve kombine teşhisin etkinliği şüpheliydi.

Eğer bu radyologlar için geçerliyse, finans piyasalarında çalışan herkes için daha da zor olmalı. Makro strateji, yapay zekayı entegre etmenin en zor alanı olabilir. Birincisi, piyasanın hava durumu gibi istikrarlı olmaması nedeniyle, hiçbir zaman enflasyon ya da istihdam verilerine tam olarak aynı şekilde tepki vermeyecek, hele ki Donald Trump'ın tekrar Beyaz Saray'a dönme olasılığına hiç. Ayrıca, her stratejistin iyimser veya kötümser olarak güçlü başlangıç inançları – veya bir "kimliği" – vardır, bu da onun yargısını etkiler. Müşterilerin kendisinden beklediği anlatılardan kaçmak çok zordur.

İşte Türkçe'ye çevrilmiş hali:
Sonunda kontrol arzuluyoruz. Kullanılabilir verilerden bir elektronik tablo ile oluşturulmuş bir model ile örneğin ChatGPT arasında radikal bir fark vardır. Deneyimlerimize ve sezgilerimize dayanarak, birincisinin formu ve bileşenleri üzerinde karar veririz ama ikincisi üzerinde değil. Çoğu durumda, LLM'nin belirli bir yanıtı nasıl verdiğini bile bilemeyiz. Bu nedenle, finans danışmanımızın kendi olmayan bir tahmini kullanmaktan rahatsız olması anlaşılabilir.

Bazı hususları dikkate almak gerekir. İnsanların modelin bazı parametrelerini ayarlamasına izin vermeliyiz. Başka bir deyişle, uzmanların yapay zeka önerilerini kendi önerileriymiş gibi kabul etmelerine izin vermeliyiz. En iyi senaryoda, uzman modelin erişemeyebileceği bağlamı ekleyerek modeli iyileştirebilir. Bu, müşterinin özel durumu veya diğer zor ölçülebilir faktörler ve kısıtlamalar olabilir. Alternatif olarak, daha fazla insanın içgörüleri kabul etmesi için performans düşüşünü kabul edebiliriz. Bu, varlık yönetimi danışmanlığı gibi alanlarda makul bir uzlaşma olabilir.

Sonunda, AI'yi daha anlaşılır hale getirmeye çalışmalıyız. Bu, sınav ve uyum gereksinimleri arttıkça haklı bir beklentidir. Buna ek olarak, önde gelen bazı modeller, bir ham modele uzman bilgisini kodlayan "Düşünce Zinciri" mantığını entegre ediyor. Bu şekilde, sadece performans artışlarını görmekle kalmıyor, aynı zamanda çoğu uzmanın güvenebileceği bazı kurallara da sahip oluyoruz. Kimse sadece bir Kara Kutunun tavsiyesini tekrarlayan aptal bir robot gibi görünmek istemez. Güven ve yargı gücü, müşteri ilişkilerinde belirleyici özelliklerdir. Sonunda, insanların insan kalmasını bekliyoruz.