Uusi Harvardin tutkimus osoittaa, että tekoäly voisi korvata useimmat sijoitusrahastonhoitajat

Algoritmi kulmatoimistossa: tekoäly on parempi kuin ihmisrahastonhoitajat

Sijausrahastoala on vuosikymmeniä myynyt viettelevän lupauksen: anna rahasi loistavalle ihmisanalyytikolle, jollekulle, joka on lukenut 20 vuotta taseita, istunut tulospuheluissa ja kehittänyt lähes intuitiivisen tunteen markkinoiden dynamiikasta – ja he menestyvät markkinoita paremmin. Tämä lupaus on aina ollut hauras. Nyt Harvard Business Schoolin maamerkkitutkimus uhkaa tuhota sen kokonaan. Tutkijat havaitsivat, että tekoäly voi ennustaa 71 % sijoitusrahastokaupoista huomattavan tarkasti, mikä herättää kysymyksen, joka olisi tuntunut absurdilta viisi vuotta sitten: jos kone pystyy ennakoimaan, mitä rahastonhoitaja tekee ennen kuin he tekevät sen, mistä sijoittajat tarkalleen ottaen maksavat?

Seuraukset ulottuvat kauas Wall Streetin ulkopuolelle. Tämä on tarina siitä, mitä tapahtuu, kun hahmontunnistus - jokaisen asiantuntijan ydinkognitiivinen taito - muuttuu hyödykkeeksi. Se on tarina, joka jokaisen yritysjohtajan, ei vain rahoitusalan ammattilaisten, on ymmärrettävä juuri nyt.

Mitä Harvardin tutkimus todella löysi

Harvardin tutkimuksessa koulutettiin koneoppimismalleja vuosien historiallisten kaupankäyntitietojen, rahastotietojen ja markkinasignaalien perusteella. Mallit eivät vain identifioineet laajoja sektoritrendejä; he ennustivat yksittäisten rahastonhoitajien erityisiä salkkupäätöksiä – mitä osakkeita he ostaisivat, mitä leikkaavat ja milloin. 71 %:n ennustetarkkuus yhtä monimutkaisella ja meluisalla alueella kuin aktiivinen salkunhoito on poikkeuksellinen. Kontekstia silmällä pitäen malli, joka ennustaa kolikonheiton, olisi oikea 50 % ajasta pelkästään sattumalta.

Löydöstä tekee erityisen merkittävän se, että se paljastaa monien parhaiten palkattujen rahastonhoitajien todellisen tekemisen taustalla olevat mekanismit. Sen sijaan, että ottaisi käyttöön aidosti uusia oivalluksia, merkittävä osa aktiivisesta hallinnasta näyttää olevan kaavoihin perustuvaa käyttäytymistä – vastaamista samoihin tulosyllätyksiin, samoihin vauhtisignaaleihin, samoihin makroindikaattoreihin ennustettavissa olevilla tavoilla. Tekoälyn ei tarvinnut ymmärtää miksi johtaja teki kaupan. Se vain oppi tunnistamaan olosuhteet, joissa he tekivät sen luotettavasti.

Tämä on yhdenmukainen aikaisempien tutkimusten kanssa. Vuoden 2022 S&P Dow Jones Indeksin raportin mukaan 20 vuoden aikana yli 94 % aktiivisista yhdysvaltalaisista suuryhtiöistä rahastonhoitajista menestyi vertailuindeksiään huonommin. Harvardin havainnot lisäävät uuden kerroksen: monet aktiiviset johtajat eivät ainoastaan pysty päihittämään markkinoita, vaan heidän päätöksensä voivat olla tarpeeksi mekaanisia, jotta algoritmi voi simuloida – murto-osalla kustannuksista.

Miksi 71 %:n ennustettavuus on liiketoiminnan ongelma, ei vain rahoitusongelma

Rahoitusalan ammattilaisilla saattaa olla kiusaus käsitellä tätä toimialakohtaisena kriisinä. He olisivat väärässä. Harvardin tutkimus on tietopiste paljon laajemmassa mallissa: tekoälyjärjestelmät pystyvät yhä paremmin toistamaan asiantuntija-arvioita kaikilla aloilla, joilla päätökset noudattavat opittavia sääntöjä, vaikka niitä ei ole erikseen kirjoitettu mihinkään.

Mieti, mitä yhteistä on aktiivisella rahastonhoidolla ja perinteisellä liikkeenjohdolla. Molempiin sisältyy tiedon kerääminen, kuvioiden tunnistaminen, kokemuksen muovaaman heuristiikan soveltaminen ja päätösten tekeminen epävarmuudessa. Jos tekoäly voi mallintaa rahastonhoitajan päätöksentekoprosessia 71 %:n tarkkuudella, se voi mallintaa uskottavasti merkittävän osan operatiivisten johtajien, henkilöstöjohtajien, myyntijohtajien ja yritysanalyytikoiden päätöksistä – ihmisten, joiden asiantuntemus perustuu myös kuvioiden tunnistamiseen ja niihin reagoimiseen.

"Uhka tietotyöntekijöille ei ole se, että tekoäly korvaa ihmisen harkintakyvyn kokonaan – se on, että tekoäly korvaa ne osat ihmisen harkinnasta, jotka itse asiassa vastaavat vain kuvioita. Ja se osoittautuu yllättävän suureksi osaksi."

Tämä ei tarkoita, että inhimillinen asiantuntemus muuttuisi arvottomaksi. Se tarkoittaa, että arvokkaan asiantuntemuksen luonne on muuttumassa. Selviytyvät ja menestyvät ne rahastonhoitajat, jotka tekevät jotain, jota tekoäly ei voi helposti kopioida: syntetisoivat aidosti uutta tietoa, rakentavat suhteita, jotka luovat informaatioetuja, ja käyttävät harkintaa tilanteissa, jotka ovat niin uusia, ettei niillä ole historiallista ennakkotapausta. Sama logiikka koskee kaikkia ammattialoja, joita nyt koneäly muokkaa uudelleen.

Teollisuus seuraa tiiviimmin Financen tekoälyhäiriötä

Sijoitusrahastoala on pohjimmiltaan kanarialintu toimihenkilöautomaation hiilikaivoksessa. Se on runsaasti dataa, siinä on selkeät suorituskykymittarit, ja se on ollut passiivisten indeksirahastojen kustannuspaineiden alaisena vuosia – mikä tekee siitä epätavallisen vastaanottavaisen tekoälyn käyttöönotolle. Muut teollisuudenalat seuraavat tarkasti.

Terveydenhuollossa diagnostiset tekoälyjärjestelmät, kuten Googlen DeepMind, ovat osoittaneet kykynsä havaita tietyt silmäsairaudet ja syövät erikoislääkärien tarkkuudella. Lain mukaan suurille kielimalleille rakennetut työkalut suorittavat sopimusten tarkistustehtäviä, jotka vaativat aiemmin nuorempien työntekijöiden työskentelyä yön yli. Laskenta- ja taloussuunnittelussa tekoälyyn perustuvat alustat automatisoivat varianssianalyysiä, kassavirran ennustamista ja poikkeamien havaitsemista, jotka vaativat aiemmin vanhempien analyytikkojen aikaa.

Yleinen lanka ei ole se, että tekoäly on älykkäämpi kuin näiden alojen asiantuntijat. Tekoäly on väsymätön, johdonmukainen ja eksponentiaalisesti halvempi skaalata. Henkilöstön rahastonhoitaja voi maksaa yritykselle 500 000 dollaria vuodessa palkkana, etuina ja yleiskuluina. Tekoälyjärjestelmä, joka pystyy ennustamaan 71 % kyseisen johtajan kaupoista, toimii murto-osalla näistä kustannuksista – eikä se tarvitse bonusta, sapattivapaata tai seuraajasuunnitelmaa.

Mikä selviää algoritmista: ihmisarvon uusi määritelmä

Tällaisen tutkimuksen vaistomainen vastaus on puolustava: väittää, että ihmisen harkintakyky on korvaamaton, että tekoäly ei voi todella ymmärtää kontekstia ja että kokeneille ammattilaisille on aina tehtävänsä. Osa siitä on totta. Mutta tuottavampi vastaus on selvittää tarkasti, mitkä inhimillisen asiantuntemuksen osa-alueet ovat todella vaikeita automatisoida.

Tekoälykyvyn nykyisen liikeradan perusteella seuraavat ammatilliset taidot näyttävät kestävimmältä:

• Suhteeseen perustuva luottamus: Asiakkaat ja sidosryhmät tekevät rutiininomaisesti päätöksiä sen perusteella, keneen he luottavat, eivät vain sen perusteella, minkä tiedon he saavat. Luottamus rakentuu jatkuvalla ihmisten välisellä vuorovaikutuksella ja osoitetulla kiinnostuksen kohteiden linjauksella – ei algoritmisella tuloksella.
• Eettinen ja sääntelyllinen harkinta: Selviytyminen tilanteissa, joissa säännöt ovat epäselviä, sidosryhmien etujen ristiriita tai uudet skenaariot vaativat moraalista päättelyä, vaatii silti ihmisen vastuun.
• Luova synteesi: Eri aloilta saatujen oivallusten yhdistäminen – kuluttajakäyttäytymistrendin ja toimitusketjun haavoittuvuuden yhdistäminen syntyvään sääntelyyn – vaatii sellaista assosiatiivista ajattelua, jota tekoäly käsittelee vähemmän luotettavasti kuin hahmontunnistus.
• Sidosryhmäviestintä: Monimutkaisen analyysin kääntäminen toimintaan motivoiviksi kertomuksiksi – hallituksen vakuuttaminen, ahdistuneen asiakkaan rauhoittaminen, tiimin inspiroiminen – on pohjimmiltaan inhimillinen viestintähaaste.
• Aidon uutuuden hallinta: Kun ilmaantuu tilanteita, joilla ei ole historiallista ennakkotapausta (maailmanlaajuinen pandemia, geopoliittinen shokki, paradigmaa muuttava teknologia), ihmisen sopeutumiskyvystä ja luovuudesta tulee olennaista eikä täydentävää.

Tähän todellisuuteen jo sopeutuneet rahastonhoitajat eivät yritä kilpailla algoritmien kanssa osakkeiden valinnan nopeudella tai tietojenkäsittelyn määrällä. He asettuvat salkkuarkkitehteiksi, asiakassuhdepäälliköiksi ja monimutkaisten riskikehysten valvojiksi – rooleihin, jotka edellyttävät ihmisen läsnäoloa ja vastuullisuutta, eivät vain kykyä sovittaa yhteen mallia.

Kuinka tulevaisuuteen katsovat organisaatiot reagoivat

Älykkäin vastaus tekoälyn häiriöihin ei ole kieltäminen tai paniikki – se on integraatio. Organisaatiot, jotka menestyvät parhaiten seuraavan vuosikymmenen aikana, ovat ne, jotka käyttävät tekoälyä eliminoidakseen vähäarvoisen mallinsovitustyön ja siirtämällä inhimillisiä kykyjä toimintoihin, joita on edelleen todella vaikea automatisoida.

Käytännössä tämä tarkoittaa toimivan infrastruktuurin rakentamista, joka antaa ihmisille pääsyn tekoälyn tuottamaan älykkyyteen ilman, että heidän tarvitsee ryhtyä tietotieteilijöiksi. Myyntijohtajan pitäisi pystyä näkemään tekoälyyn perustuvat liidipisteet CRM-toiminnan rinnalla ilman vaihtamista viiden eri alustan välillä. Henkilöstöjohtajan pitäisi pystyä tuomaan esiin säilymisen riskisignaalit työvoimatiedoista rakentamatta manuaalisesti kojelaudoita. Rahoitusalan toimijan pitäisi pystyä laatimaan skenaarioennusteita kassavirrasta ilman erityistä analyytikkotiimiä.

Tämä on täsmälleen tällainen Mewayzin kaltaisten alustojen filosofia, joka yhdistää yli 200 liikkeenjohtomoduulia – jotka kattavat CRM:n, laskutuksen, HR:n, palkanlaskennan, analytiikan, kalustonhallinnan ja paljon muuta – yhdeksi toimintaympäristöksi. Kun tekoälyyn perustuvat oivallukset ovat olemassa samassa alustassa, jossa päätökset toteutetaan, sen sijaan, että ne olisivat erillisessä työkalussa, älykkyyden ja toiminnan välinen palautesilmukka kiristyy dramaattisesti. Mewayziä maailmanlaajuisesti käyttäville 138 000 yritykselle integraatio ei ole tulevaisuuden tavoite. se on nykyinen toiminnallinen todellisuus.

Odottamisen hinta: Miltä toimettomuus näyttää viiden vuoden kuluttua

Vakiintuneilla toimialoilla on taipumus pitää tekoälyn häiriöt hitaasti etenevänä vuorovesinä – jota on tarkkailtava mukavan etäisyyden päästä samalla, kun liiketoimintaa jatketaan normaalisti. Harvardin rahastonhoitotutkimus on muistutus siitä, että vuorovesi voi liikkua nopeammin kuin vakiintuneet operaattorit odottavat. Sijoitusrahastoala on vuosia hylännyt passiiviset indeksirahastot niche-tuotteena vaatimattomille sijoittajille. Vuoteen 2023 mennessä passiiviset rahastot olivat ohittaneet aktiiviset rahastot hallinnoitavien varojen kokonaismäärässä Yhdysvalloissa ensimmäistä kertaa historiassa.

Tekoälyhäiriön suurimmat riskit eivät ole yrityksiä ja ammattilaisia, jotka toimivat selvästi teknisillä aloilla – he ovat rakentaneet kilpailuasemansa yksinoikeuteen pääsyyn tietoihin tai kykyyn käsitellä ja tulkita tietoja kilpailijoita nopeammin. Molemmat edut heikkenevät nopeasti, kun tekoäly tulee kuvaan. Ainutlaatuinen tiedon etu katoaa, kun tekoäly pystyy syntetisoimaan julkista dataa suuressa mittakaavassa. Prosessointietu katoaa, kun tekoäly pystyy suorittamaan analyysin sekunneissa, jotka aiemmin kestivät viikkoja.

Se, mikä ei heikennä – ja itse asiassa tulee arvokkaammaksi – on kyky esittää parempia kysymyksiä, rakentaa aitoja suhteita ja toimia integroiduissa järjestelmissä, jotka muuttavat näkemyksen toteutukseksi ilman kitkaa. Nykyään tällaiseen infrastruktuuriin investoivat organisaatiot eivät vain valmistaudu tekoälyn häiriöihin. He rakentavat toimintamallia, joka määrittää seuraavan sukupolven liiketoiminnan suorituskyvyn.

Todellinen oppitunti Wall Streetin tekoälylaskennasta

Harvardin tutkimus tuottaa otsikoita roboteista, jotka korvaavat rahastonhoitajia, ja nämä otsikot jäävät useimmiten huomaamatta. Tärkeämpi havainto ei ole se, että tekoäly voi toistaa asiantuntijapäätöksiä, vaan se, että asiantuntijapäätöksissä kalleimmaksi osoittautuivat osat, joita kone pystyy käsittelemään halvalla. Tämä oivallus muuttaa asiantuntemuksen taloutta kaikilla toimialoilla, ei vain rahoituksella.

Ammattilaiset ja organisaatiot menestyvät ne, jotka hyväksyvät tämän todellisuuden ilman, että se halvaantuu. He suunnittelevat uudelleen roolinsa aidosti inhimillisten elementtien – luottamuksen, luovuuden, eettisen harkintakyvyn, ihmissuhteiden älykkyyden – ympärille, samalla kun he ottavat tekoälyn moottorina, joka käsittelee hahmontunnistusta, datasynteesiä ja rutiininomaista ennustamista. He investoivat integroituihin käyttöalustoihin, jotka tekevät tekoälyn luomasta älykkyydestä välittömästi käyttökelpoista sen sijaan, että käsittäisivät sitä lisäosana olemassa oleviin työnkulkuihin.

Tulevalla vuosikymmenellä selviävät sijoitusrahastojen hoitajat eivät ole niitä, jotka sivuuttavat algoritmin. He ovat niitä, jotka oppivat työskentelemään sen rinnalla – käyttämällä tekoälyä hallitsemaan ennustettavat 71 prosenttia, jotta he voivat keskittyä täysin arvaamattomiin 29 prosenttiin, joissa ihmisen harkinta ratkaisee edelleen. Sama aritmetiikka pätee jokaiseen tekoälysiirtymässä tällä hetkellä liikkuvaan yritysjohtajaan. Kysymys ei ole sopeutumisesta. Kysymys kuuluu, kuinka nopeasti voit aloittaa.

Usein kysytyt kysymykset

Voiko tekoäly todella ennustaa sijoitusrahastokauppoja paremmin kuin kokeneet johtajat?

Harvard Business Schoolin tutkimuksen mukaan tekoälymallit voivat ennustaa noin 71 % sijoitusrahastokaupoista huomattavalla tarkkuudella. Nämä järjestelmät analysoivat valtavia tietojoukkoja – taseita, tuloskutsuja, makrotaloudellisia signaaleja – paljon nopeammin kuin yksikään ihmisanalyytikko. Vaikka tämä ei takaa erinomaista tuottoa kaikissa markkinaolosuhteissa, se viittaa vahvasti siihen, että tekoälyllä on mitattavissa oleva rakenteellinen etu perinteiseen rahastonhallintaan verrattuna mallintunnistuksen ja päätösten johdonmukaisuuden suhteen.

Mitä tämä tarkoittaa jokapäiväisille sijoittajille, jotka sijoittavat rahaa aktiivisesti hallinnoituihin rahastoihin?

Se herättää vakavia kysymyksiä siitä, ovatko aktiivisten rahastonhoitajien veloittamat palkkiot perusteltuja. Jos tekoäly voi toistaa ja mahdollisesti ylittää heidän strategiansa, algoritmipohjaiset tai passiiviset ajoneuvot voivat palvella sijoittajia paremmin. Tämä muutos korostaa myös, kuinka tärkeää on käyttää älykkäitä liiketoiminta- ja rahoitustyökaluja oman pääoman tehokkaampaan hallintaan sen sijaan, että luottaisit kokonaan inhimillisiin välittäjiin, joiden etu on kaventumassa.

Miten pienyritysten omistajat ja yrittäjät voivat käyttää tekoälyä älykkäämpien taloudellisten päätösten tekemiseen?

Mewayzin kaltaiset alustat – 207 moduulin yrityskäyttöjärjestelmä, joka on saatavilla osoitteessa app.mewayz.com vain 19 dollarilla kuukaudessa – antavat yrittäjille pääsyn tekoälyllä toimiviin työkaluihin, jotka olivat aikoinaan vain suurille yrityksille. Sen sijaan, että ulkoistavat taloudellisen harkinnan kalliille neuvonantajille, yritysten omistajat voivat hyödyntää integroitua analytiikkaa seuratakseen kassavirtaa, mallintaakseen skenaarioita ja tehdäkseen dataan perustuvia päätöksiä samalla järjestelmällisellä tarkkuudella, mikä nyt häiritsee Wall Streetin rahastojen hallinnointia.

Onko tekoälyllä tällä hetkellä rahoitusmarkkinoilla rajoituksia?

Kyllä. Tekoäly tunnistaa erinomaisesti historiallisia malleja ja käsittelee strukturoitua dataa, mutta se voi kamppailla ennennäkemättömien mustien joutsenten tapahtumien, geopoliittisten shokkien tai ihmisen psykologian ohjaamien muutosten kanssa, jotka jäävät sen koulutustietojen ulkopuolelle. Ihmisjohtajat tuovat edelleen asiayhteyteen perustuvaa harkintaa, eettistä päättelyä ja mukautuvaa ajattelua äärimmäisten markkinahäiriöiden aikana. Todennäköisin lähiajan tulos on hybridimalli, jossa tekoäly käsittelee analyysit, kun taas ihmiset valvovat suuria päätöksiä.