Naujas Harvardo tyrimas rodo, kad dirbtinis intelektas gali pakeisti daugumą investicinių fondų valdytojų

Algoritmas kampiniame biure: AI yra geresnis už žmogiškųjų fondų valdytojus

Dešimtmečius investicinių fondų pramonė parduoda viliojantį pažadą: atiduokite savo pinigus nuostabiam analitikui, žmogui, kuris 20 metų praleido skaitydamas balansus, atsiskaitęs į pajamas ir beveik intuityviai jausdamas rinkos dinamiką – ir jie pranoks rinką. Tas pažadas visada buvo trapus. Dabar svarbus Harvardo verslo mokyklos tyrimas grasina ją visiškai sugriauti. Tyrėjai nustatė, kad dirbtinis intelektas gali nepaprastai tiksliai numatyti 71 % investicinių fondų sandorių, todėl iškilo klausimas, kuris prieš penkerius metus atrodė absurdiškas: jei mašina gali numatyti, ką fondo valdytojas darys prieš tai padarydamas, už ką tiksliai investuotojai moka?

Poveikis raibuliuoja toli už Wall Street ribų. Tai istorija apie tai, kas nutinka, kai modelio atpažinimas – pagrindinis bet kurio eksperto pažintinis įgūdis – tampa preke. Ir tai istorija, kurią dabar turi suprasti kiekvienas verslo vadovas, ne tik finansų profesionalai.

Ką iš tikrųjų nustatė Harvardo tyrimai

Harvardo tyrime buvo mokomi mašininio mokymosi modeliai, remiantis daugelio metų istoriniais prekybos duomenimis, fondų atskleidimais ir rinkos signalais. Modeliai buvo ne tik plataus sektoriaus tendencijų identifikavimas; jie numatė konkrečius atskirų fondų valdytojų sprendimus dėl portfelio – kurias akcijas jie pirks, kurias apkarpys ir kada. 71 % nuspėjamasis tikslumas tokioje sudėtingoje ir triukšmingoje srityje kaip aktyvus portfelio valdymas yra nepaprastas. Kalbant apie kontekstą, modelis, numatantis monetų apvertimą, būtų teisingas 50 % atvejų vien atsitiktinai.

Išvada ypač svarbi yra ta, kad ji atskleidžia pagrindinę daugelio geriausiai apmokamų fondų valdytojų veiklos mechanizmą. Užuot panaudoję tikrai naujas įžvalgas, atrodo, kad didelė aktyvaus valdymo dalis yra elgesys, pagrįstas modeliu – nuspėjamais būdais reaguojama į tuos pačius uždarbio netikėtumus, tuos pačius impulso signalus, tuos pačius makroekonominius rodiklius. AI nereikėjo suprasti, kodėl vadovas sudarė sandorį. Jis tiesiog išmoko atpažinti sąlygas, kuriomis jie patikimai tai padarė.

Tai atitinka ankstesnius tyrimus. 2022 m. S&P Dow Jones Index ataskaitoje nustatyta, kad per 20 metų daugiau nei 94 % aktyvių JAV didelės kapitalizacijos fondų valdytojų buvo prastesni nei jų lyginamasis indeksas. Harvardo išvados prideda naują lygmenį: daugeliui aktyvių vadovų ne tik nepavyksta įveikti rinkos, bet ir jų sprendimai gali būti pakankamai mechaniški, kad algoritmas galėtų imituoti – už nedidelę kainą.

Kodėl 71 % nuspėjamumas yra verslo, o ne tik finansų problema

Finansų specialistams gali kilti pagunda tai traktuoti kaip konkrečios pramonės šakos krizę. Jie būtų neteisūs. Harvardo tyrimas yra daug platesnio modelio duomenų taškas: AI sistemos vis labiau gali atkartoti ekspertų nuomonę bet kurioje srityje, kurioje sprendimai priimami pagal išmokstamas taisykles, net jei tos taisyklės niekur nėra aiškiai užrašytos.

Apsvarstykite, ką bendro turi aktyvus fondų valdymas ir tradicinis verslo valdymas. Abi priemonės apima informacijos rinkimą, modelių nustatymą, patirties suformuotos euristikos taikymą ir sprendimų priėmimą neapibrėžtumo sąlygomis. Jei dirbtinis intelektas gali modeliuoti fondo valdytojo sprendimų priėmimo procesą 71 % tikslumu, jis gali patikimai modeliuoti didelę dalį sprendimų, kuriuos priima operacijų vadovai, personalo direktoriai, pardavimų lyderiai ir verslo analitikai – žmonės, kurių kompetencija taip pat pagrįsta modelių atpažinimu ir reagavimu į juos.

"Grėsmė žinių darbuotojams kelia ne tai, kad dirbtinis intelektas visiškai pakeis žmogaus sprendimą – AI pakeis tas žmogaus sprendimo dalis, kurios iš tikrųjų tik atitinka modelius. Ir pasirodo, kad tai yra stebėtinai didelė dalis."

Tai nereiškia, kad žmogaus žinios tampa bevertės. Tai reiškia, kad vertingos patirties pobūdis keičiasi. Išliks ir klestės fondų valdytojai, kurie daro tai, ko dirbtinis intelektas negali lengvai atkartoti: sintezuoja tikrai naują informaciją, kuria ryšius, kurie sukuria informacinį pranašumą, ir priima sprendimus tokiose naujose situacijose, kurios neturi istorinio precedento. Ta pati logika galioja kiekvienam profesionaliam domenui, kurį dabar pertvarko mašinos intelektas.

Pramonės įmonės, kurios atidžiau stebi finansų dirbtinio intelekto sutrikimus

Indicinių fondų pramonė iš esmės yra baltųjų apykaklių automatizavimo anglies kasyklos kanarėlė. Jis turi daug duomenų, turi aiškią našumo metriką ir daugelį metų patiria pasyvaus indekso fondų sąnaudų spaudimą, todėl jis neįprastai imlus dirbtinio intelekto pritaikymui. Kitos pramonės šakos atidžiai stebi.

Sveikatos priežiūros srityje diagnostinės dirbtinio intelekto sistemos, pvz., „Google“ DeepMind, įrodė, kad gali aptikti tam tikras akių ligas ir vėžį, o tai atitinka arba viršija gydytojus specialistus. Pagal įstatymus įrankiai, sukurti remiantis dideliais kalbų modeliais, atlieka sutarčių peržiūros užduotis, kurioms anksčiau reikėjo, kad jaunesnieji bendradarbiai dirbtų per naktį. Apskaitoje ir finansų planavime dirbtinio intelekto pagrįstos platformos automatizuoja dispersijos analizę, pinigų srautų prognozavimą ir anomalijų aptikimą, o tai kažkada reikalavo vyresniojo analitiko laiko.

Bendra tema nėra ta, kad dirbtinis intelektas yra protingesnis už šių sričių ekspertus. Tai yra tai, kad AI yra nenuilstantis, nuoseklus ir eksponentiškai pigesnis. Žmogiškųjų fondų valdytojas įmonei gali kainuoti 500 000 USD per metus atlyginimo, išmokų ir pridėtinių išlaidų. Dirbtinio intelekto sistema, galinti numatyti 71 % to vadovo sandorių, vykdoma už nedidelę tų sąnaudų dalį – ir jai nereikia premijos, atostogų ar paveldėjimo plano.

Kas išlieka taikant algoritmą: naujas žmogaus vertės apibrėžimas

Instinktyvus atsakas į tokius tyrimus yra gynybinis: teigti, kad žmogaus sprendimas yra nepakeičiamas, kad dirbtinis intelektas negali iš tikrųjų suprasti konteksto, kad patyrusiems specialistams visada teks vaidmuo. Dalis to yra tiesa. Tačiau produktyvesnis atsakas yra tiksliai nustatyti, kuriuos žmogiškosios patirties aspektus tikrai sunku automatizuoti.

Remiantis dabartine DI galimybių trajektorija, šie profesiniai įgūdžiai yra patvariausi:

• Santykiais pagrįstas pasitikėjimas: klientai ir suinteresuotosios šalys reguliariai priima sprendimus remdamiesi tuo, kuo pasitiki, o ne tik tai, kokią informaciją gauna. Pasitikėjimas kuriamas per nuolatinę žmonių sąveiką ir demonstruojamą interesų derinimą, o ne algoritminį rezultatą.
• Etinis ir reglamentuojantis sprendimas: sprendžiant situacijas, kai taisyklės yra dviprasmiškos, suinteresuotųjų šalių interesų konfliktas arba nauji scenarijai reikalauja moralinių samprotavimų, vis tiek reikalauja žmogaus atsakomybės.
• Kūrybinė sintezė: norint sujungti skirtingų sričių įžvalgas – matant, kad vartotojų elgsenos tendencija siejama su tiekimo grandinės pažeidžiamumu, atsiranda naujas reguliavimas – reikia tokio asociatyvaus mąstymo, kurį AI valdo mažiau patikimai nei modelio atpažinimas.
• Bendravimas su suinteresuotosiomis šalimis: sudėtingos analizės pavertimas pasakojimais, skatinančiais veikti – įtikinti valdybą, nuraminti nerimą keliantį klientą, įkvėpti komandą – iš esmės yra žmonių bendravimo iššūkis.
• Tikros naujovės valdymas: susidarius situacijoms, kuriose nėra istorinio precedento (pasaulinė pandemija, geopolitinis sukrėtimas, paradigmas keičianti technologija), žmogaus prisitaikymas ir kūrybiškumas tampa esminiai, o ne papildomi dalykai.

Prie šios realybės jau prisitaikę fondų valdytojai nebando konkuruoti su akcijų pasirinkimo greičio ar duomenų apdorojimo apimties algoritmais. Jie save laiko portfelio architektais, ryšių su klientais valdytojais ir sudėtingų rizikos sistemų valdytojais – vaidmenimis, kuriems reikalingas žmogaus buvimas ir atskaitomybė, o ne tik gebėjimas derinti modelius.

Kaip į ateitį žiūrinčios organizacijos reaguoja

Protingiausias atsakas į AI sutrikimą nėra nei neigimas, nei panika – tai integracija. Geriausiai per ateinantį dešimtmetį pasiseks organizacijos, kurios naudos dirbtinį intelektą, kad pašalintų menkavertį modelių derinimo darbą ir perskirstytų žmogaus talentą į veiklą, kurią tikrai sunku automatizuoti.

Praktiškai tai reiškia, kad reikia sukurti veikiančią infrastruktūrą, kuri suteiktų žmonėms prieigą prie dirbtinio intelekto sukurto intelekto, nereikalaujant, kad jie patys taptų duomenų mokslininkais. Pardavimų lyderis turėtų matyti dirbtinio intelekto pagrįstą potencialių klientų įvertinimą kartu su CRM veikla, neperjungdamas penkių skirtingų platformų. Žmogiškųjų išteklių direktorius turėtų sugebėti atskleisti saugojimo rizikos signalus iš darbo jėgos duomenų, rankiniu būdu nekurdamas prietaisų skydelių. Finansų operatorius turėtų turėti galimybę vykdyti pinigų srautų scenarijus be specialios analitikų komandos.

Būtent tokia yra platformų, tokių kaip Mewayz, filosofija, kuri į vieną veiklos aplinką sujungia daugiau nei 200 verslo valdymo modulių, apimančių CRM, sąskaitų faktūrų išrašymą, personalo valdymą, darbo užmokestį, analizę, transporto parko valdymą ir kt. Kai dirbtinio intelekto pagrįstos įžvalgos egzistuoja toje pačioje platformoje, kurioje vykdomi sprendimai, o ne atskirame įrankyje, grįžtamasis ryšys tarp intelekto ir veiksmo smarkiai sutrumpėja. 138 000 įmonių, naudojančių Mewayz visame pasaulyje, ši integracija nėra ateities siekis; tai dabartinė veiklos realybė.

Laukimo kaina: kaip atrodo neveikimas po penkerių metų

Nuostabiose pramonės šakose AI sutrikimus linksta traktuoti kaip lėtai judančią potvynį – ką reikia stebėti patogiu atstumu, tęsiant veiklą kaip įprasta. Harvardo fondo valdymo tyrimas primena, kad potvynis gali judėti greičiau, nei tikisi esami operatoriai. Investicinių fondų pramonė ilgus metus atmetė pasyvius indekso fondus kaip nišinį produktą nepatyrusiems investuotojams. Iki 2023 m. pasyvieji fondai pirmą kartą istorijoje viršijo aktyvius fondus pagal bendrą valdomą turtą Jungtinėse Valstijose.

Didžiausias dirbtinio intelekto sutrikimo pavojus gresia ne tiems, kurie dirba akivaizdžiai techninėse srityse – jie yra tie, kurie savo konkurencinę padėtį sukūrė remdamiesi išskirtine prieiga prie informacijos arba gebėjimu apdoroti ir interpretuoti duomenis greičiau nei konkurentai. Abu šie pranašumai greitai išnyksta, kai AI patenka į vaizdą. Išskirtinis informacijos pranašumas išnyksta, kai dirbtinis intelektas gali sintetinti viešuosius duomenis dideliu mastu. Apdorojimo pranašumas išnyksta, kai AI gali atlikti analizę per kelias sekundes, o tai anksčiau užtrukdavo savaites.

Tai, kas nesumažėja – o iš tikrųjų tampa vertingesnė – yra galimybė užduoti geresnius klausimus, užmegzti autentiškus santykius ir veikti integruotose sistemose, kurios įžvalgą paverčia vykdymu be trinties. Šiandien į tokią infrastruktūrą investuojančios organizacijos ne tik ruošiasi dirbtinio intelekto sutrikimams. Jie kuria veiklos modelį, kuris apibrėš naujos kartos verslo našumą.

Tikroji Volstryto AI skaičiavimo pamoka

Harvardo tyrime bus sukurtos antraštės apie robotus, pakeičiančius fondų valdytojus, ir šiose antraštėse dažniausiai nebus prasmės. Svarbesnė išvada yra ne tai, kad dirbtinis intelektas gali pakartoti ekspertų sprendimus, o tai, kad brangiausias dalykas ekspertų sprendimuose yra dalys, kurias mašina gali tvarkyti pigiai. Šis suvokimas keičia žinių ekonomiką visose pramonės šakose, ne tik finansų.

Profesionalai ir organizacijos, kurios klestės, yra tie, kurie priima šią realybę jos neparalyžiuodami. Jie perplanuos savo vaidmenis, atsižvelgdami į tikrai žmogiškus elementus – pasitikėjimą, kūrybiškumą, etinį sprendimą, santykių žvalgybą – ir AI laikys modelio atpažinimo, duomenų sintezės ir įprastinio prognozavimo varikliu. Jie investuos į integruotas operacines platformas, kurios padarys dirbtinio intelekto sukurtą intelektą iš karto pritaikytą naudoti, o ne laikys jį kaip esamų darbo eigų priedu.

Indukcinių fondų valdytojai, kurie išgyvens ateinantį dešimtmetį, nebus tie, kurie nepaisys algoritmo. Jie bus tie, kurie išmoks dirbti šalia jo – naudos dirbtinį intelektą, kad išspręstų nuspėjamą 71 proc., kad galėtų visą dėmesį skirti nenuspėjamiems 29 proc., kur žmogaus sprendimas vis dar turi įtakos. Ta pati aritmetika galioja kiekvienam verslo lyderiui, šiuo metu pereinančiam dirbtiniam intelektui. Klausimas nėra, ar prisitaikyti. Kyla klausimas, kaip greitai galite pradėti.

Dažniausiai užduodami klausimai

Ar AI tikrai gali geriau numatyti investicinių fondų sandorius nei patyrę vadovai?

Pagal Harvardo verslo mokyklos tyrimą, AI modeliai gali nepaprastai tiksliai numatyti maždaug 71 % investicinių fondų sandorių. Šios sistemos analizuoja didžiulius duomenų rinkinius – balansus, pajamų skambučius, makroekonominius signalus – daug greičiau nei bet kuris žmogus analitikas. Nors tai negarantuoja didesnės grąžos bet kokiomis rinkos sąlygomis, tai primygtinai rodo, kad dirbtinis intelektas turi išmatuojamą struktūrinį pranašumą prieš tradicinį fondų valdymą modelių atpažinimo ir sprendimų nuoseklumo srityse.

Ką tai reiškia kasdieniams investuotojams, investuojantiems pinigus į aktyviai valdomus fondus?

Tai kelia rimtų klausimų, ar aktyvių fondų valdytojų taikomi priemokos yra pagrįsti. Jei dirbtinis intelektas gali atkartoti ir potencialiai pranokti jų strategijas, investuotojus gali geriau aptarnauti algoritmais valdomos arba pasyvios transporto priemonės. Šis pokytis taip pat pabrėžia, kaip svarbu naudoti sumanius verslo ir finansinius įrankius, siekiant efektyviau valdyti nuosavą kapitalą, o ne visiškai pasikliauti žmogiškaisiais tarpininkais, kurių pranašumas mažėja.

Kaip smulkaus verslo savininkai ir verslininkai gali naudoti dirbtinį intelektą, kad priimtų protingesnius finansinius sprendimus?

Tokios platformos kaip Mewayz – 207 modulių verslo operacinė sistema, kurią galima rasti adresu app.mewayz.com tik už 19 USD per mėnesį – suteikia verslininkams prieigą prie dirbtinio intelekto valdomų įrankių, kurie kažkada buvo išskirtiniai didelėms įmonėms. Užuot perdavęs finansinius sprendimus brangiems patarėjams, verslo savininkai gali pasitelkti integruotą analizę, kad galėtų stebėti pinigų srautus, modeliuoti scenarijus ir priimti duomenimis pagrįstus sprendimus su tokiu pat sistemingu tikslumu, dėl kurio dabar sutrikdoma Volstryto fondų valdymo pramonė.

Ar yra apribojimų, ką dirbtinis intelektas šiuo metu gali padaryti finansų rinkose?

Taip. Dirbtinis intelektas puikiai identifikuoja istorinius modelius ir apdoroja struktūrinius duomenis, tačiau jis gali kovoti su precedento neturinčiais juodosios gulbės įvykiais, geopolitiniais sukrėtimais ar žmogaus psichologijos nulemtais pokyčiais, kurie nepatenka į jo mokymo duomenis. Žmonių vadovai vis dar priima kontekstinį sprendimą, etinius samprotavimus ir prisitaikantį mąstymą ekstremalių rinkos dislokacijų metu. Labiausiai tikėtinas greitas rezultatas yra hibridinis modelis, kai dirbtinis intelektas atlieka analizę, o žmonės prižiūri svarbius sprendimus.