Снимка: iStock

Само преди две години въпросът беше дали изкуственият интелект ще започне да избира акции по-добре от професионалните портфолио мениджъри. Днес въпросът вече е съвсем различен. Не е дали AI може да инвестира. Въпросът е дали инвеститорите изобщо знаят кога AI греши. Именно това е едно от най-интересните заключения в новия State of AI Alpha Report – изследване, което вероятно ще промени начина, по който професионалната инвестиционна общност гледа на изкуствения интелект.

Докладът е необичаен, защото вместо да се фокусира върху възможностите на AI, той анализира неговите ограничения. А резултатите са далеч по-трезви от масовата еуфория. Според изследването девет от всеки десет най-модерни LLM агенти, предназначени за избор на акции, се представят по-зле от случайния избор. Най-добрият модел допуска грешка в приблизително една от всеки шест стойности, извлечени от финансови таблици. Още по-притеснително е, че една от всеки три AI генерирани интерпретации на корпоративни отчети достига до извод, който противоречи на самия документ. Това означава, че проблемът вече не е само точността на информацията. Проблемът е интерпретацията.

Тези резултати поставят под въпрос една широко разпространена заблуда – че колкото по-голям и по-мощен става един езиков модел, толкова по-близо е до ролята на автономен инвестиционен анализатор. В действителност финансовите пазари се оказват една от най-трудните среди за генеративния AI. Причината е, че инвестиционният анализ не представлява просто извличане на информация. Той изисква контекст, вероятностно мислене, причинно-следствени връзки и способност да се различава сигналът от шума.

Точно тук се проявява фундаменталната разлика между човешкия анализатор и езиковия модел. Големите езикови модели са блестящи в откриването на статистически зависимости. Те разпознават модели в огромни масиви от текст по-бързо от всеки човек. Но финансовите пазари рядко възнаграждават статистическите закономерности сами по себе си. Те възнаграждават правилното разбиране на причините зад тях.

Именно затова докладът обръща специално внимание на прехода от корелационни към каузални модели. Това може да се окаже следващата голяма битка в света на инвестиционния AI. Да знаеш, че две величини исторически са се движили заедно, вече не е достатъчно. Истинското конкурентно предимство идва от разбирането защо се движат заедно и кога тази връзка може да се разпадне. Историята на финансовите пазари е изпълнена с модели, които работят прекрасно... до момента, в който внезапно престанат да работят.

Докладът обаче не е песимистичен. Напротив. Той показва, че AI вече създава реална стойност, но на различно място, отколкото повечето хора очакват. Един от описаните модели, базиран върху анализ на новини, достига Sharpe Ratio от 1.6 след разходи – резултат, който би впечатлил голяма част от професионалните фонд мениджъри. Това е важно уточнение. Не всички AI стратегии се провалят. Провалят се най-вече тези, които претендират, че могат автоматично да заменят човешкото инвестиционно решение.

Още по-интересен е един друг извод. Само за две години единадесет големи международни банки внедряват практически еднакви вътрешни езикови модели. Резултатът е впечатляващ, но и изненадващ. Анализаторите стават 59% по-точни при компаниите, които вече покриват. Но броят на компаниите, които успяват да анализират, остава абсолютно непроменен.

Това изглежда като дребен детайл, но всъщност е изключително важен. AI не е увеличил капацитета им да откриват нови инвестиционни идеи. Вместо това е подобрил качеството на вече съществуващия анализ. Това подсказва, че поне на този етап изкуственият интелект функционира много по-добре като "втори анализатор", отколкото като самостоятелен портфолио мениджър.

Вероятно най-тревожната констатация в доклада обаче е така нареченият "adoption gap" – разликата между скоростта на внедряване на AI и способността на хората да оценяват неговите резултати. Средният институционален инвеститор получава едва 31 точки от 100 при оценка на уменията си за проверка на AI модели. Това означава, че технологиите вече се използват масово, но критичното мислене, необходимо за тяхното валидиране, изостава драматично.

Именно тук се появява следващото конкурентно предимство във финансовата индустрия. През последните две години всички се надпреварваха да усъвършенстват своите промптове. Днес добрият промпт постепенно се превръща в стока. Всеки може да използва ChatGPT, Claude или Gemini. Всеки може да генерира сравнително качествен анализ. Истинската стойност вече не е в генерирането на отговорите. Тя е в способността да разбереш кога тези отговори са грешни.

Това напомня ранните години на интернет. В началото конкурентното предимство беше достъпът до информация. Днес информация има в изобилие. Ценността вече е в способността да се прецени коя информация заслужава доверие. Същият процес започва и при изкуствения интелект. Следващото поколение успешни анализатори вероятно няма да бъде онова, което задава най-добрите въпроси на AI. Ще бъде онова, което най-добре проверява неговите отговори.

Докладът поставя и един изключително важен въпрос пред фонд мениджърите. Ако една стратегия твърди, че използва собствен AI модел, каква част от резултатите всъщност идват от модела и каква част представляват обикновена експозиция към пазарни фактори? Авторите препоръчват всяка доходност да бъде разложена на три компонента – пазарен ефект, факторна експозиция и истински selection alpha. Това вероятно ще се превърне в нов стандарт при дю дилиджънса на инвестиционните фондове.

Същевременно докладът подчертава още една фундаментална промяна. Истинските конкурентни предимства вече няма да идват от самите езикови модели. Те ще идват от това, което стои зад тях – собствените данни, уникалната инфраструктура, достъпът до специализирана информация, изчислителната мощност и способността да се обучават модели върху масиви, които конкурентите не могат просто да наемат от облака за един уикенд.

Именно затова бъдещето на AI във финансите вероятно няма да принадлежи на компаниите с най-добрите промптове. То ще принадлежи на компаниите с най-добрите системи за верификация.

Това е и най-големият урок от доклада. Изкуственият интелект не прави инвестирането по-лесно. Той просто измества мястото, където възниква конкурентното предимство. Вчера то беше в достъпа до информация. Днес е в достъпа до правилната информация. Утре вероятно ще бъде в способността да различиш правилния AI от убедително звучащия, но грешащ AI.

В крайна сметка най-голямата промяна няма да бъде технологична, а психологическа. Най-успешните инвеститори няма да бъдат тези, които се доверяват най-много на машините. Ще бъдат онези, които знаят точно кога да не им се доверят.

Материалът е с аналитичен характер и не е съвет за покупка или продажба на активи на финансовите пазари.