AI for pengemanager: Unngå den svarte boksen – og gjør dette i stedet

Mennesker har lenge vært redd for at de til slutt ville skape en teknologi de ikke kunne kontrollere – og, i alle fall til en viss grad, har disse bekymringene materialiseres. Dette er sant i investeringssektoren også. Vi har hørt historier om hvordan kunstig intelligens kan “velge vinnere” og gjøre overnattingformuer for investorer – men selv toppforskere har ofte ingen idé om hvordan AI gjør disse tingene.

Dette “svarte boks”-dilemma har betydelige implikasjoner på mange nivåer – inkludert forutsigbarhet og forbedring av risikostyring, å vite når man skal investere og når man skal avinvestere, et av de viktigste spørsmålene. Og det forutsigbarhetsproblemet er spesielt akutt når det gjelder finansiell styring – spesielt institusjonelt investering, som kunne ha en stor innvirkning på hele markedene, samt sparingene og aktivene til hundredvis av millioner mennesker. Hvis institusjonelle investorer ikke fullstendig forstår hvordan deres AI-løsninger fungerer, hvordan kan de (og deres kunder) stole på at det tar investeringsbeslutninger?

På den andre siden, er det ingen tvil om at AI kunne brukes til å forbedre profittene – og faktisk, mange institusjonelle investorer bruker allerede det til å finne bedre måter å investere organisasjonens aktiver på. Mange investorer konsentrerer seg om spesifikke aktiver, og bruker AI til å tidfest kjøp og salg – med stor suksess.

Utfordringene som bremser oppakningen av AI

I teorien, hva som fungerer på et “mikro”-nivå, kunne fungere enda bedre på et “makro”-nivå – der AI brukes på en stor variasjon av investeringer og gir anbefalinger basert på enorme mengder data, ved å bruke maskinlæring og andre AI-teknikker til å sammenligne nåværende marked- og verdensforhold med tidligere data, og bestemme hvilke aktiver som sannsynligvis vil stige eller falle i pris basert på denne analysen. Mulighetene som AI tilbyr, er virkelig betydelige – men kan vi stole på svart boks AI til å produsere riktige resultater?

For mange institusjonelle investorer, er svaret sannsynligvis nei – at de potensielle fordelene med AI ikke er verdt risikoen forbundet med en prosess de ikke kan forstå, eller forklare til deres styre og kunder. Så lenge AI tjener penger for en investor, er det ingen som vil spørre om den forklaringen – men hvis ting går galt, må institusjonelle investorer kunne gi klare grunner til hvorfor de tok bestemte beslutninger. For mange institusjoner, er “datamaskinen sa meg det” ikke et tilfredsstillende svar.

Omfavne gjennomsiktighet og en plattformtilnærming

Men alternativet – å unngå AI – er ikke en gangbar vei heller. Andre institusjoner som er mindre forsiktige, og som faktisk bruker AI, vil sannsynligvis gjøre bedre på en rekke aktiver – og så vil styrene spørre investorene hvorfor de lar potensielle profitter ligge på bordet, for deres rivaler å plukke opp.

Men det er en vei ut av denne dilemmaen. I stedet for å bruke AI-systemer som de ikke kan forklare – svart boks AI-systemer – kunne de bruke AI-plattformer som bruker gjennomsiktige teknikker, som forklarer hvordan de kommer frem til sine konklusjoner. AI-systemer gjør dyptgående analyse av enorme mengder data, og anvender sofistikerte algoritmer til å gi anbefalinger, men de ble programmert av mennesker – og disse menneskene kan instruere disse algoritmene til å avsløre eksakt hvilke prosesser de bruker til å komme frem til sine konklusjoner.

AI som møter overholdelseskrav

Gjennomsiktige AI-systemer tilbyr en fullstendig spor for revisjon av investeringer – den type revisjon institusjonelle investorer er pålagt å levere – med informasjon levert for hvert element i en investeringsportefølje. Investorer vil dermed kunne forstå logikken bak hver signal, og hvordan de kan være til nytte for institusjonens porteføljer. Ikke alle forutsigelser vil lykkes – men i alle fall vil investorer kunne forklare tydelig hvorfor en investering lyktes, og en annen ikke.

Gjennomsiktige og forståelige AI er noe som investeringsfirmaer også bør vurdere i lys av mulige regulatoriske krav. Regjeringens reguleringer på områder som hvitvasking og insiderhandel har blitt betydelig strengere de siste årene, og investeringsledere, spesielt i større institusjoner, er mer sannsynlig å bli bedt av regulatorer om å forklare sine investeringsstrategier – og sannsynligheten for at dette skjer kan være enda større for ledere som bruker avansert AI. Med gjennomsiktig AI, vil ledere kunne dokumentere sine investeringsstrategier raskt og effektivt, og gi garanti for at, til tross for at de gjorde betydelige profitter, disse profittene ble oppnådd uten å bryte noen reguleringer.

Med en slik system, kan investorer dra full nytte av hva AI har å tilby – og de kan være sikre på at de vil kunne forklare til de som de er ansvarlige overfor, hvorfor de gjorde hva de gjorde. Investeringledere vil kunne utnytte kraften til AI til å bevise og fange alfa i sine investeringshypoteser – og føre til en ny paradigme for investering, hvor ledere kan ta mer intelligente og trygge valg – bakket opp av kraftfulle algoritmer som hjelper dem å lykkes. En slik tilnærming vil gjøre AI til en virkelig transformasjonsteknologi for institusjonelt investering.