Nie pytaj AI, czy masz rację. Każ modelowi znaleźć dziurę w tezie

Jeszcze dwa lata temu w branży finansowej można było usłyszeć, że generatywna sztuczna inteligencja halucynuje, myli się nawet przy prostych zadaniach, a jej praktyczna użyteczność jest ograniczona. Takie opinie, jak przekonywał podczas Fund Forum Piotr Miliński z QUERCUS TFI, wciąż nie należą do rzadkości. Tymczasem wykorzystanie AI rośnie w tempie wykładniczym. W prezentacji Miliński pokazał m.in. dane OpenRouter obrazujące gwałtowny wzrost liczby tokenów przetwarzanych przez wiodące modele. 

Jak pogodzić te dwie rzeczy? Zdaniem zarządzającego problem często tkwi nie w samym modelu, lecz w sposobie, w jaki próbujemy z niego korzystać.

Reklama

Tysiąc koni pod maską to nie wszystko

Piotr Miliński posłużył się analogią do wyścigów samochodowych. Nawet znakomity samochód nie wystarczy, aby wygrać 24-godzinny wyścig Le Mans. Potrzebne są jeszcze paliwo, odpowiednia strategia, znajomość toru i zespół zdolny reagować na nieprzewidziane wydarzenia.

Podobnie ma być ze sztuczną inteligencją. W jego porównaniu „silnikiem” są możliwości samego modelu, „paliwem” – czas i budżet obliczeniowy, a „torem” – dane, kontekst oraz instrukcje. Jak zauważył, dobry silnik nie zastąpi znajomości toru, a wdrożenie AI nie kończy się na wykupieniu subskrypcji. 

To właśnie dlatego – zdaniem Piotra Milińskiego – wybór między poszczególnymi dostawcami modeli nie jest najważniejszą decyzją. Różne rozwiązania mogą poradzić sobie dobrze, jeśli otrzymają odpowiednie zasoby i zostaną osadzone w dobrze zaprojektowanym procesie.

Problem zaczyna się wtedy, gdy użytkownik daje modelowi bardzo złożone zadanie, ale jednocześnie prawie żadnego kontekstu. Piotr Miliński porównał to do sytuacji, w której przypadkowa osoba zatrzymuje zarządzającego na ulicy i prosi o „10 pewniaków inwestycyjnych”, dając mu kilka sekund na odpowiedź. Zarządzający nie wie przy tym, kim jest inwestor, jaki ma portfel, horyzont ani tolerancję ryzyka. Obok prostego polecenia wyboru najlepszych inwestycji muszą pojawić się pytania o inwestora, horyzont, klasy aktywów, metodę oceny czy źródła danych. 

„Znajdź dziurę w moim modelu myślenia”

W profesjonalnym procesie inwestycyjnym model powinien dostać znacznie więcej. Piotr Miliński mówił o udostępnieniu mu własnej tezy inwestycyjnej, opisu procesu analitycznego, modeli finansowych, wcześniejszych analiz, notatek ze spotkań z zarządami i konferencji, a także dostępu do baz danych i bieżących informacji.

W ten sposób AI przestaje być prostym chatbotem odpowiadającym na pojedyncze pytanie. Może stać się elementem szerszego procesu, korzystać z narzędzi i danych oraz wykonywać kolejne etapy zadania. Miliński określił takie rozwiązanie mianem agenta.

Cały ten zestaw danych i narzędzi prowadzi ostatecznie do trzech pytań: „Gdzie mogłem się pomylić?”, „Jakie są słabe punkty mojej tezy?” oraz „Co zmieniło się od ostatniego razu?”. I właśnie tutaj – zdaniem zarządzającego – pojawia się jedno z najbardziej wartościowych zastosowań AI.

Model nie powinien służyć zarządzającemu do utwierdzania się we własnych przekonaniach.

– Dla mnie kluczem jest odwrócenie tej relacji, czyli powiedzenie modelowi: znajdź dziurę w moim modelu myślenia. Zobacz, gdzie się pomyliłem – mówił Miliński.

AI – podobnie jak rozmówca – może zostać poprowadzona w taki sposób, by potwierdzać przedstawioną jej narrację. Z punktu widzenia inwestora znacznie cenniejsze jest więc zlecenie jej roli „adwokata diabła”.

Model może przeszukać dane, założenia i wcześniejsze analizy, a następnie wskazać miejsca, w których teza inwestycyjna jest najsłabsza. Może też sprawdzać, czy od momentu podjęcia decyzji coś się nie zmieniło.

To prowadzi do kolejnego zastosowania: bieżącego monitorowania inwestycji. Jeżeli zarządzający wcześniej określił warunki, przy których chce zrealizować zysk albo wycofać się z pozycji, model może śledzić informacje dotyczące spółki, wyniki, konferencje czy zmiany fundamentalne i porównywać je z pierwotną tezą.

Miliński opowiadał, że zdarzały się już sytuacje, w których model zwracał mu uwagę, że założony scenariusz się zrealizował i należałoby rozważyć realizację zysku. Innym razem wskazywał, że pierwotna teza przestała być aktualna, a spółka nie „dowiozła” tego, czego oczekiwał inwestor. W tym ujęciu AI nie jest więc maszyną do generowania rekomendacji. Staje się raczej zewnętrznym kontrolerem procesu inwestycyjnego, który rozlicza zarządzającego z jego własnych wcześniejszych założeń.

To może mieć znaczenie także z perspektywy behawioralnej. Inwestorowi trudno czasem przyznać, że pierwotna teza była błędna albo że powód dalszego utrzymywania pozycji różni się już od tego, dla którego została kupiona. Model może taką niespójność wychwycić.

Przy odpowiednich zasobach ten sam proces można skalować na cały portfel. Miliński mówił o analizowaniu w ten sposób kilkunastu czy kilkudziesięciu pozycji, a także różnych klas aktywów. AI może wówczas poszukiwać wspólnych czynników ryzyka i korelacji, które nie są oczywiste na pierwszy rzut oka. Jako przykład podał KGHM. Model zwrócił jego uwagę na silny związek między zachowaniem akcji polskiej spółki a amerykańskim „AI trade” i segmentem półprzewodników.

Dla zarządzającego wieloaktywowego tego rodzaju analiza może być szczególnie przydatna. Pozwala bowiem spojrzeć na portfel nie tylko przez pryzmat formalnego podziału na akcje, obligacje, regiony czy sektory, ale również rzeczywistych czynników wpływających na poszczególne pozycje.

Miliński wskazał również na mniej oczywiste zastosowanie modeli – budowanie narzędzi wspomagających analizę i edukację. Podczas przygotowywania warsztatów z zakresu wyceny spółek chciał stworzyć rozwiązanie pokazujące, jak zmienia się wartość godziwa przedsiębiorstwa przy różnych założeniach dotyczących m.in. tempa wzrostu, stóp procentowych czy inwestycji. Model miał na podstawie określonych założeń przygotować narzędzie umożliwiające przedstawienie tych zależności na wykresach. 

Zarządzający jednak nie znika

Skoro AI może analizować dane, testować scenariusze, kontrolować tezę inwestycyjną i monitorować portfel, pojawia się naturalne pytanie: co zostaje człowiekowi? Zdaniem Milińskiego – bardzo dużo. Model działa bowiem na podstawie określonych założeń. Dwie osoby mogą patrzeć na ten sam rynek zupełnie inaczej i wprowadzić do procesu odmienne poglądy na temat przyszłości spółki, sektora czy całej gospodarki.

AI może następnie sprawdzić konsekwencje tych założeń. Nie zdecyduje jednak za zarządzającego, które z nich należy przyjąć. – Model może zautomatyzować proces, może nam wskazać słabe strony, może przeliczyć, czy w naszym scenariuszu zarobimy czy stracimy, ale nie zdecyduje za nas, że daną pozycję trzeba zająć – mówił Miliński.

Najważniejszy pozostaje jeszcze jeden element: odpowiedzialność. Nawet najlepszy model może się mylić. Dlatego człowiek nadal musi kontrolować jego wnioski i zdecydować, czy przełożyć je na rzeczywistą transakcję. – Jak klient przyjdzie do mnie i będzie niezadowolony z performance'u, to nie zrzucę tego na AI – podkreślał.

Po stronie człowieka pozostają: przygotowanie procesów, przyjęcie założeń, ocena wniosków oraz odpowiedzialność za decyzję.

Zmiana może jednak objąć nie tylko sposób pracy profesjonalnych inwestorów. Podobne narzędzia stopniowo trafiają bowiem do klientów. Zdaniem Milińskiego za kilka lat inwestor będzie mógł znacznie łatwiej analizować pracę zarządzającego, identyfikować niespójności w jego decyzjach i domagać się konkretnych wyjaśnień. AI może więc częściowo zmniejszać przewagę informacyjną profesjonalisty nad klientem. A to oznacza, że poprzeczka dla całej branży pójdzie w górę.

Miliński zachęcał więc do eksperymentowania z nowymi narzędziami właśnie teraz. Jego zdaniem znajdujemy się w okresie, w którym dostęp do coraz bardziej zaawansowanych modeli jest relatywnie tani w stosunku do ich możliwości. To dobry moment, aby sprawdzać nie tylko, gdzie AI pomaga, ale również gdzie nadal zawodzi.

Bo z jego wystąpienia wynika przede wszystkim jedno: największa zmiana nie polega na tym, że sztuczna inteligencja ma podjąć decyzję za zarządzającego. Ma sprawić, że jego własny proces decyzyjny będzie trudniejszy do oszukania – także przez niego samego.

Zapisz się na Newsletter

Bądźmy w kontakcie! Prosto na Twojego maila będziemy wysyłać skrót najważniejszych informacji ze świata finansów, powiadomienia o nowościach rynkowych, najnowsze oceny i raporty oraz codzienne notowania wybranych przez Ciebie funduszy inwestycyjnych.

Zapisz się