Штучний інтелект та інвестиції:
оракул чи супротивник?

Сьогодні інвестиційний комітет може опрацювати більше інформації, ніж будь-коли. За кілька років ШІ зможе ще до початку засідання прочитати кожен договір оренди в портфелі нерухомості, виявити всі права на розірвання, перевірити платоспроможність орендарів, проаналізувати порівнянні угоди та прорахувати десять тисяч сценаріїв щодо ставок, інфляції, вакантності та exit yield.

Але чи розв’язує краща інформація головну проблему інвестування? Історія останніх років свідчить про складнішу відповідь.

1 серпня 2012 року Knight Capital встановила нове програмне забезпечення у свою торгову систему. Потім машина почала торгувати.

Лише за 45 хвилин система відправила на ринок мільйони помилкових заявок. Knight Capital втратила понад 460 мільйонів доларів США.

Особливо примітно: внутрішні системи вже видавали попередження. Люди отримували сигнали, але не розпізнали їхнього значення вчасно.

Knight Capital не був сучасним штучним інтелектом. Проте цей випадок показує проблему, яка стає ще важливішою з потужнішими системами:

Машини автоматизують не лише правильні рішення. Вони автоматизують і помилки. І роблять і те, й інше зі швидкістю, недосяжною для людини.

У 2017 році було запущено AI Powered Equity ETF AIEQ. Ідея була переконливою: машина може опрацьовувати дані компаній, новини та ринкову інформацію в обсязі, недоступному жодному керуючому фондом.

Однак більше інформації не означало автоматично більшої дохідності. За період з кінця 2017 до середини 2023 року для AIEQ повідомлялося про середньорічну дохідність близько 6,7 відсотка проти приблизно 11,2 відсотка в широкого індексу американського ринку акцій.

Інші ранні спроби інвестиційних стратегій на основі ШІ також не виправдали очікувань. Sentient Technologies, наприклад, робила ставку на еволюційні алгоритми для інвестиційних рішень. Компанія залучила значне венчурне фінансування. За опублікованими даними, її фонд заробив близько чотирьох відсотків у 2017 році й практично нічого у 2018 році; потім його ліквідували.

Новіші дослідження, утім, малюють складнішу картину. Актуальне дослідження інвестиційних стратегій на основі ШІ показує, що ранні користувачі частково справді отримували надлишкову дохідність порівняно з аналогічними стратегіями без ШІ. Але з поширенням технології ця перевага зменшувалася.

Це була б дуже стара інвестиційна історія: інформаційна перевага може приносити альфу. Але щойно вона є в усіх, це вже не перевага.

Особливо цікаво стає у сфері нерухомості. Zillow мала величезні масиви даних і одну з найвідоміших у світі систем автоматичної оцінки нерухомості.

Із Zillow Offers компанія зробила вирішальний крок уперед. Вона використовувала свої моделі вже не лише для оцінки нерухомості. Zillow почала сама купувати будинки.

У листопаді 2021 року програму закрили. Лише за третій квартал Zillow довелося списати близько 304 мільйонів доларів США за своїм портфелем нерухомості. Генеральний директор Rich Barton пояснив, що непередбачуваність майбутніх цін на житло виявилася значно більшою, ніж очікувалося.

Проблема була складнішою, ніж «поганий алгоритм». Тиск зростання, ціни купівлі, витрати на ремонт, проблеми з робочою силою та ланцюгами постачання, а також мінливий ринок нерухомості зіткнулися з моделями, навченими на минулому.

У цьому полягає найважливіший урок: модель може бути чудовою в середньому й усе ж помилятися саме там, куди вкладено капітал.

Капітал не цікавить середня помилка моделі. Капітал цікавить, де саме ця помилка виникає.

Є й інший бік. Німецька управлінська компанія LAIQON уже кілька років використовує штучний інтелект в інвестиційному процесі.

За даними компанії, LAIQON AI Dynamic Multi Asset з травня 2020 до травня 2026 року показав сукупну дохідність 66,41 відсотка, що на 28,20 відсоткового пункту вище за вказану групу порівняння. За даними компанії, і консервативніший ШІ-фонд випередив свою групу.

Ці цифри взято з корпоративної комунікації, і їх слід оцінювати відповідно. Вони не доводять, що ШІ в принципі ухвалює кращі інвестиційні рішення. Але вони показують інше: інвестиційні процеси з підтримкою ШІ можуть працювати.

Європейський орган з цінних паперів і ринків ESMA також нині активно вивчає використання штучного інтелекту в управлінні активами. Кількість європейських фондів, які справді використовують ШІ як суттєву частину інвестиційної стратегії, поки що відносно невелика. Експеримент лише починається.

Blackstone дотримується іншого підходу. Інвестиційний менеджер описує використання штучного інтелекту, зокрема, для відбору інвестиційних можливостей та аналізу великих обсягів документів. ШІ допомагає швидше ставити запитання:

• Які угоди заслуговують на увагу?
• Які документи містять аномалії?
• Які ризики могли бути пропущені?
• Яких закономірностей людина може не помітити?

Але машина не замінює інвестиційний комітет. Це фундаментальна різниця. ШІ розширює людське судження, а не вдає, що воно більше не потрібне. І, можливо, саме в цьому його найбільша сила.

Поведінкові фінанси вже десятиліттями документують неприйняття втрат, надмірну самовпевненість, ефект якоря, стадну поведінку, упередженість підтвердження та так званий disposition effect.

Особливо примітне одне дослідження професійних інституційних інвесторів. Досліджувані керуючі управляли портфелями в середньому на 573 мільйони доларів США. Їхні рішення про купівлю демонстрували майстерність. Із рішеннями про продаж усе було інакше: вони виявилися навіть гіршими за випадкові стратегії продажу.

Дослідники знайшли ознаки того, що увага та евристики пояснюють значну частину цієї розбіжності. Отже, проблема полягала не в браку інформації. Проблема була в людській поведінці.

Звичайне запитання звучить так: «Чи може ШІ ухвалювати кращі інвестиційні рішення, ніж люди?» Можливо, цікавіше інше: «Чи може ШІ допомогти людям розпізнати їхні власні погані інвестиційні рішення?»

Тоді роль машини змінюється. З оракула вона перетворюється на супротивника.

Інвестиційна команда, переконана в активі, має питати ШІ не лише: «Це добра інвестиція?» А: «Побудуй найсильніший інвестиційний аргумент проти неї».

• Які припущення надзвичайно оптимістичні?
• Яка інформація суперечить нашій гіпотезі?
• Які ризики ми применшили?
• Що буде, якщо орендна плата буде на 20 відсотків нижчою?
• Що буде при exit yield сім відсотків замість п’яти?
• Які припущення ми оцінили б інакше, якби вже не працювали над цією угодою шість місяців?

І, можливо, найважливіше запитання: яка інформація змусила б нас відмовитися від цієї угоди?

Якщо відповідь: «Власне, жодна», – можливо, у нас уже немає інвестиційної моделі. Ми закохалися.

Адже люди починають судити напрочуд швидко. У відомому дослідженні Janine Willis та Alexander Todorov 2006 року учасникам вистачало 100 мілісекунд, щоб за незнайомим обличчям скласти судження, зокрема про симпатію, надійність і компетентність.

Більше часу змінювало деякі з цих перших суджень напрочуд мало. Натомість воно могло підвищити впевненість, з якою люди їх відстоювали.

Інвестиція, звісно, не обличчя. Але психологічний механізм, що стоїть за цим, має нас цікавити. Ще до початку due diligence, можливо, вже існує історія:

• Це винятковий актив.
• Цей підприємець знає, що робить.
• Цей район розвиватиметься.
• Ця технологія все змінить.

Або навпаки: мені це не подобається. Потім починається аналіз. І тут виникає нова небезпека.

Штучний інтелект може аналізувати мільйони даних. Але й йому спершу треба поставити запитання. А це запитання формулює людина.

Людина, яка, можливо, давно симпатизує інвестиції. Яка вже місяцями над нею працює. Якій подобається продавець. Яка оглянула актив. Яка представила угоду своєму інвестиційному комітету. Яка знає, що конкурент теж робить пропозицію. Яка не хоче втратити шість місяців роботи. І яка, можливо, давно сподівається, що аналіз дійде певного результату.

Тепер ця людина отримує інструмент величезної аналітичної потужності. Це може зробити її раціональнішою. Але може статися й інше: інструмент дасть їй значно кращі аргументи на користь того, у що вона й так хотіла вірити.

Упередженість підтвердження зі штучним інтелектом залишається упередженістю підтвердження. Вона просто отримує потужніший комп’ютер.

Поки ми сперечаємося, чи зробить штучний інтелект інвесторів раціональнішими, компанії та інвестори вкладають величезні суми в сам штучний інтелект: дата-центри. Чипи. Енергію. Моделі. Стартапи. Інфраструктуру.

Банк міжнародних розрахунків уже досліджує динаміку можливих інвестиційних перегонів у сфері ШІ. Якщо компанії очікують, що небагато переможців контролюватимуть велику частину майбутніх ринків, індивідуально зрозуміла поведінка може призвести до того, що загалом буде інвестовано надзвичайно багато капіталу.

І ось посеред найсучаснішої технології світу знову постає одне з найдавніших інвестиційних запитань людства: що буде, якщо я в цьому не беру участі?

Нова технологія. Стара емоція.

ШІ змінить інвестиційний бізнес. Він швидше аналізуватиме дата-руми, виявлятиме ризики, порівнюватиме угоди та прораховуватиме сценарії. Можливо, він бачитиме те, що люди пропускають.

Але саме тому, можливо, нам варто бути обережними й не перетворювати його на оракула. Його цікавіша роль – роль супротивника.

Не: Підтверди мою інвестиційну гіпотезу. А: Зруйнуй її.
Не: Чому мені варто купити? А: Що я пропускаю, бо хочу купити?

Адже навіть найкращий штучний інтелект мало допоможе, якщо ми ще до першого запитання симпатизуємо інвестиції, а потім займаємо машину переважно пошуком причин для того, у що наш мозок давно хоче вірити.

Можливо, штучний інтелект в інвестиціях потрібен нам не передусім для того, щоб отримувати більше відповідей. Можливо, він потрібен нам, щоб ставити кращі зустрічні запитання до наших уже наполовину ухвалених рішень.

— Mag. Nevena Shotekova-Zöchling

• Willis, J. / Todorov, A. (2006): First Impressions: Making Up Your Mind After a 100-ms Exposure to a Face, Psychological Science, 17(7), 592–598.
• Akepanidtaworn, K. / Di Mascio, R. / Imas, A. / Schmidt, L. (2021): Selling Fast and Buying Slow: Heuristics and Trading Performance of Institutional Investors, NBER Working Paper 29076.
• Chen, S. / Sialm, C. / Xu, D. (2026): The Growth and Performance of Artificial Intelligence in Asset Management, NBER Working Paper 35273.
• U.S. Securities and Exchange Commission (2013): Knight Capital Americas LLC.
• Zillow Group (2021): Third Quarter 2021 Financial Results and Plan to Wind Down Zillow Offers Operations.
• ESMA (2025): Artificial Intelligence in EU Investment Funds: Adoption, Strategies and Portfolio Exposures.
• ESMA (2024): Public Statement on the Use of Artificial Intelligence in the Provision of Retail Investment Services.
• LAIQON AG / LAIC (2026): Опубліковані дані про шестирічну історію дохідності мультиактивних стратегій на основі ШІ (дані компанії).
• Blackstone: Публікації про використання штучного інтелекту в інвестиційному процесі, зокрема для відбору угод, аналізу документів і роботи з портфелем.
• Bank for International Settlements, BIS (2026): Дослідження економічних наслідків інвестиційних перегонів у сфері ШІ та можливої динаміки надмірних інвестицій.