【Era Trend】 Model AI investasi dan riset pengelolaan aset harus keluar dari “jebakan kotak hitam”

（Judul asli：【Peluang zaman】 Model manajemen aset dan riset berbasis AI perlu keluar dari jebakan “black box”）

Jiang Guangxiang

Mulai tahun 2026, perkembangan AI agen cerdas melesat pesat di bawah arahan “kumbang lobster” (“OpenClaw” AI agen cerdas, julukan), dan ada rasa cemas kalau tidak memelihara satu pun akan tertinggal, yang tidak luput dari industri manajemen aset seperti reksa dana publik. Agen cerdas AI yang diwakili oleh OpenClaw memiliki nilai inti untuk menutup “kesenjangan satu mil terakhir” dari data besar hingga penerapan riil dalam riset investasi, sehingga kita dapat merasakan secara langsung peningkatan efisiensi yang sangat ekstrem. Sebagai contoh pada posisi inti riset investasi, agen cerdas AI dapat secara otomatis menangkap data 7×24 jam, membersihkan informasi, menggali faktor, serta menghasilkan laporan, membebaskan investor dari pekerjaan repetitif yang berat, dan memusatkan diri pada pemikiran strategi pada dimensi yang lebih tinggi.

Namun, setiap orang yang mengembangkan dan menggunakan DeepSeek, Yuanbao, Doubao—hingga “kumbang lobster”—mungkin sangat ingat serta masih menyisakan rasa was-was ketika suatu saat model AI “berbicara omong kosong dengan sangat serius”. Dalam bidang manajemen aset yang atas kepercayaan orang lain dan melayani nasabah, “omong kosong” seperti ini kemungkinan besar dapat menimbulkan kerugian uang yang nyata bagi investor. Yang cukup bernuansa humor gelap adalah bahwa batas tanggung jawab hukum antara alat AI saat ini dan pengguna masih berada di area yang samar. Jika seorang individu atau institusi penasihat investasi memberikan saran yang tidak memuaskan, investor masih punya tempat untuk memperjuangkan haknya. Tetapi ketika investor “terluka” oleh alat AI yang mereka unduh sendiri, sepertinya mereka hanya bisa menelan “kerugian tanpa kata-kata”. Dibandingkan “omong kosong” yang mudah dikenali, beberapa kesimpulan riset investasi yang terlihat masuk akal namun menyesatkan—logikanya tampak konsisten, penyajiannya terdengar profesional—memerlukan waktu untuk diuji kebenarannya, sehingga dampak merusaknya lebih kuat. Risiko “black box” yang cukup menjadi kewaspadaan di kalangan industri adalah salah satu contohnya; dan juga merupakan risiko yang saat ini diakui secara luas sebagai yang paling inti serta paling perlu diwaspadai dalam model AI.

Secara jujur, sebagian besar model AI canggih saat ini, terutama model pembelajaran mendalam, masih mengusung logika “tidak dapat dijelaskan”. Kita hanya tahu data apa yang dimasukkan dan hasil apa yang keluar, tetapi hampir tidak tahu apa-apa tentang proses bagaimana model di dalamnya melakukan penalaran dan sampai pada kesimpulan. Karakteristik “black box” ini dapat memunculkan risiko fatal dalam bidang riset investasi. Misalnya, ketika model AI ini “belajar” dari teks dan data internet dalam jumlah besar, tidak dapat dihindari bahwa model akan mewarisi bias kognitif, kebisingan pasar, bahkan informasi yang salah yang terdapat di dalamnya. Banyak “faktor ajaib” yang digali sebenarnya hanyalah fenomena kebetulan secara statistik, namun memberi ilusi seolah-olah menemukan “wadah suci”. Yang disayangkan adalah, ketika AI memberi kita laporan analisis investasi atau saran yang memiliki karakteristik di atas, investor yang tidak memiliki pengetahuan profesional sulit mengenali kekeliruannya. Bahkan jika investor tersebut adalah manajer investasi profesional, jika mereka terlalu bergantung secara membabi buta pada saran semacam ini, mereka juga bisa mengambil keputusan investasi yang bencana.

Bagi model AI, tantangan yang lebih mendalam datang dari kompleksitas pasar keuangan itu sendiri. Pasar bukanlah laboratorium statis, melainkan sistem adaptif kompleks tempat perilaku semua peserta saling memengaruhi dan terus berevolusi. Yang aneh adalah, data historis yang digunakan untuk melatih model AI itu sendiri sudah memuat perilaku semua peserta pasar di masa lalu. Dan begitu model mulai melakukan trading berdasarkan pola yang ditemukannya, tindakan tradingnya sendiri justru menjadi data baru bagi pasar, sehingga memengaruhi dan mengubah arah pasar di masa depan. Ini membentuk sebuah siklus umpan balik yang saling merujuk (self-referential). Terlepas dari apakah model tersebut “diracuni” atau tidak, karakteristik “adaptif” AI ini menimbulkan realitas yang kejam: setiap pola efektif yang didasarkan pada data publik dan dapat digali cepat oleh AI, masa berlaku imbal hasil tambahannya (excess return) sangat singkat. Tanpa wawasan eksklusif serta logika mendalam yang dipahami pasar, berharap semua orang bisa cepat kaya hanya dengan bergantung pada alat AI bersama-sama, bukankah itu mimpi kosong?

Walaupun integrasi mendalam AI dengan riset investasi tidak dapat dibalikkan, bagi industri manajemen aset, kunci untuk meredakan kecemasan bukanlah dengan memelihara beberapa “kumbang lobster”, melainkan dengan membangun ekosistem baru yang menyeimbangkan efisiensi dan risiko, serta melakukan integrasi mendalam kemampuan manusia dan mesin. Saat ini, baik lembaga keuangan teratas maupun departemen pengawasan jaringan, bersikap hati-hati terhadap pemasangan dan penggunaan agen cerdas open source seperti OpenClaw di perangkat perusahaan dan jaringan internal. Bagi institusi keuangan dengan skala manajemen aset ratusan hingga ribuan miliar, alat “black box” yang perilakunya tidak dapat dikendalikan adalah ancaman yang tidak dapat ditoleransi oleh sistem pengendalian risiko.

Industri manajemen aset bukan soal ada atau tidaknya AI, melainkan siapa yang bisa menggabungkan AI dengan riset, data, rekayasa, dan pengendalian risiko secara lebih dalam dan lebih baik. Tidak peduli apakah itu “lobster” saat ini, atau spesies AI baru lainnya di masa depan, menjaga hak inti penilaian manusia, menjadi “komandan” bagi kelompok strategi AI dan pengelola “saklar risiko”, itulah yang paling penting.

Artikel kolom versi ini hanya mewakili pendapat pribadi penulis