هوش مصنوعی برای بازارهای مالی دیگر فقط یک وعده جذاب نیست. شرکت‌ها میلیاردها دلار صرف توسعه آن می‌کنند و سرمایه‌گذاران هم می‌کوشند سهمی از این رشد داشته باشند. اما میان آینده‌دار بودن یک فناوری و سودآور بودن سرمایه‌گذاری در آن، فاصله زیادی وجود دارد.

بنابراین، سؤال اصلی فقط این نیست که هوش مصنوعی اقتصاد را چقدر تغییر می‌دهد. سؤال این است: چگونه می‌توان از این تغییر سود برد، بدون اینکه بهای خوش‌بینی بازار را بیش‌ازحد پرداخت کرد؟

رقابت بر سر پول؛ پشت صحنه رونق هوش مصنوعی

پشت هر مدل هوش مصنوعی، زیرساختی پرهزینه قرار دارد: مراکز داده، تراشه‌های پیشرفته، شبکه‌های ارتباطی و برق فراوان. ساخت و توسعه این زیرساخت‌ها به منابع مالی عظیمی نیاز دارد؛ منابعی که حتی برای غول‌های فناوری هم نامحدود نیست.

بر اساس تحلیل منتشرشده در Investment Magazine، شرکت‌های بزرگ فناوری و توسعه‌دهندگان مراکز داده برای تأمین بخشی از این هزینه‌ها به بازار بدهی روی آورده‌اند. هم‌زمان، دولت‌ها نیز برای تأمین هزینه برنامه‌های خود به دنبال جذب سرمایه‌اند.

آریف حسین، مدیر ارشد سرمایه‌گذاری بخش درآمد ثابت در شرکت T. Rowe Price، این وضعیت را رقابتی گسترده بر سر منابع مالی توصیف می‌کند. از این منظر، شرکت‌هایی مانند آمازون و متا، هرچند فعالیتی متفاوت دارند، عملاً با دولت‌ها برای جذب پول سرمایه‌گذاران رقابت می‌کنند.

مسئله اینجاست که افزایش عرضه اوراق لزوماً با افزایش تقاضا همراه نیست. در تحلیل یادشده، کوچک‌تر شدن نقش صندوق‌های بازنشستگی با مزایای معین ــ از خریداران سنتی اوراق بلندمدت ــ یکی از عوامل تضعیف این تقاضا عنوان شده است.

نتیجه می‌تواند فشار بیشتر بر بازار بدهی و افزایش هزینه تأمین مالی باشد؛ موضوعی که در هیاهوی معرفی مدل‌ها و محصولات جدید، کمتر به چشم می‌آید.

سهام یا اوراق بدهی؛ کدام سهم بیشتری از رشد می‌برد؟

یکی از دیدگاه‌های مطرح‌شده در این تحلیل آن است که برای مشارکت در رشد هوش مصنوعی، سهام ممکن است فرصت بیشتری از اوراق بدهی فراهم کند. دلیلش به تفاوت ساده‌ای برمی‌گردد: سهام‌دار در موفقیت شرکت شریک است، اما بازده دارنده اوراق معمولاً به پرداخت‌های قراردادی محدود می‌شود.

اگر سرمایه‌گذاری یک شرکت در هوش مصنوعی به افزایش فروش و سود منجر شود، سهام‌داران می‌توانند از این رشد بهره ببرند. دارنده اوراق، در مقابل، معمولاً همان سود توافق‌شده را دریافت می‌کند؛ حتی اگر شرکت بسیار موفق‌تر از انتظار عمل کرده باشد. البته او همچنان با ریسک‌هایی مانند افزایش نرخ بهره، افت اعتبار ناشر یا ناتوانی شرکت در بازپرداخت بدهی مواجه است.

بااین‌حال، از این تفاوت نمی‌توان نتیجه گرفت که سهام همیشه انتخاب بهتری است. سهام‌داران در صورت شکست شرکت نیز زیان‌پذیرترند و قیمت خرید، نقش تعیین‌کننده‌ای در بازده نهایی آن‌ها دارد.

یک شرکت عالی، با هر قیمتی سرمایه‌گذاری خوبی نیست. ممکن است کسب‌وکاری رشد چشمگیری داشته باشد، اما قیمت سهامش از قبل چنان آینده درخشانی را پیش‌خور کرده باشد که حتی عملکرد خوب هم بازار را راضی نکند.

برای همین، تحلیل سرمایه‌گذاری در این حوزه باید از نام‌های مشهور و وعده‌های بزرگ فراتر برود:

• شرکت چگونه از هوش مصنوعی درآمد کسب می‌کند؟
• درآمد آن تا چه اندازه به جریان نقدی تبدیل می‌شود؟
• هزینه توسعه و نگهداری زیرساخت‌ها چقدر است؟
• مزیت رقابتی شرکت چقدر دوام دارد؟
• قیمت فعلی سهام چه میزان رشد را از پیش فرض کرده است؟

بازار به داستان‌های جذاب علاقه دارد؛ اما هزینه‌ها را باید با پول واقعی پرداخت کرد، نه با داستان.

آیا ترکیب سنتی سبد هنوز کافی است؟

رشد سرمایه‌گذاری در هوش مصنوعی، در کنار تغییر شرایط تأمین مالی، دلیل دیگری برای بازبینی سبدهای سرمایه‌گذاری است. این به معنای کنار گذاشتن ترکیب سهام و اوراق قرضه نیست؛ بلکه یعنی نباید تصور کرد یک نسبت ثابت، در همه شرایط همان میزان تعادل و محافظت را ایجاد می‌کند.

برای مثال، سبدی که ظاهراً شامل ده‌ها سهم مختلف است، ممکن است در عمل به چند شرکت بزرگ فناوری یا یک عامل مشترک، مانند تداوم هزینه‌کرد برای هوش مصنوعی، وابسته باشد. تعداد بالای نمادها همیشه به معنای تنوع واقعی نیست.

در بازبینی سبد، لازم است چند موضوع هم‌زمان بررسی شود:

• تمرکز سرمایه‌گذاری: چه میزان از عملکرد سبد به شرکت‌های فناوری وابسته است؟
• تنوع جغرافیایی و ارزی: آیا سرمایه در یک بازار یا یک ارز متمرکز شده است؟
• حساسیت به نرخ بهره: افزایش هزینه پول چه اثری بر دارایی‌ها می‌گذارد؟
• کیفیت جریان نقدی: شرکت‌ها هزینه رشد خود را چگونه تأمین می‌کنند؟
• ریسک‌های عملیاتی: محدودیت انرژی، دسترسی به تراشه، مقررات و تهدیدهای سایبری چه پیامدهایی دارند؟
• نقش سایر دارایی‌ها: دارایی‌های واقعی و زیرساختی چه جایگاهی در سبد دارند؟

هدف، معامله بیشتر و تغییر مداوم سبد نیست. هدف این است که ترکیب دارایی‌ها آگاهانه انتخاب شود، نه صرفاً از روی عادت.

فرصت هوش مصنوعی فقط در خرید سهام نیست

برای استفاده از ظرفیت هوش مصنوعی، لازم نیست حتماً سهام تولیدکنندگان تراشه یا توسعه‌دهندگان مدل‌ها را خرید. این فناوری می‌تواند خودِ فرایند سرمایه‌گذاری را هم بهبود دهد؛ از بررسی اطلاعات گرفته تا اجرای معامله و کنترل ریسک.

در این زمینه، می‌توان پنج مسیر برای ایجاد مزیت در نظر گرفت:

۱. مزیت اطلاعاتی

هوش مصنوعی می‌تواند حجم بزرگی از گزارش‌های مالی، اخبار و داده‌ها را پردازش کند و ارتباط‌هایی را نشان دهد که بررسی دستی آن‌ها زمان‌بر است. البته اطلاعات بیشتر تنها زمانی ارزش دارد که معتبر و مرتبط باشد.

۲. مزیت سرعت

کاهش فاصله میان دریافت اطلاعات، تحلیل و اقدام می‌تواند در بعضی راهبردها ارزشمند باشد. بااین‌حال، سریع‌تر تصمیم گرفتن فقط وقتی مزیت است که کیفیت تصمیم قربانی نشود.

۳. مزیت افق سرمایه‌گذاری

کاربرد مدل‌های هوشمند به پیش‌بینی نوسان‌های کوتاه‌مدت محدود نیست. می‌توان از آن‌ها برای بررسی روندهای بلندمدت، تغییر رفتار مشتریان و تحولات صنایع نیز کمک گرفت.

۴. مزیت اجرایی

انتخاب زمان و شیوه مناسب اجرای سفارش‌ها، کاهش هزینه معاملات و بهبود تخصیص سرمایه از کاربردهای عملی این فناوری است. گاهی بخش مهمی از بهبود عملکرد، نه از پیش‌بینی بهتر، بلکه از اجرای کم‌هزینه‌تر به دست می‌آید.

۵. مزیت ترازنامه‌ای

تحلیل هوشمند می‌تواند به استفاده بهتر از منابع مالی، نقدینگی و ساختار سرمایه کمک کند. البته این مزیت بیش از آنکه صرفاً حاصل یک مدل باشد، به توان مالی و محدودیت‌های خود سازمان هم وابسته است.

این مسیرها می‌توانند مکمل یکدیگر باشند. یک مدیر دارایی ممکن است از هوش مصنوعی برای خواندن گزارش‌ها، سنجش ریسک و بهبود اجرای معاملات استفاده کند، بدون آنکه تصمیم‌گیری نهایی را کاملاً به آن بسپارد.

مدیریت ریسک؛ جایی که هیجان باید متوقف شود

توانایی پردازش بالای هوش مصنوعی، تضمینی برای درست بودن خروجی آن نیست. مدلی که بر داده‌های ناقص یا نامناسب تکیه دارد، می‌تواند اشتباه را با سرعت و مقیاس بیشتری تکرار کند.

یکی از خطرهای مهم، بیش‌برازش است: مدل در داده‌های گذشته عملکردی درخشان نشان می‌دهد، اما با تغییر شرایط بازار، کارایی خود را از دست می‌دهد. به زبان ساده، ممکن است به‌جای یاد گرفتن منطق مسئله، پاسخ‌های امتحان قبلی را حفظ کرده باشد.

ریسک‌های دیگر هم کم‌اهمیت نیستند:

• داده‌های نادرست، سوگیرانه یا دستکاری‌شده؛
• تغییر شرایط بازار و بی‌اعتبار شدن فرض‌های مدل؛
• رفتار مشابه الگوریتم‌ها و تشدید نوسان؛
• کمبود نقدشوندگی هنگام اجرای سفارش‌های بزرگ؛
• حملات سایبری؛
• دشواری توضیح تصمیم‌های مدل‌های پیچیده؛
• اعتماد بیش‌ازحد کاربران به خروجی سیستم.

به همین دلیل، استفاده حرفه‌ای از هوش مصنوعی به آزمون خارج از نمونه، آزمون تنش، محدودیت اندازه موقعیت و زیان، پایش مستمر و قواعد روشن برای توقف معاملات نیاز دارد. نظارت انسانی هم باید واقعی باشد؛ یعنی فرد ناظر اختیار و امکان مداخله داشته باشد، نه اینکه فقط نامش در دستورالعمل آمده باشد.

جمع‌بندی

هوش مصنوعی می‌تواند هم فرصت‌های تازه‌ای برای سرمایه‌گذاری ایجاد کند و هم شیوه مدیریت سرمایه را تغییر دهد. اما رشد این فناوری، سودآوری همه شرکت‌های مرتبط با آن را تضمین نمی‌کند؛ همان‌طور که استفاده از یک مدل پیشرفته، به‌خودی‌خود راهبرد معاملاتی موفق نمی‌سازد.

برای سرمایه‌گذار، پرسش اصلی همچنان روشن است: چه چیزی می‌خرم، با چه قیمتی، بر اساس کدام شواهد و با پذیرش چه میزان ریسک؟ احتمالاً برندگان این تحول کسانی خواهند بود که میان ظرفیت واقعی فناوری و انتظارات بازار تفاوت می‌گذارند؛ کسانی که هوش مصنوعی را ابزار تحلیل و تصمیم‌گیری می‌دانند، نه جایگزینی برای قضاوت، انضباط و مدیریت ریسک.