Γιατί οι Επενδυτές Ακόμα Δεν Εμπιστεύονται Πλήρως τις Συμβουλές Μετοχών του AI Αύγουστος 2026

Η υιοθέτηση της τεχνητής νοημοσύνης (AI) συνεχίζει να επιταχύνεται με “ιστορικό ρυθμό”. Καθώς η τεχνολογία συνεχίζει να βελτιώνεται και φτάνει σε περισσότερους ανθρώπους από ποτέ, τώρα γίνεται σιγά-σιγά μέρος του εργαλειοθήκα του επενδυτή λιανικής ως well.

Από την οθόνη μετοχών έως τη σύνοψη των κλήσεων κερδών, τη δημιουργία ιδεών συναλλαγών, την ανάλυση χαρτοφυλακίων και την εκτέλεση συναλλαγών, η AI γίνεται γρήγορα αναπόσπαστο μέρος της επένδυσης.

Αλλά παρά τις εντυπωσιακές προόδους στη γεννητική AI και το machine learning, παραμένει μια διστακτικότητα μεταξύ των επενδυτών να βασιστούν στην AI για πραγματικές αποφάσεις αγοράς και πώλησης. Οι επενδυτές είναι ευτυχείς να ζητήσουν από ένα μοντέλο AI να σημάνουν ένα κίνδυνο ή να εξηγήσουν ένα ισοζύγιο, αλλά λιγότεροι είναι πρόθυμοι να εμπιστευτούν το ίδιο μοντέλο όταν το πραγματικό χρήμα είναι στο παιχνίδι.

Αυτό δείχνει ότι η εμπιστοσύνη μένει πίσω από την ικανότητα, με τους επενδυτές να ανησυχούν για τις ψευδαισθήσεις, την αλγοριθμική προκατάληψη, την ποιότητα των δεδομένων, την κυβερνοασφάλεια και την αδυναμία της AI να λάβει πλήρως υπόψη τα απρόβλεπτα μακροοικονομικά ή γεωπολιτικά γεγονότα.

Καθώς η βιομηχανία και οι ρυθμιστές εργάζονται για να καθορίσουν τι σημαίνει ευθύνη, οι περισσότεροι επενδυτές στρέφονται στην AI ως εργαλείο για την υποστήριξη της λήψης αποφάσεων παρά ως αντικατάσταση του ανθρώπινου κρίματος. Το ερώτημα που παραμένει είναι: θα εμπιστευτούν οι λιανικοί επενδυτές την AI αρκετά για να την αφήσουν να επηρεάσει τις αποφάσεις χαρτοφυλακίου;

Η Τεχνητή Νοημοσύνη Αναδιαμορφώνει το Εγχειρίδιο Επενδύσεων

Η Τεχνητή Νοημοσύνη βιώνει μια αναπτυσσόμενη αγορά, με την τεχνολογία που αναμένεται να οδηγήσει σε σημαντική οικονομική ανάπτυξη τις επόμενες δεκαετίες. Σε σύγκριση με τους σιδηροδρόμους, την ηλεκτρική ενέργεια και το διαδίκτυο, η μετασχηματιστική τεχνολογία υποσχόμενη να ανατρέψει τα πάντα, από τις καθημερινές αναζητήσεις στο διαδίκτυο έως τις βαθιά βιομηχανικές ροές εργασίας, την πολύπλοκη παραγωγή και την ανακάλυψη φαρμάκων.

Η ταχεία πρόοδος της Τεχνητής Νοημοσύνης επηρεάζει επίσης τις χρηματοοικονομικές αγορές. Σήμερα, οι χρηματοοικονομικές ιδρύματα, τα μεσιτικά γραφεία, τα κεφάλαια hedge και οι εταιρείες fintech χρησιμοποιούν την Τεχνητή Νοημοσύνη σε όλα τα πλαίσια τους για eine ευρεία γκάμα εργασιών.

Αυτά τα νομικά πρόσωπα χρησιμοποιούν την Τεχνητή Νοημοσύνη για ανάλυση συναισθήματος, μοντελοποίηση κινδύνου, ανίχνευση απάτης, ποσοτική αγοραπωλησία, βελτιστοποίηση χαρτοφυλακίου, προσωποποιημένες επενδυτικές συστάσεις και υποστήριξη πελατών.

Η γεννητική Τεχνητή Νοημοσύνη έχει επεκτείνει αυτές τις ικανότητες, προσφέροντας σημαντικά πλεονεκτήματα για τον τακτικό επενδυτή. Επιτρέπει στους επενδυτές να ερωτούν σύνθετες χρηματοοικονομικές πληροφορίες χρησιμοποιώντας φυσική γλώσσα, μειώνοντας τα εμπόδια για την εξειδικευμένη έρευνα αγοράς.

Στη συνέχεια, υπάρχει η ικανότητα της Τεχνητής Νοημοσύνης να αναλύει τεράστιες ποσότητες δεδομένων συνεχώς και με πολύ μεγαλύτερη ταχύτητα από έναν ανθρώπινο αναλυτή, ο οποίος θα μπορούσε να χρειαστεί μέρες για να εργαστεί σε όλα αυτά.

Κατά την ανάλυση μεγάλων όγκων δομημένων και αδομημένων δεδομένων, η τεχνολογία παρακολουθεί χιλιάδες περιουσιακά στοιχεία ταυτόχρονα και αναγνωρίζει κρυφούς σχηματισμούς. Αυтомατοποιεί επίσης επαναλαμβανόμενες ερευνητικές εργασίες και αντιδρά σχεδόν αμέσως σε νέες πληροφορίες.

Ως μηχανή, η Τεχνητή Νοημοσύνη δεν οδηγείται από φόβο ή απληστία· αντίθετα, εφαρμόζει συνεπείς μεθοδολογίες που μειώνουν τις συναισθηματικές προκαταλήψεις όπως η υπερβολική αυτοπεποίθηση, η αποφυγή απώλειας και η ομαδική跟隨 που διαστρεβλώνουν την ανθρώπινη λήψη αποφάσεων.

Όλες αυτές οι ικανότητες καθιστούν την επενδυτική έρευνα πιο αποτελεσματική και προσιτή, ιδιαίτερα για τους λιανικούς επενδυτές που προηγουμένως έλλειψαν θεσμικά εργαλεία ανάλυσης.

Σε όλα αυτά, η Τεχνητή Νοημοσύνη έχει βρεθεί να υπερτερεί των ανθρώπων στην επιλογή μετοχών, νικώντας το “93% των διαχειριστών σε einen 30-ετή περίοδο κατά μέσο όρο 600%”.

Η Τεχνητή Νοημοσύνη, ωστόσο, δεν είναι αλάθητη. Υπάρχουν σημαντικά όρια σε αυτήν την τεχνολογία, συμπεριλαμβανομένου του γεγονότος ότι τα περισσότερα προηγμένα συστήματα Τεχνητής Νοημοσύνης λειτουργούν ως μαύρες κούκλες, που σημαίνει ότι δεν υπάρχει τρόπος να γνωρίζουμε πώς παράγουν τις συστάσεις τους.

Η τεχνολογία είναι επίσης τόσο καλή όσο τα δεδομένα στα οποία εκπαιδεύτηκε. Ως αποτέλεσμα, τα μοντέλα Τεχνητής Νοημοσύνης μπορούν να παράγουν όχι μόνο ανακριβείς αλλά και πλασματικές πληροφορίες.

Το πρόβλημα των οπτασιασμών της Τεχνητής Νοημοσύνης είναι καλά τεκμηριωμένο. Δεν δίνει μόνο λανθασμένες απαντήσεις, αλλά τις παρέχει με ευθύνη, καθιστώντας τις πιο δύσκολες στην ανίχνευση.

“Οι οπτασιασμοί είναι πιθανές αλλά ψευδείς δηλώσεις που παράγονται από τα μοντέλα γλώσσας. Μπορούν να εμφανιστούν με εκπληκτικούς τρόπους, ακόμη και για φαινομενικά απλές ερωτήσεις,” εξήγησε η OpenAI στο blog της με τίτλο ‘Γιατί τα μοντέλα γλώσσας οπτασιών’. “Για παράδειγμα, όταν ζητήσαμε από ένα ευρέως χρησιμοποιούμενο chatbot τον τίτλο της διδακτορικής διατριβής του Adam Tauman Kalai (ένας συγγραφέας αυτού του εγγράφου), παρήγαγε με ευθύνη τρεις διαφορετικές απαντήσεις — καμία από τις οποίες ήταν σωστή. Όταν ζητήσαμε για την ημερομηνία γενεθλίων του, έδωσε τρεις διαφορετικές ημερομηνίες, επίσης λανθασμένες.”Αυτό δεν είναι όλα. Τα μοντέλα AI δυσκολεύονται επίσης κατά τη διάρκεια ασυνήθιστων αγορικών γεγονότων επειδή μαθαίνουν από ιστορικά πρότυπα αντί να κατανοούν πραγματικά τις εξελισσόμενες οικονομικές συνθήκες.

Επιπλέον, αν οι περισσότεροι επενδυτές αρχίσουν να χρησιμοποιούν τα ίδια μοντέλα AI, αυτό θα οδηγήσει μόνο σε πλήθους συναλλαγές, ενισχύοντας την ταλάντωση αντί να τη μειώνει. Όλες αυτές οι ανησυχίες έχουν δημιουργήσει την ανάγκη για μεγαλύτερη διαφάνεια και ανθρώπινη επιτήρηση στις επενδύσεις με τη βοήθεια του AI.

Τα στοιχεία δείχνουν ότι η υιοθέτηση της τεχνολογίας παραμένει ανισόμορφη, με την εμπιστοσύνη και τον αντιλαμβανόμενο κίνδυνο να ταυτοποιούνται συνήθως από τους ερευνητές ως βασικά εμπόδια.

Η εμπιστοσύνη στη συμβουλή του AI παραμένει ένα έργο σε εξέλιξη

Το AI είναι μεταξύ των λίγων τεχνολογιών που έγιναν mainstream εξαιρετικά γρήγορα. Ένα εξαιρετικό παράδειγμα είναι το ChatGPT της OpenAI, το οποίο έφτασε τους πρώτους 1 εκατομμύριο χρήστες σε μόλις πέντε ημέρες και στη συνέχεια έφτασε τους 100 εκατομμύριους χρήστες μέσα σε δύο μήνες. Πρόσφατα, το ChatGPT πέρασε το ορόσημο των 1 δισεκατομμυρίων παγκοσμίων ενεργών μηνιαίων χρηστών εφαρμογής, περίπου τρία χρόνια μετά την εκκίνηση, και έγινε η ταχύτερη εφαρμογή που το έχει κάνει ποτέ.

Ενώ αυτά τα δεδομένα δείχνουν ευρύτερη χρήση του AI, τα στοιχεία δείχνουν ότι οι επενδυτές είναι επίσης άνετοι με τη χρήση του AI για επενδυτικές εργασίες.

Ένας αυξανόμενος αριθμός μικρών επενδυτών χρησιμοποιεί τώρα την τεχνολογία για να ερευνήσει μετοχές, να συνοψίσει οικονομικές εκθέσεις, να ερμηνεύσει άγνωστο οικονομικό жарγόν, να ελέγξει για ευκαιρίες και να λάβει μια ταχύτερη ανάγνωση των επικαιρότητων.

Μια έρευνα της Investing.com μεταξύ 938 μικρών επενδυτών στις ΗΠΑ βρήκε ότι σχεδόν δύο τρίτα (62%) ήδη χρησιμοποιούν εργαλεία AI για να λάβουν ενημερωμένες επενδυτικές αποφάσεις.

Ανάμεσά τους, το 23,6% χρησιμοποιεί εργαλεία AI τακτικά και το 27,4% περιστασιακά. Μόνο το 11,5% έχει δοκιμάσει αυτά μία ή δύο φορές. Χαρακτηριστικά, το 21% των респондέντων είπε ότι δεν έχουν χρησιμοποιήσει ακόμη AI αλλά το εξετάζουν, ενώ το 16,6% δεν έχουν σχέδια να χρησιμοποιήσουν εργαλεία AI για επενδύσεις.

“Επιχειρηματικά, υπάρχουν μόνο λίγες βιομηχανίες στις οποίες το AI έχει αποδείξει τόσο διαταρακτικό όσο γρήγορα έχει κάνει στην χρηματοοικονομική βιομηχανία”, είπε ο Thomas Monteiro, ανώτερος αναλυτής στην Investing.com. “Αυτό είναι ακόμη πιο εκφρασμένο για τους μικρούς επενδυτές, όπου οι εταιρείες μπορούν τώρα να προσφέρουν πρόσβαση σε όλα τα είδη χρηματοοικονομικών εργαλείων με μια κλάσμα του τι κόστιζαν πριν από quelques χρόνια. Όσο αυτά τα μοντέλα εξελίσσονται και γίνονται ολοένα και πιο σχετικά, η χρήση είναι πιθανό να συνεχίσει να αυξάνεται – ακόμη και μεταξύ εκείνων που ήδη αλληλεπιδρούν με κάποιο είδος βοηθού επένδυσης AI.”

Μια έρευνα HSBC Ipsos σχεδόν 10.000 πλούσιων και υψηλού ισοδύναμου καθαρού εισοδήματος (HNWI) επενδυτών σε 10 αγορές cũng βρήκε ότι η χρηματοδότηση και οι επενδύσεις ήταν οι πιο συχνές περιπτώσεις χρήσης του AI μεταξύ των πλούσιων ατόμων, μπροστά ακόμη και από την καριέρα ή την προσωπική ανάπτυξη.

Είναι σημαντικό, η Γενιά Z και οι Millennials υιοθετούν το AI ταχύτερα. Αυτές οι νεότερες κοόρτες χρησιμοποιούν το AI για να εντοπίσουν κινδύνους, να επιταχύνουν την έρευνα ή να λάβουν μια “δεύτερη γνώμη” πριν μιλήσουν σε έναν ανθρώπινο σύμβουλο.

Έχοντας dicho, οι επενδυτές είναι σημαντικά λιγότερο άνετοι να επιτρέψουν στο AI να διαχειρίζεται τα χαρτοφυλάκια τους ή να εκτελεί συναλλαγές αυτόνομα. Οι ανησυχίες σχετικά με την ποιότητα της απόκρισης και την ιδιωτικότητα των δεδομένων είναι τα μεγαλύτερα εμπόδια για ευρύτερη υιοθέτηση.

Σύμφωνα με την έρευνα της Investing.com, μεταξύ των χρηστών AI, το 38,9% ανησυχούν για λανθασμένες ή παραπλανητικές συστάσεις, και το 24,2% ανησυχούν για “αγελάδες”, όπου πολλοί επενδυτές χρησιμοποιούν τα ίδια σήματα που παράγονται από το AI.

Μια έρευνα της Good Money Guide με επίκεντρο το Ηνωμένο Βασίλειο βρήκε ένα παρόμοιο μοτίβο: σχεδόν επτά στα δέκα επενδυτές είχαν χρησιμοποιήσει μια πλατφόρμα AI, ωστόσο μόνο το 18,8% είπε ότι θα εμπιστεύονταν εργαλεία όπως το ChatGPT ή το Claude για να λάβουν χρηματοοικονομικές συμβουλές, σε σύγκριση με το 60,2% που εμπιστεύονταν καθιερωμένα χρηματοοικονομικά sites.Η ανάγκη για επαγγελματική συμβουλή παραμένει σε όλες τις ηλικιακές ομάδες, με ένα υβριδικό подход ως το ιδανικό μελλοντικό μοντέλο λήψης αποφάσεων.

“Οι πελάτες χρησιμοποιούν όλο και περισσότερο την τεχνητή νοημοσύνη για να εξερευνήσουν τις επιλογές τους, αλλά όταν πρόκειται για λήψη επενδυτικών αποφάσεων, αξιολογούν την κρίση, το контέκστ και την ευθύνη από έναν αξιόπιστο σύμβουλο πλούτου.”

– Μπάρι Ο’Μπράιεν, Διευθύνων Σύμβουλος του Διεθνούς Πλούτου και Premier Banking στο HSBC

Η έρευνα δείχνει ότι η εμπιστοσύνη έχει μεγαλύτερη σημασία από την τεχνολογία

Μια νέα μελέτη με τίτλο “Νους πάνω από μηχανή: Một βιβλιομετρική διαδρομή στις αντιλήψεις των επενδυτών για την τεχνητή νοημοσύνη στις αγορές μετοχών¹” παρέχει μια綜οδική επισκόπηση της ακαδημαϊκής έρευνας που εξετάζει πώς οι επενδυτές αντιλαμβάνονται την τεχνητή νοημοσύνη στις χρηματοοικονομικές αγορές.

Η βιβλιογραφία εξετάζει επίσης τον ανθρωπομορφισμό, ο οποίος αφορά τον σχεδιασμό της τεχνητής νοημοσύνης για να φαίνεται πιο ανθρώπινη, ως παράγοντα που μπορεί να επηρεάσει την εμπιστοσύνη των επενδυτών, αν και αυτό παραμένει ένα εξελισσόμενο ερευνητικό πεδίο για την ώρα.

Ενδιαφέρον είναι ότι, σε προηγούμενη έρευνά τους με τίτλο “Γεια AI, πρέπει να αγοράσω αυτή τη μετοχή;” – Εμπιστοσύνη, τεχνολογία και η άνοδος του νέου επενδυτή, που δημοσιεύθηκε τον Δεκέμβριο του 2025, οι συγγραφείς εξέτασαν πώς οι νέοι επενδυτές αλληλεπιδρούν με εργαλεία επένδυσης που βασίζονται στην τεχνητή νοημοσύνη.

Βρήκαν ότι οι millennials και η γενιά Z βασίζονται όλο και περισσότερο σε έξυπνα συστήματα, όπως ρομπο-συμβούλους, εργαλεία επιλογής μετοχών και chatbots, όταν λαμβάνουν αποφάσεις επένδυσης. Μεταξύ αυτών των νέων επενδυτών, η εμπιστοσύνη είναι ο κρίσιμος παράγοντας που καθορίζει εάν θα υιοθετήσουν και θα συνεχίσουν να χρησιμοποιούν εργαλεία τεχνητής νοημοσύνης. Επιπλέον, θέλουν τα συστήματα τεχνητής νοημοσύνης να εξηγούν τη λογική πίσω από τις συστάσεις μετοχών, επειδή επίσης ενδιαφέρονται για την ηθική, την ισότητα και την ευθύνη.

Η τελευταία μελέτη επεκτείνει αυτά τα ευρήματα, υποστηρίζοντας ότι η κατασκευή της εμπιστοσύνης μέσω της διαφάνειας και της εξηγησιμότητας είναι εξίσου σημαντική με τη βελτίωση της τεχνικής απόδοσης της τεχνητής νοημοσύνης.

Για αυτό, οι ερευνητές δεν έκαναν τεστ σε ένα νέο μοντέλο τεχνητής νοημοσύνης· αντίθετα, διεξήγαγαν μια βιβλιομετρική ανάλυση περισσότερων από 700 αγγλόφωνων, επισκοπημένων δημοσιεύσεων από τη βάση δεδομένων Scopus, που καλύπτουν την περίοδο μεταξύ 1993 και 2025.

Χρησιμοποιώντας το πλαίσιο οθόνης PRISMA και το πακέτο Bibliometrix στο R, η μελέτη χαρτογραφεί την εξέλιξη της έρευνας για την υιοθέτηση της τεχνητής νοημοσύνης στις επενδύσεις μετοχών τα τελευταία τριάντα δύο χρόνια.

Η ανασκόπηση βρήκε ότι η βιβλιογραφία έχει επεκταθεί γρήγορα παράλληλα με τις προόδους στη μηχανική μάθηση, τη βαθιά μάθηση και τις υπηρεσίες ρομπο-συμβούλων, αναγνωρίζοντας τέσσερις κυρίαρχες ερευνητικές θεματικές: τεχνική βελτίωση των μοντέλων τεχνητής νοημοσύνης, ηθικές και κυβερνητικές ζητήματα, ψυχολογία συμπεριφοράς και εμπιστοσύνη επενδυτών, και πρακτικές εφαρμογές στις χρηματοοικονομικές υπηρεσίες.

Όταν πρόκειται για τεχνική απόδοση, η τεχνητή νοημοσύνη έχει βελτιωθεί σημαντικά στην πρόβλεψη, τη διαχείριση κινδύνων και την βελτιστοποίηση χαρτοφυλακίου. Αλλά ενώ η τεχνητή νοημοσύνη προσφέρει σημαντικά οφέλη σε όρους αποδοτικότητας, αυτοματοποίησης και προσωποποίησης, αυτά δεν μεταφράζονται αυτόματα σε υιοθέτηση.

Οι επενδυτές παραμένουν σκεπτικοί, και αυτό, σύμφωνα με τη μελέτη, οφείλεται σε μεγάλο βαθμό σε αντιλαμβανόμενους κινδύνους παρά σε τεχνικές ελλείψεις μόνο.

“Ο αντιλαμβανόμενος κίνδυνος παραμένει μια σταθερή αντίρροπη δύναμη”, είπαν οι συγγραφείς. Η εμπιστοσύνη είναι ένα άλλο σημαντικό εμπόδιο που εμποδίζει την ευρύτερη υιοθέτηση μεταξύ των επενδυτών.

Άλλες ανησυχίες περιστρέφονται γύρω από την αδιαφάνεια, την ισότητα, την αλγοριθμική προκατάληψη, τα προβλήματα ιδιωτικότητας, την αβεβαιότητα ρυθμίσεων, την ευθύνη και τη “μαύρη κιβωτό” φύση πολλών μοντέλων τεχνητής νοημοσύνης, τα οποία αποδυναμώνουν την αξιολόγηση των επενδυτών για τη χρησιμότητα της τεχνολογίας και μειώνουν την意愿ότητά τους να βασιστούν σε αυτή για αποφάσεις επένδυσης.

Σε αυτό το πλαίσιο, “η εμπιστοσύνη και ο αντιλαμβανόμενος κίνδυνος δεν είναι περιφερειακές ανησυχίες, αλλά κεντρικά ερμηνευτικά μηχανισμοί που εξηγούν γιατί η τεχνική ικανότητα μόνο δεν είναι επαρκής για τη διατηρούμενη αποδοχή των χρηστών στις αγορές μετοχών που οδηγούνται από την τεχνητή νοημοσύνη”, ανέφερε η μελέτη.

Σημείο προς τα ρομπο-συμβούλους, η υιοθέτηση των οποίων διαμορφώνεται λιγότερο από την αποδοτικότητα παρά από ένα ισορροπία εμπιστοσύνης και αντιλαμβανομένου κινδύνου. Εδώ, ο ανθρωπομορφικός σχεδιασμός και η εμπιστοσύνη προάγουν την αποδοχή, ενώ τα προβλήματα αλληλεπίδρασης και η χαμηλή ευαισθητοποίηση εμποδίζουν την υιοθέτηση.“Η υιοθέτηση από τους επενδυτές δεν διαμορφώνεται μόνο από την τεχνική αποτελεσματικότητα, αλλά από την αλληλεπίδραση μεταξύ της αντιλαμβανόμενης rủiκου, των χαρακτηριστικών σχεδιασμού της τεχνητής νοημοσύνης… και της εμπιστοσύνης”, σημείωσε η μελέτη. “Αυτή η σύνθεση συμφωνεί με πρόσφατα εμπειρικά στοιχεία που δείχνουν ότι η συμμετοχή των νέων επενδυτών σε εργαλεία συμβουλών μετοχών που驱ονται από την τεχνητή νοημοσύνη κυριαρχείται σε μεγάλο βαθμό από μηχανισμούς σχηματισμού εμπιστοσύνης που έχουν τις ρίζες τους στη διαφάνεια, την προσωποποίηση και την αντιλαμβανόμενη δικαιοσύνη, plutôt niż μόνο από την απόδοση του αλγορίθμου.”

Η ανασκόπηση επίσης υπογραμμίζει ότι οι ψυχολογικοί παράγοντες παίζουν κρίσιμο ρόλο στις αποφάσεις υιοθέτησης.

Οι επενδυτές είναι πιο πιθανό να αποδεχθούν την τεχνητή νοημοσύνη όταν τα συστήματα παρέχουν κατανοητές εξηγήσεις, αποδεικνύουν αξιοπιστία με την πάροδο του χρόνου και επιτρέπουν σημαντική ανθρώπινη εποπτεία.

Προηγούμενες μελέτες έχουν επίσης αποκαλύψει μια ένταση στην αλληλεπίδραση ανθρώπου-τεχνητής νοημοσύνης που μπορεί να αντιμετωπιστεί με κοινωνικά ή ανθρωπομορφικά στοιχεία σχεδιασμού, τα οποία μπορεί να μειώσουν την αβεβαιότητα για ορισμένους επενδυτές, αλλά να αυξήσουν τις συμπεριφορικές προκαταλήψεις για άλλους.

Διεπαφές συμβουλευτικών ρομπότ που ενσωματώνουν κοινωνικές ενδείξεις, για παράδειγμα, μπορούν να αυξήσουν την affektive εμπιστοσύνη, αυξάνοντας έτσι την αποδοχή των συστάσεων μεταξύ των επενδυτών, ακόμη και όταν η σύσταση δεν είναι συνεπής με το πραγματικό προφίλ rủiκου τους.

Σύμφωνα με τη μελέτη, η τεχνητή νοημοσύνη δεν πρέπει να αναλυθεί ως “τεχνολογία μόνο” επειδή ακόμη και οι ποιότητες που φαίνονται τεχνικές, όπως η δικαιοσύνη και η εξηγήσιμη, διαμορφώνονται εν μέρει από το ευρύτερο συστημικό σύστημα, όπως οι θεσμοί, οι κανόνες και οι ρυθμίσεις, στο οποίο η τεχνητή νοημοσύνη είναι ενσωματωμένη και αναμένεται να λειτουργήσει.

Πρόσφατη έρευνα σχετικά με τη διακυβέρνηση της τεχνητής νοημοσύνης αποδεικνύει περαιτέρω ότι η εμπιστοσύνη των επενδυτών στα αλγοριθμικά συστήματα επηρεάζεται από τις ηθικές προστασίες, την πιστότητα των θεσμών και τις αντιλαμβανόμενες δομές ευθύνης.

Αυτό τονίζει το σημείο ότι “η εμπιστοσύνη προκύπτει από τη συμμόρφωση του συστήματος rather niż την τεχνική βελτιστοποίηση σε απομόνωση.”

Συνολικά, η μελέτη καταλήγει στο συμπέρασμα ότι η μελλοντική πρόοδος εξαρτάται όχι μόνο από τη βελτίωση της προβλεπτικής ακρίβειας, αλλά και από το σχεδιασμό συστημάτων τεχνητής νοημοσύνης που είναι διαφανή, εξηγήσιμη και ευθυγραμμισμένα με τις προσδοκίες των επενδυτών σχετικά με την ευθύνη και τον έλεγχο.

Για τα εργαλεία επένδυσης της τεχνητής νοημοσύνης, αυτό σημαίνει ότι εισέρχονται σε μια αποφασιστική δεύτερη φάση, όπου το ανταγωνιστικό πλεονέκτημα δεν είναι μόνο η δημιουργία καλύτερων σημάτων της αγοράς, αλλά η διεξαγωγή ανάλυσης που είναι αρκετά αξιόπιστη για τους επενδυτές να ενεργήσουν.

Interactive Brokers

Στην βιομηχανία των χρηματοοικονομικών, Interactive Brokers (IBKR ) ξεχωρίζει για την κίνηση πέρα από τη συμβατική λειτουργικότητα μεσιτείας προς ροές επενδύσεων που υποστηρίζονται από τεχνητή νοημοσύνη.

Ο αυτοματοποιημένος παγκόσμιος ηλεκτρονικός μεσίτης διαχειρίζεται και παρέχει υπηρεσίες για λογαριασμούς ETF, hedge και αμοιβαία κεφάλαια, εγγεγραμμένους συμβούλους επενδύσεων, ομάδες ιδιωτικών συναλλαγών και μεμονωμένους επενδυτές. Η εταιρεία επεξεργάζεται συναλλαγές σε ETF, μετοχές, επιλογές, μελλοντικά, ξένα νομίσματα, ομόλογα, πολύτιμα μέταλλα, αμοιβαία κεφάλαια και συμβάσεις μελλοντικών συναλλαγών σε περισσότερες από 170 αγορές σε όλο τον κόσμο.

Οι πελάτες μπορούν επίσης να χρησιμοποιήσουν την πλατφόρμα για να συναλλάσσονται με ορισμένα κρυπτονομίσματα μέσω παρόχων τρίτων.

Οι πλατφόρμες συναλλαγών της Interactive Brokers περιλαμβάνουν το IBKR Desktop, το IBKR Mobile, το IBKR Trader Workstation, το IBKR Client Portal και άλλα, ενώ τα βασικά προϊόντα της περιλαμβάνουν το IBKR Lite, το IBKR Pro και το IBKR Universal Account.

Όταν πρόκειται για τη χρήση τεχνητής νοημοσύνης, η μεσιτεία δεν τη θέτει ως αυτόνομο διαχειριστή χαρτοφυλακίου· αντίθετα, έχει ενσωματώσει τη τεχνητή νοημοσύνη σε όλα τα προϊόντα και τις πλατφόρμες συναλλαγών, επιτρέποντας στους χρήστες να αναλύουν χαρτοφυλάκια, να ερευνώνται αξίες, να παρακολουθούν τον κίνδυνο και να δημιουργούν οδηγίες συναλλαγών. Ωστόσο, κάθε συναλλαγή πρέπει να εξεταστεί ρητά και να εγκριθεί από τον πελάτη πριν από την εκτέλεσή της.

Το IBKR επέκτεινε πρόσφατα τις ικανότητες τεχνητής νοημοσύνης του πέρα από την αρχική ενσωμάτωση του Claude για να περιλαμβάνει το ChatGPT και το Grok και επέκτεινε το εύρος των προϊόντων για τα οποία η τεχνητή νοημοσύνη μπορεί να δημιουργήσει οδηγίες.

Η εταιρεία έχει επίσης εισαγάγει “εργαλεία που χρησιμοποιούν τεχνητή νοημοσύνη για να简ιποιήσουν την έρευνα και να οπτικοποιήσουν τις σχέσεις μεταξύ τάσεων, εταιρειών και αξιών για να δώσουν στους πελάτες δράσιμες ιδέες επένδυσης”, όπως σημείωσε η Nancy Stuebe, Διευθύντρια Επικοινωνιών Επενδυτών, κατά τη διάρκεια της τηλεφωνικής συνεδρίας κερδών του εταιρείας για το Q1 2026.

Επίσης, σημείωσε βελτιώσεις στο chatbot που υποστηρίζεται από τεχνητή νοημοσύνη, αυξάνοντας τόσο την “ακρίβεια και την κάλυψη ενώ επιτρέπει στους αντιπροσώπους μας να εστιάσουν σε πιο σύνθετα ζητήματα. Επίσης, εφαρμόζουμε τεχνητή νοημοσύνη για να αυτοματοποιήσουμε περαιτέρω τις διαδικασίες σε περιοχές όπως η ενσωμάτωση, η συμμόρφωση και άλλες λειτουργίες. Η επέκταση της χρήσης της τεχνητής νοημοσύνης παραμένει προτεραιότητα σε όλη την εταιρεία, τόσο για την ενίσχυση της εμπειρίας του πελάτη όσο και για τη βελτίωση της εσωτερικής αποτελεσματικότητας”, πρόσθεσε η Stuebe.

Με κεφαλαιοποίηση αγοράς 158,6 δισεκατομμυρίων δολαρίων, το IBKR συναλλάσσεται στο 94,18 δολάρια, αυξημένο κατά 45,48% από την αρχή του έτους και 57% τον τελευταίο χρόνο, έχοντας φτάσει σε νέο υψηλό όλων των εποχών (ATH) των 97,84 δολαρίων τον προηγούμενο μήνα, αυξημένο πάνω από 653% από το 2022. Έχει κερδούς ανά μετοχή (TTM) 2,34 και ποσοστό τιμής προς κερδούς (TTM) 39,98, με απόδοση μερίσματος 0,37%.

Για το Q1 2026, η εταιρεία αναφέρθηκε σε διαβαθμισμένα κέρδη ανά μετοχή 0,59 δολαρίων και 0,60 δολαρίων με βάση την προσαρμογή, αυξημένα από 0,48 και 0,47 δολάρια, αντίστοιχα, από πέρυσι, σε καθαρή έσοδο 1,67 δισεκατομμυρίων δολαρίων (1,68 δισεκατομμύρια δολάρια με βάση την προσαρμογή).

Τα έσοδα από προμήθειες αυξήθηκαν κατά 19% στα 613 εκατομμύρια δολάρια, με την αύξηση των όγκων συναλλαγών των πελατών, οι οποίοι αυξήθηκαν κατά 25% για μετοχές, 20% για μελλοντικά και 16% για επιλογές. Τα έσοδα από τόκους αυξήθηκαν κατά 17% στα 904 εκατομμύρια δολάρια, με την αύξηση των μέσων ισορροπιών πίστωσης πελατών και των δανείων με περιθώριο, ενώ άλλα τέλη και υπηρεσίες αυξήθηκαν κατά 10% στα 86 εκατομμύρια δολάρια.

Τα έσοδα από εκτέλεση, καθαρισμό και διανομή μειώθηκαν κατά 12% στα 106 εκατομμύρια δολάρια, λόγω των χαμηλότερων ρυθμιστικών τελών. Πρόσφατα, η Επιτροπή Κεφαλαιαγοράς (SEC) κατήργησε επίσης τον κανόνα του pattern day trader, αλλά ο CEO Milan Galik περιμένει ότι “θα διευρύνει την πρόσβαση των λιανικών, θα αυξήσει τη συχνότητα και την εμπλοκή των συναλλαγών και επίσης τη ρευστότητα στις αγορές.”

Το εισόδημα της εταιρείας πριν από τους φόρους ήταν 1,29 δισεκατομμύρια δολάρια και το προφόρων περιθώριο κέρδους ήταν 77% στο Q1, και τα δύο όπως αναφέρθηκαν και όπως προσαρμόστηκαν.

Κατά τη διάρκεια αυτής της περιόδου, οι λογαριασμοί πελατών της IBKR αυξήθηκαν κατά 31% στα 4,75 εκατομμύρια, ενώ η ισοδύναμη αξία πελατών αυξήθηκε κατά 38% στα 789,4 δισεκατομμύρια δολάρια. Τα πιστωτικά και τα δάνεια με περιθώριο αυξήθηκαν επίσης κατά 35% το καθένα, στα 168,8 δισεκατομμύρια δολάρια και 86 δισεκατομμύρια δολάρια, αντίστοιχα.

Η Interactive Brokers Group αναφέρθηκε σε συνολική ισοδύναμη αξία 21,3 δισεκατομμυρίων δολαρίων. Επίσης, ανακοίνωσε αύξηση του εποχιακού μερίσματος μετρητών από 0,08 δολάρια ανά μετοχή σε 0,0875 δολάρια ανά μετοχή.

Συμπέρασμα

Ωθούμενο από τις προόδους στα μεγάλα μοντέλα γλώσσας (LLMs) και την επιταχυνόμενη υπολογιστική, η τεχνητή νοημοσύνη αλλάζει πλήρως τον τρόπο με τον οποίο οι επενδυτές ερευνάν asset, παρακολουθούν τα χαρτοφυλάκια τους και εκτελούν συναλλαγές.

Η ικανότητα της τεχνολογίας να επεξεργάζεται πληροφορίες γρήγορα, να ανιχνεύει μοτίβα και να βελτιώνει την αναλυτική αποτελεσματικότητα την έχει καταστήσει ένα πολύτιμο εργαλείο για τους θεσμικούς και λιανικούς επενδυτές. Nhưng η εμπιστοσύνη στην τεχνητή νοημοσύνη που παράγει συμβουλές επένδυσης ακόμη λείπει, καθώς οι επενδυτές προτιμούν τη διαφάνεια, την ευθύνη, την ποιότητα των δεδομένων και την ανθρώπινη κρίση από την πλήρως αυτονομική λήψη αποφάσεων.

Η τεχνητή νοημοσύνη είναι απίθανο να αντικαταστήσει τους ανθρώπους στις επενδύσεις ολικά· αντίθετα, το μέλλον θα περιλαμβάνει ένα υβριδικό μοντέλο στο οποίο η τεχνητή νοημοσύνη θα λειτουργεί ως αναλυτής και οι άνθρωποι θα λειτουργούν ως λήπτες αποφάσεων.

Κάντε κλικ εδώ για να μάθετε όλα για τις επενδύσεις σε τεχνητή νοημοσύνη.

Αναφορές

1. Phan, T. A., Tran, H. P., Ninh, T. T. & Nguyen, H. K. Νοημοσύνη πάνω από μηχανή: Một βιβλιομετρικό ταξίδι στις αντιλήψεις των επενδυτών για την τεχνητή νοημοσύνη στις αγορές μετοχών. Strategic Business Research, 100115 (2026). https://doi.org/10.1016/j.sbr.2026.100115