Mengapa Investor Masih Tidak Sepenuhnya Mempercayai Saran Saham AI

Adopsi kecerdasan buatan (AI) terus meningkat dengan “kecepatan historis.” Seiring teknologi terus berkembang dan menjangkau lebih banyak orang daripada sebelumnya, kini secara diam-diam menjadi bagian dari perangkat investasi ritel juga.

Dari menyaring saham hingga merangkum panggilan laba, menciptakan ide perdagangan, menganalisis portofolio, dan mengeksekusi perdagangan, AI dengan cepat menjadi bagian integral dari investasi.

Namun meskipun ada kemajuan mengesankan dalam AI generatif dan pembelajaran mesin, masih ada keengganan di antara investor untuk mengandalkan AI dalam keputusan beli‑jual yang sebenarnya. Investor senang meminta model AI untuk menandai risiko atau menjelaskan neraca, tetapi lebih sedikit yang bersedia mempercayai model yang sama ketika uang nyata dipertaruhkan.

Hal ini menunjukkan bahwa kepercayaan tertinggal di belakang kemampuan, dengan investor khawatir tentang halusinasi, bias algoritma, kualitas data, keamanan siber, dan ketidakmampuan AI untuk sepenuhnya memperhitungkan peristiwa makroekonomi atau geopolitik yang tidak terduga.

Saat industri dan regulator mencari tahu seperti apa akuntabilitas, kebanyakan investor beralih ke AI sebagai alat untuk mendukung pengambilan keputusan bukan sebagai pengganti penilaian manusia. Pertanyaannya tetap: apakah investor ritel akan mempercayai AI cukup untuk membiarkannya memengaruhi keputusan portofolio?

AI Mengubah Buku Panduan Investasi

AI sedang mengalami pasar yang booming, dengan teknologi yang diperkirakan akan mendorong pertumbuhan ekonomi signifikan dalam beberapa dekade mendatang. Dibandingkan dengan rel kereta api, listrik, dan internet, teknologi transformatif ini menjanjikan mengubah segala hal mulai dari pencarian internet sehari‑hari hingga alur kerja industri yang mendalam, manufaktur kompleks, dan penemuan obat.

Kemajuan cepat AI juga memengaruhi pasar keuangan. Saat ini, lembaga keuangan, perusahaan pialang, hedge fund, dan perusahaan fintech menggunakan AI di seluruh platform mereka untuk berbagai tugas.

Entitas‑entitas ini memanfaatkan AI untuk analisis sentimen, pemodelan risiko, deteksi penipuan, perdagangan kuantitatif, optimasi portofolio, rekomendasi investasi yang dipersonalisasi, dan dukungan pelanggan.

AI generatif telah memperluas kemampuan ini lebih jauh, menawarkan keuntungan signifikan bagi investor biasa. Ia memungkinkan investor menanyakan informasi keuangan yang kompleks menggunakan bahasa alami, menurunkan hambatan untuk riset pasar yang canggih.

Kemudian ada kemampuan AI untuk menganalisis sejumlah besar data secara terus‑menerus dan dengan kecepatan jauh lebih tinggi daripada analis manusia, yang mungkin memerlukan hari‑hari untuk memproses semuanya.

Saat menganalisis volume data terstruktur dan tidak terstruktur, teknologi ini memantau ribuan aset secara bersamaan dan mengidentifikasi pola tersembunyi. Ia juga mengotomatiskan tugas riset berulang dan bereaksi hampir seketika terhadap informasi baru.

Sebagai mesin, AI tidak dipengaruhi oleh rasa takut atau keserakahan; sebaliknya, ia menerapkan metodologi konsisten yang mengurangi bias emosional seperti overconfidence, loss aversion, dan herd‑following yang mengdistorsi keputusan manusia.

Semua kemampuan ini membuat riset investasi menjadi lebih efisien dan dapat diakses, terutama bagi investor ritel yang sebelumnya tidak memiliki alat analitis setara institusi.

Di atas semua itu, AI telah ditemukan mengungguli manusia dalam pemilihan saham, mengalahkan “93% manajer selama periode 30 tahun dengan rata‑rata 600%.”

Namun, AI tidaklah sempurna. Ada keterbatasan signifikan pada teknologi ini, termasuk fakta bahwa sebagian besar sistem AI canggih beroperasi sebagai kotak hitam, artinya tidak ada cara untuk mengetahui bagaimana mereka menghasilkan rekomendasi.

Teknologi ini juga hanya sebaik data yang digunakan untuk melatihnya. Akibatnya, model AI dapat menghasilkan tidak hanya informasi yang tidak akurat tetapi juga informasi yang dibuat‑bual.

Masalah halusinasi pada AI sudah terdokumentasi dengan baik. Tidak hanya memberikan jawaban yang salah, tetapi juga menyampaikannya dengan keyakinan, sehingga lebih sulit dideteksi.

“Halusinasi adalah pernyataan yang tampak masuk akal tetapi palsu yang dihasilkan oleh model bahasa. Mereka dapat muncul dengan cara yang mengejutkan, bahkan untuk pertanyaan yang tampaknya sederhana,” menjelaskan OpenAI dalam blognya yang berjudul “Why language models hallucinate.” “Sebagai contoh, ketika kami menanyai chatbot yang banyak digunakan tentang judul disertasi PhD oleh Adam Tauman Kalai (penulis makalah ini), ia dengan percaya diri memberikan tiga jawaban berbeda — tidak ada yang benar. Ketika kami menanyai tanggal lahirnya, ia memberi tiga tanggal berbeda, semuanya salah.”

Itu belum semuanya. Model AI juga kesulitan saat terjadi peristiwa pasar yang belum pernah terjadi sebelumnya karena mereka belajar dari pola historis alih‑alih memahami kondisi ekonomi yang berkembang secara nyata.

Lebih jauh lagi, jika kebanyakan investor mulai menggunakan model AI yang sama, hal itu hanya akan menghasilkan perdagangan yang sesak, memperbesar volatilitas alih‑alih menguranginya. Semua kekhawatiran ini menimbulkan kebutuhan akan transparansi yang lebih besar dan pengawasan manusia dalam investasi yang dibantu AI.

Bukti menunjukkan adopsi teknologi ini masih tidak merata, dengan kepercayaan dan persepsi risiko secara umum diidentifikasi peneliti sebagai hambatan utama.

Kepercayaan pada Saran AI Masih dalam Proses Pengembangan

AI termasuk beberapa teknologi yang menjadi mainstream dengan sangat cepat. Contoh yang bagus adalah ChatGPT dari OpenAI, yang mencapai satu juta pengguna pertamanya dalam hanya lima hari dan kemudian mencapai 100 juta pengguna dalam dua bulan. Baru‑baru ini, ChatGPT menembus 1 miliar pengguna aktif bulanan secara global, kira‑kira tiga tahun setelah peluncuran, menjadi aplikasi tercepat yang mencapainya.

Sementara data ini menunjukkan penggunaan AI yang lebih luas, bukti menunjukkan bahwa investor juga nyaman menggunakan AI untuk tugas‑tugas terkait investasi.

Semakin banyak investor ritel kini menggunakan teknologi ini untuk meneliti saham, merangkum laporan keuangan, menafsirkan jargon keuangan yang tidak familiar, menyaring peluang, dan mendapatkan pembacaan yang lebih cepat atas berita terkini.

Sebuah survei oleh Investing.com terhadap 938 investor ritel AS menemukan bahwa hampir dua pertiga (62%) sudah menggunakan alat AI untuk membuat keputusan investasi yang terinformasi.

Di antara mereka, 23,6% menggunakan alat AI secara reguler dan 27,4% secara sesekali. Hanya 11,5% yang pernah mencobanya sekali atau dua kali. Secara mencolok, 21% responden mengatakan mereka belum pernah menggunakan AI tetapi sedang mempertimbangkannya, sementara 16,6% tidak berencana menggunakan alat AI untuk investasi sama sekali.

“Mungkin hanya ada beberapa industri di mana AI terbukti mengganggu secepat ini di industri keuangan,” kata Thomas Monteiro, analis senior di Investing.com. “Hal ini bahkan lebih terasa bagi investor ritel, di mana perusahaan kini dapat menawarkan akses ke semua jenis alat setara keuangan dengan biaya sebagian kecil dibandingkan beberapa tahun lalu. Seiring model‑model ini berkembang dan menjadi semakin relevan, penggunaan kemungkinan akan terus meningkat—bahkan di antara mereka yang sudah berinteraksi dengan beberapa jenis asisten investasi AI.”

Sebuah survei HSBC Ipsos terhadap hampir 10.000 investor kaya dan bernilai bersih tinggi (HNWI) di 10 pasar juga menemukan bahwa keuangan dan investasi adalah penggunaan AI yang paling umum di antara individu berkemampuan tinggi, bahkan di atas karier atau pengembangan pribadi.

Pentingnya, Gen Z dan Milenial mengadopsi AI paling cepat. Kelompok usia lebih muda ini menggunakan AI untuk mengidentifikasi risiko, mempercepat riset, atau mendapatkan “pendapat kedua” sebelum berbicara dengan penasihat manusia.

Meskipun demikian, investor jauh kurang nyaman membiarkan AI mengelola portofolio mereka atau mengeksekusi perdagangan secara otonom. Kekhawatiran tentang kualitas respons dan privasi data menjadi hambatan terbesar untuk adopsi yang lebih luas.

Menurut survei Investing.com, di antara pengguna AI, 38,9% khawatir tentang rekomendasi yang salah atau menyesatkan, dan 24,2% khawatir tentang “herding,” di mana banyak investor menggunakan sinyal yang dihasilkan AI yang sama.

Sebuah survei Good Money Guide yang berfokus pada UK menemukan pola serupa: hampir tujuh dari sepuluh investor telah menggunakan platform AI, namun hanya 18,8% yang mengatakan mereka akan mempercayai alat seperti ChatGPT atau Claude untuk memberikan saran keuangan, dibandingkan dengan 60,2% yang mempercayai situs keuangan yang sudah mapan.

Kebutuhan akan nasihat profesional tetap ada di semua kelompok usia, dengan pendekatan hibrida sebagai model pengambilan keputusan masa depan yang ideal.

“Klien semakin banyak menggunakan AI untuk menjelajahi pilihan mereka, tetapi ketika datang ke keputusan investasi, mereka menghargai penilaian, konteks, dan akuntabilitas dari penasihat kekayaan yang terpercaya.”

– Barry O’Byrne, CEO International Wealth & Premier Banking di HSBC

Penelitian Menunjukkan Kepercayaan Lebih Penting daripada Teknologi

Sebuah studi baru berjudul “Mind over machine: Sebuah perjalanan bibliometrik ke dalam persepsi investor tentang AI di pasar saham¹” memberikan gambaran komprehensif tentang penelitian akademik yang meneliti bagaimana investor memandang AI di pasar keuangan.

Literatur tersebut juga mengeksplorasi antropomorfisme, yaitu merancang AI agar tampak lebih manusiawi, sebagai faktor yang berpotensi memengaruhi kepercayaan investor, meskipun hal ini masih menjadi area penelitian yang berkembang.

Menariknya, dalam penelitian sebelumnya berjudul “Hey AI, should I buy this stock?” – Trust, technology, and the rise of the young investor, yang dipublikasikan pada Desember 2025, penulis meneliti bagaimana investor muda berinteraksi dengan alat investasi berbasis AI.

Mereka menemukan bahwa milenial dan Gen Z kini semakin mengandalkan sistem cerdas seperti robo‑advisor, penyaring saham, dan chatbot ketika membuat keputusan investasi. Di antara investor muda ini, kepercayaan adalah faktor kunci yang menentukan apakah mereka mengadopsi dan terus menggunakan alat AI. Lebih jauh, mereka menginginkan sistem AI menjelaskan alasan di balik rekomendasi saham karena mereka juga peduli pada etika, keadilan, dan akuntabilitas.

Studi terbaru memperluas temuan tersebut, berargumen bahwa membangun kepercayaan melalui transparansi dan kemampuan menjelaskan sama pentingnya dengan meningkatkan kinerja teknis AI.

Untuk itu, peneliti tidak menguji model AI baru; melainkan melakukan analisis bibliometrik terhadap lebih dari 700 publikasi berbahasa Inggris, peer‑review, yang diambil dari basis data Scopus, mencakup periode 1993‑2025.

Dengan menggunakan kerangka penyaringan PRISMA dan paket Bibliometrix di R, studi ini memetakan evolusi penelitian tentang adopsi AI dalam investasi saham selama tiga puluh‑dua tahun terakhir.

Ulasan menemukan bahwa literatur berkembang pesat seiring kemajuan pembelajaran mesin, deep learning, dan layanan robo‑advisor, mengidentifikasi empat tema riset dominan: optimasi teknis model AI, isu etika dan tata kelola, psikologi perilaku dan kepercayaan investor, serta aplikasi praktis dalam layanan keuangan.

Dari segi kinerja teknis, AI telah meningkat secara signifikan dalam peramalan, manajemen risiko, dan optimasi portofolio. Namun, meskipun AI menawarkan manfaat signifikan dalam efisiensi, otomatisasi, dan personalisasi, hal tersebut tidak otomatis beralih menjadi adopsi.

Investor tetap skeptis, dan menurut studi, hal itu muncul terutama dari persepsi risiko daripada kekurangan teknis semata.

“Persepsi risiko tetap menjadi kontra‑kekuatan yang persisten,” kata penulis. Kepercayaan adalah rintangan utama lain yang menghalangi adopsi lebih luas di antara investor.

Kekhawatiran lain berpusat pada opasitas, keadilan, bias algoritma, isu privasi, ketidakpastian regulasi, akuntabilitas, dan sifat “kotak hitam” banyak model AI, yang melemahkan penilaian investor terhadap kegunaan teknologi dan mengurangi kesediaan mereka mengandalkannya untuk keputusan investasi.

Dalam konteks ini, “kepercayaan dan persepsi risiko bukanlah kekhawatiran periferal melainkan mekanisme interpretatif sentral yang menjelaskan mengapa kemampuan teknis saja tidak cukup untuk penerimaan pengguna yang berkelanjutan di pasar saham yang digerakkan AI,” kata studi tersebut.

Studi tersebut menyoroti adopsi robo‑advisor, yang dipengaruhi lebih sedikit oleh efisiensi daripada oleh keseimbangan antara kepercayaan dan persepsi risiko. Di sini, desain yang menyerupai manusia dan kepercayaan mendorong penerimaan, sementara masalah interaksi dan rendahnya kesadaran menghambat adopsi.

“Adopsi investor dibentuk bukan hanya oleh efisiensi teknis, tetapi oleh interaksi antara persepsi risiko, fitur desain AI… dan kepercayaan,” catat studi tersebut. “Sintesis ini sejalan dengan bukti empiris terbaru yang menunjukkan bahwa keterlibatan investor muda dengan alat saran saham berbasis AI terutama diatur oleh mekanisme pembentukan kepercayaan yang berakar pada transparansi, personalisasi, dan persepsi keadilan daripada kinerja algoritma semata.”

Ulasan juga menekankan bahwa faktor psikologis memainkan peran penting dalam keputusan adopsi.

Investor lebih cenderung menerima AI ketika sistem menyediakan penjelasan yang dapat dipahami, menunjukkan keandalan seiring waktu, dan memungkinkan pengawasan manusia yang bermakna.

Studi sebelumnya juga mengungkap adanya ketegangan dalam interaksi manusia‑AI yang dapat diatasi dengan elemen desain sosial atau menyerupai manusia, yang mungkin mengurangi ketidakpastian bagi sebagian investor namun meningkatkan bias perilaku bagi yang lain.

Antarmuka robo‑advisor percakapan yang mengintegrasikan isyarat sosial, misalnya, dapat meningkatkan kepercayaan afektif, sehingga meningkatkan penerimaan rekomendasi di antara investor, bahkan ketika rekomendasi tersebut tidak konsisten dengan profil risiko mereka yang sebenarnya.

Menurut studi, AI tidak boleh dianalisis hanya sebagai “teknologi semata” karena bahkan kualitas yang tampak teknis, seperti keadilan dan kemampuan menjelaskan, dibentuk sebagian oleh sistem sosioteknis yang lebih luas, seperti institusi, aturan, dan tata kelola, tempat AI beroperasi dan diharapkan berfungsi.

Penelitian terbaru tentang tata kelola AI lebih lanjut menunjukkan bahwa kepercayaan investor terhadap sistem algoritmik dipengaruhi oleh jaminan etis, kredibilitas institusional, dan struktur akuntabilitas yang dipersepsikan.

Hal ini menekankan bahwa “kepercayaan muncul dari keselarasan sosioteknis bukan dari optimasi teknis secara terpisah.”

Secara keseluruhan, studi menyimpulkan bahwa kemajuan masa depan bergantung tidak hanya pada peningkatan akurasi prediktif tetapi juga pada perancangan sistem AI yang transparan, dapat dijelaskan, dan selaras dengan ekspektasi investor mengenai akuntabilitas dan kontrol.

Bagi alat investasi AI, ini berarti mereka memasuki fase kedua yang menentukan, di mana keunggulan kompetitif bukan hanya menghasilkan sinyal pasar yang lebih baik, tetapi membuat analisis cukup dapat dipercaya bagi investor untuk bertindak.

Interactive Brokers

Di industri keuangan, Interactive Brokers (IBKR ) menonjol karena melampaui fungsi pialang konvensional menuju alur kerja investasi yang dibantu AI.

Broker elektronik global otomatis ini mengamankan dan melayani akun untuk ETF, hedge fund, reksa dana, penasihat investasi terdaftar, grup perdagangan kepemilikan, dan investor individu. Perusahaan memproses perdagangan pada ETF, saham, opsi, futures, forex, obligasi, logam mulia, reksa dana, dan kontrak futures di lebih dari 170 bursa di seluruh dunia.

Pelanggan juga dapat menggunakan platformnya untuk memperdagangkan beberapa cryptocurrency melalui penyedia pihak ketiga.

Platform perdagangan Interactive Brokers meliputi IBKR Desktop, IBKR Mobile, IBKR Trader Workstation, IBKR Client Portal, dan lainnya, sementara penawaran produk utama mencakup IBKR Lite, IBKR Pro, dan IBKR Universal Account.

Mengenai penggunaan AI, pialang ini tidak menempatkannya sebagai manajer portofolio otonom; melainkan telah mengintegrasikan AI ke seluruh produk dan platform perdagangannya, memungkinkan pengguna menganalisis portofolio, meneliti sekuritas, memantau risiko, dan menghasilkan instruksi perdagangan. Namun, setiap perdagangan harus secara eksplisit ditinjau dan disetujui oleh klien sebelum dieksekusi.

IBKR baru‑baru ini memperluas kemampuan AI‑nya di luar integrasi Claude awal untuk mencakup ChatGPT dan Grok serta memperluas rentang produk yang dapat menghasilkan instruksi AI.

Perusahaan juga memperkenalkan “alat yang menggunakan AI untuk menyederhanakan riset dan memvisualisasikan hubungan antar tren, perusahaan, dan sekuritas guna memberikan klien ide investasi yang dapat ditindaklanjuti,” kata Nancy Stuebe, Direktur Hubungan Investor, pada panggilan hasil kuartal pertama 2026.

Dia juga mencatat peningkatan pada chatbot berbasis AI, meningkatkan baik “akurasi maupun cakupan sambil memungkinkan perwakilan kami fokus pada isu yang lebih kompleks. Kami juga menerapkan AI untuk mengotomatisasi proses lebih lanjut di area seperti onboarding, kepatuhan, dan operasi lainnya. Memperluas penggunaan AI tetap menjadi prioritas di seluruh perusahaan, baik untuk meningkatkan pengalaman klien maupun efisiensi internal,” tambah Stuebe.

Dengan kapitalisasi pasar $158,6 miliar, IBKR diperdagangkan pada $94,18, naik 45,48% YTD dan 57% selama setahun terakhir, setelah mencapai ATH (All‑Time High) baru $97,84 bulan lalu, naik lebih dari 653% sejak 2022. Perusahaan memiliki EPS (TTM) 2,34 dan P/E (TTM) 39,98, dengan dividend yield 0,37%.

Untuk Q1 2026, perusahaan melaporkan diluted EPS $0,59 dan $0,60 secara disesuaikan, naik dari $0,48 dan $0,47 tahun sebelumnya, dengan pendapatan bersih $1,67 miliar ($1,68 miliar secara disesuaikan).

Pendapatan komisi melonjak 19% menjadi $613 juta, didorong oleh volume perdagangan pelanggan yang lebih tinggi, meningkat 25% untuk saham, 20% untuk futures, dan 16% untuk opsi. Pendapatan bunga bersih naik 17% menjadi $904 juta, didorong oleh saldo kredit pelanggan rata‑rata yang lebih tinggi dan pinjaman margin, sementara biaya dan layanan lain tumbuh 10% menjadi $86 juta.

Biaya eksekusi, clearing, dan distribusi turun 12% menjadi $106 juta, akibat penurunan biaya regulasi. Baru‑baru ini, SEC juga menghapus aturan pattern day trader, namun CEO Milan Galik memperkirakan hal ini akan “memperluas akses ritel, meningkatkan frekuensi dan keterlibatan perdagangan, serta likuiditas di pasar.”

Pendapatan perusahaan sebelum pajak adalah $1,29 miliar, dan margin laba sebelum pajak sebesar 77% pada Q1, baik dalam laporan maupun yang disesuaikan.

Selama periode ini, akun pelanggan IBKR naik 31% menjadi 4,75 juta, sementara ekuitas pelanggan naik 38% menjadi $789,4 miliar. Kredit pelanggan dan pinjaman margin masing‑masing meningkat 35% menjadi $168,8 miliar dan $86 miliar.

Interactive Brokers Group melaporkan total ekuitas $21,3 miliar. Perusahaan juga mengumumkan peningkatan dividen kuartalan dari $0,08 per saham menjadi $0,0875 per saham.

Kesimpulan

Didorong oleh terobosan dalam model bahasa besar (LLM) dan komputasi yang dipercepat, AI sepenuhnya mengubah cara investor meneliti aset, memantau portofolio, dan mengeksekusi perdagangan.

Kemampuan teknologi untuk memproses informasi dengan cepat, mendeteksi pola, dan meningkatkan efisiensi analitis menjadikannya alat berharga bagi investor institusional maupun ritel. Namun kepercayaan terhadap saran investasi yang dihasilkan AI masih kurang, karena investor mengutamakan transparansi, akuntabilitas, kualitas data, dan penilaian manusia dibandingkan keputusan yang sepenuhnya otonom.

AI tidak mungkin menggantikan manusia dalam investasi secara keseluruhan; sebaliknya, masa depan akan melibatkan model hibrida di mana AI berperan sebagai analis, dan manusia sebagai pengambil keputusan.

Klik di sini untuk mempelajari semua tentang berinvestasi dalam kecerdasan buatan.

Referensi

1. Phan, T. A., Tran, H. P., Ninh, T. T. & Nguyen, H. K. Mind over machine: Sebuah perjalanan bibliometrik ke dalam persepsi investor tentang AI di pasar saham. Strategic Business Research, 100115 (2026). https://doi.org/10.1016/j.sbr.2026.100115