Czy sztuczna inteligencja może zastąpić doradcę inwestycyjnego?
W listopadzie 2025 r. redakcja Business Insidera postanowiła sprawdzić to w praktyce. Trzy narzędzia – Perplexity, ChatGPT oraz polski Bielik – otrzymały zadanie skomponowania przykładowego portfela inwestycyjnego. Następnie gotowe zestawy trafiły pod lupę ekspertów. Ich pierwsza reakcja? „Nie wygląda to źle. Ale…” – i to właśnie to „ale” stało się kanwą do szerszej dyskusji o roli AI w finansach.

Jakie zalety dostrzegają eksperci?

Szybkość, z jaką AI potrafi przetwarzać ogromne ilości informacji, jest jej największym atutem. Algorytmy mogą na bieżąco analizować raporty finansowe, komunikaty spółek, wypowiedzi zarządów oraz sytuację w całej branży. Potrafią przygotować streszczenia setek stron dokumentów, wskazać najważniejsze zmiany i wyodrębnić kluczowe dane, takie jak przychody, marże czy poziom zadłużenia. Eksperci podkreślają jednak, że wyciągnięte informacje zawsze warto zweryfikować w oryginalnym materiale.

AI wspiera również analizę fundamentalną. Po dostarczeniu wiarygodnych danych narzędzie oblicza wskaźniki, porównuje wyceny spółek z tej samej branży i buduje proste scenariusze – na przykład sprawdza, jak zmieniłaby się wycena, gdyby tempo wzrostu przychodów spadło lub marża operacyjna się poprawiła. W analizie technicznej algorytmy rozpoznają powtarzające się układy cenowe, badają zmienność, korelacje oraz zachowanie rynku po pojawieniu się określonych sygnałów. Mogą też testować strategie na danych historycznych, ale nawet doskonały wynik testu nie gwarantuje, że strategia sprawdzi się w przyszłości – model może być nadmiernie dopasowany do przeszłości.

Kolejnym obszarem jest analiza nastrojów. Duże modele językowe przetwarzają wiadomości, komunikaty spółek, transkrypcje konferencji wynikowych i określają, czy ich wydźwięk jest pozytywny, negatywny czy neutralny. Zaletą jest tu szybkość, zwłaszcza gdy napływa bardzo dużo nowych informacji. Problem polega na tym, że język finansów bywa niejednoznaczny – ostrożna wypowiedź zarządu nie musi oznaczać pogorszenia perspektyw, a entuzjastyczny ton nie zawsze świadczy o dobrej kondycji firmy.

AI sprawdza się także w zarządzaniu portfelem. Narzędzia analityczne badają koncentrację portfela, wrażliwość na zmiany stóp procentowych, kursów walut czy cen surowców. Potrafią wskazać, że inwestor posiada pozornie różnorodne aktywa, ale większość zależy od tego samego czynnika ryzyka. Automatyczne systemy służą też do okresowego przywracania zakładanych proporcji, monitorowania limitów strat i wykrywania nietypowych transakcji.

Ograniczenie błędów emocjonalnych to kolejna zaleta. Inwestorzy często kupują w euforii, sprzedają w panice lub trzymają stratne pozycje. Odpowiednio zaprojektowany system realizuje ustalone zasady niezależnie od nastroju. Nie oznacza to braku błędów – nietrafione założenia autora, wadliwy kod lub źle dobrane dane mogą zastąpić emocje nowymi problemami.

AI obniża też próg wejścia do analizy finansowej. Może wyjaśniać pojęcia, pomagać w interpretacji sprawozdań i przygotowywać zestawienia, które dawniej wymagały specjalistycznego programu. Inwestor indywidualny otrzymuje sprawniejszy warsztat pracy, choć technologia nie wyrównuje szans – profesjonalne instytucje nadal dysponują lepszymi danymi, większą mocą obliczeniową i szybszą infrastrukturą.

Pułapki, o których trzeba wiedzieć

Eksperci zgodnie ostrzegają przed bezkrytycznym zaufaniem do odpowiedzi AI. Model może pomylić okresy sprawozdawcze, nie uwzględnić splitu akcji, oprzeć analizę na nieaktualnych danych lub wygenerować informację, która wygląda wiarygodnie, ale jest fałszywa. Każdą liczbę wpływającą na decyzję inwestycyjną należy zweryfikować w raporcie spółki lub komunikacie giełdowym.

Innym problemem jest czarna skrzynka. Zaawansowany model może wskazać konkretną transakcję bez zrozumiałego uzasadnienia, co utrudnia ocenę, czy rekomendacja wynika z trwałej zależności, czy przypadkowego wzorca. Jeśli inwestor nie rozumie, dlaczego system otworzył pozycję, może też nie wiedzieć, kiedy założenie stojące za transakcją przestało być aktualne.

Nadmierne dopasowanie do danych historycznych to trzecia pułapka. Strategia, która idealnie wyjaśnia przeszłe notowania, może ponieść straty na żywym rynku. Testy bywają zniekształcone przez pominięcie prowizji, spreadów, podatków i problemów z płynnością. Skuteczny eksperyment powinien obejmować dane, których model wcześniej nie widział, oraz różne fazy koniunktury.

Międzynarodowy Fundusz Walutowy ostrzega, że upowszechnienie podobnych algorytmów może zwiększać zmienność rynku. Gdy wiele systemów jednocześnie rozpozna ten sam sygnał i podejmie podobną decyzję, ruch cen zostaje spotęgowany. MFW wskazuje także na ryzyko operacyjne związane z zależnością od niewielkiej liczby dostawców technologii oraz możliwość wykorzystania AI do oszustw, manipulacji i dezinformacji. Szczególną ostrożność trzeba zachować wobec ofert „systemów AI” obiecujących gwarantowany zysk.

Werdykt po konfrontacji

Wracając do eksperymentu: chatboty zaproponowały portfele, które eksperci określili jako „nie wygląda to źle. Ale…”. To „ale” sugerowało, że propozycje wymagają weryfikacji i ręcznej korekty. Sztuczna inteligencja jest potężnym narzędziem wspomagającym, ale nie zastąpi ludzkiego osądu. Inwestorzy powinni traktować podpowiedzi algorytmów jako punkt wyjścia, a nie gotową receptę – zwłaszcza że nawet najlepszy model nie zna przyszłości, a inwestowanie zawsze wiąże się z ryzykiem.

Uwaga: opisany eksperyment oraz wymienione w źródłach spółki i wyceny mają wyłącznie charakter informacyjny i nie stanowią rekomendacji inwestycyjnej.