"Memelihara Udang Lobster" Sedang Populer hingga Kalangan Dana, Dana Publik Sedang Mengalami Revolusi Alur Kerja yang Mendalam

Laporan Wartawan Securities Times Zhao Mengqiao Pei Lirui

“Kami tidak akan digantikan oleh AI, tetapi kami pasti akan digantikan oleh orang yang mahir menggunakan AI, terutama di bidang riset dan pengembangan dana publik yang merupakan bidang pekerjaan yang menggabungkan ilmu dan seni, serta keberadaan rasional dan emosional.” Seorang manajer dana publik mengatakan kepada wartawan Securities Times.

Baru-baru ini, sebuah fenomena “budidaya lobster” sedang melanda dari dunia teknologi ke pusat keuangan, di mana AI Agent (agen kecerdasan buatan) yang diwakili oleh OpenClaw mulai menarik perhatian dana publik. Wartawan Securities Times mengetahui bahwa saat ini, banyak perusahaan dana sedang berhati-hati menilai penerapan alat ini dalam riset dan pengembangan dana, beberapa manajer dana, terutama manajer dana kuantitatif, sudah mencoba menggunakan OpenClaw untuk pengembangan strategi, dan AI secara bertahap bertransformasi dari alat super menjadi kolaborator otonom.

Namun, di sisi lain, industri dana juga mulai meninjau kembali dampak AI terhadap model riset dan pengembangan tradisional. Baik dalam pengolahan data keuangan dalam jumlah besar, pengenalan sinyal dalam investasi kuantitatif, maupun model riset dan pengembangan yang dulunya memiliki ambang batas tinggi, industri dana publik sedang mengalami revolusi alur kerja yang lembut namun mendalam, sekaligus menghadapi tantangan seperti penggantian manusia-mesin dan kebocoran data.

Fenomena “budidaya lobster” menyebar ke komunitas dana

“Awalnya, saya hanya berharap AI ini seperti magang yang matang, bisa membantu kami melakukan backtest skrip dan pengolahan data, tapi setelah digunakan selama dua minggu terakhir, saya menyadari bahwa AI ini sangat mandiri, mampu secara otomatis mengekstrak faktor-faktor yang bagus dari data mentah sepanjang waktu, memperluas sumber Alpha kami, dan tingkat akurasinya sangat tinggi, seperti memiliki asisten dana senior yang selalu mendampingi 24 jam.” Baru-baru ini, seorang manajer dana kuantitatif di Shanghai menggambarkan bagaimana OpenClaw membantu pekerjaannya kepada wartawan Securities Times.

Baru-baru ini, proyek AI Agent sumber terbuka yang diwakili oleh OpenClaw menjadi sangat populer, memicu fenomena “budidaya lobster” di seluruh masyarakat, terutama di bidang riset dan pengembangan dana yang penuh informasi dan keputusan yang kompleks.

Chief Digital Officer dari Bosera Fund, Che Hongyuan, mengungkapkan bahwa saat ini, tim di Bosera Fund sudah menggunakan OpenClaw di cloud publik dan dalam kerangka kepatuhan, dan juga sedang meneliti penggunaan perangkat lunak domestik dalam skenario keamanan dan kepatuhan internal.

Selain itu, E Fund telah membentuk tim khusus untuk melakukan verifikasi fungsi dan eksplorasi teknologi OpenClaw dalam lingkungan jaringan terisolasi, dan belum masuk ke tahap penerapan produksi. Menurut sumber dari bagian teknologi keuangan E Fund, fokus penggunaan adalah otomatisasi pengumpulan dan analisis informasi pasar, serta pengelolaan data perusahaan.

“OpenClaw, sebagai agen AI sumber terbuka yang dapat dikustomisasi secara mendalam, telah membakar semangat baru dalam penerapan AI di industri dana publik melalui kemampuannya dalam eksekusi AI, dan maknanya jauh melampaui sekadar alat.” kata Che Hongyuan. “OpenClaw terutama ditujukan untuk individu, dan diharapkan dapat sangat membebaskan kemampuan inovasi setiap orang. Dalam penggunaannya, inisiatif pribadi sangat penting. Saat ini, yang mulai bergerak adalah para profesional riset dan pengembangan, yang mendapatkan asisten digital super yang membantu mereka, dan ini sangat membantu dalam melepaskan kreativitas dan produktivitas individu.”

Yimin Fund berpendapat bahwa OpenClaw bagi riset dan pengembangan dana bukan hanya peningkatan alat yang sudah ada, tetapi secara bertahap memicu revolusi alur kerja yang lembut namun mendalam.

“Inti dari alat riset dan pengembangan tradisional adalah respons pasif, yaitu manusia memberi instruksi, alat memberikan hasil, sedangkan terobosan utama dari AI Agent seperti OpenClaw adalah eksekusi aktif, mampu secara mandiri menyelesaikan siklus tertutup ‘pengambilan informasi—pengorganisasian data—analisis awal—umpan balik hasil’ berdasarkan tujuan yang telah ditetapkan. Misalnya, sebelumnya, para peneliti membutuhkan waktu 1-2 hari untuk mengumpulkan data opini publik dan laporan keuangan suatu industri, sekarang dengan mengonfigurasi modul keterampilan terkait di OpenClaw, proses otomatis pengambilan dan pengarsipan data selama 24/7 dapat dilakukan, dan peneliti hanya perlu fokus pada interpretasi data dan verifikasi logika. Ini secara esensial adalah rekonstruksi alur kerja riset dan pengembangan, bukan sekadar peningkatan efisiensi.” kata Yimin Fund.

Wang Ying, Wakil Direktur Investasi Kuantitatif di CITIC Prudential dan manajer dana, menyatakan bahwa tim kuantitatif perusahaan sudah mengintegrasikan teknologi AI ke dalam sistem riset dan pengembangan harian mereka. Saat ini, faktor kuantitatif yang dilatih dengan machine learning sudah menyumbang sekitar 30% dari strategi mereka, terutama dalam strategi perdagangan berbasis volume dan harga.

“Kami menemukan bahwa sinyal perdagangan yang diidentifikasi oleh model AI ini, jika dieksekusi pada hari yang sama, hasilnya lebih baik daripada hari berikutnya.” jelasnya. “Logikanya adalah AI sangat mahir dalam menangkap lonjakan jangka pendek yang didorong oleh peningkatan likuiditas. Dengan masuk pada saat-saat tersebut, tidak hanya dapat menangkap peluang yang cepat berlalu, tetapi juga dapat secara efektif menurunkan biaya transaksi karena likuiditas yang melimpah. Seluruh proses ini menghasilkan otomatisasi dalam pembuatan sinyal.”

Penggantian manusia-mesin atau keberlangsungan bersama

Dari model bahasa besar AI yang mampu berfungsi sebagai otak super, hingga agen AI yang mampu merencanakan dan mengeksekusi secara mandiri, evolusi pesat AI sedang memberikan dampak langsung terhadap tugas dasar dan berulang dalam riset dan pengembangan, seperti pengumpulan informasi, pengorganisasian data, dan penulisan laporan. Jadi, bagi dana publik, terutama para profesional riset dan pengembangan, apakah dampak AI ini akan menjadikan mereka seperti “penenun wanita” dalam gelombang revolusi industri pertama?

Seorang manajer dana publik di Selatan China mengatakan, “Saya pribadi menganggap AI seperti ‘magang matang’ atau ‘pendatang baru di bidang riset dan pengembangan’. Beberapa pekerjaan dasar seperti pengumpulan data, verifikasi silang, bahkan analisis sederhana sudah cukup matang. Setelah AI berperan dalam pekerjaan dasar ini, para profesional riset dan pengembangan akan memiliki lebih banyak waktu dan energi untuk melakukan hal-hal yang saat ini belum bisa dilakukan AI.”

“Kapabilitas AI dan manusia dalam bidang riset dan pengembangan sebenarnya tidak tumpang tindih, bahkan dalam beberapa hal saling melengkapi.” kata Wang Yue, manajer dana dari Minsheng JiaYin Fund. “Seorang profesional riset dan pengembangan yang baik harus mampu terus mengajukan pertanyaan yang baik. Tujuan mereka bukan mencari jawaban tertentu, melainkan terus mempertanyakan kondisi yang ada dan mengajukan pertanyaan ‘mengapa’ yang baik, agar dapat benar-benar memahami variabel paling inti dari sebuah industri dan perusahaan. Sementara AI yang baik adalah alat yang mampu memberikan jawaban yang baik. AI tidak memiliki kemampuan penalaran dan pemikiran yang baik, tetapi mampu memberikan jawaban yang tajam dan cukup akurat terhadap pertanyaan yang diajukan peneliti, sehingga meningkatkan efisiensi riset mereka.”

Wai Yu, manajer dana dari HSBC Jintrust, juga berpendapat bahwa saat ini, AI belum bisa menggantikan manajer dana dan analis. AI lebih berfungsi sebagai asisten riset yang membantu mengelola data historis dalam jumlah besar, mengidentifikasi pola penting, dan menyimpulkan aturan tertentu. Para analis dan manajer dana dapat menggunakan informasi ini, dan berdasarkan pengalaman jangka panjang mereka, membuat penilaian industri dan keputusan investasi yang lebih akurat.

“Perlu juga diingat, masih banyak pekerjaan yang tidak bisa digantikan AI. Misalnya, survei langsung di lapangan. Banyak profesional riset dan pengembangan harus berinteraksi langsung dengan pejabat perusahaan yang terdaftar atau tim manajemen, dan salah satu tujuan utama adalah merasakan kondisi kerja mereka. Mungkin terdengar emosional, tetapi ini benar-benar tercermin dalam kinerja perusahaan, dan banyak indikator awalnya adalah indikator sinyal. Selain itu, penggalian informasi non-publik juga penting. AI hanya bisa mengolah dan menganalisis bahan yang ada, tetapi informasi non-publik yang sesuai dengan regulasi memiliki nilai analisis yang tinggi.” kata manajer dana dari South China tersebut.

Sumber Alpha beralih dari kedalaman ke luas

Meskipun AI menjadi “senjata utama” dalam riset dan pengembangan, batasan profesional dari manajer dana dan seluruh tim riset dan pengembangan tetap jelas bahkan semakin menonjol.

“Pendapat saya adalah: AI menggantikan pekerjaan bernilai tambah rendah, bukan posisi secara keseluruhan; yang terancam adalah orang yang enggan beradaptasi dan memiliki kemampuan terbatas, bukan para profesional riset dan pengembangan yang memiliki kemampuan inti.” kata Yimin Fund.

Yimin Fund menyatakan bahwa di era AI, kesenjangan informasi di pasar akan berkurang secara bertahap karena AI mampu dengan cepat mengumpulkan dan menganalisis data dalam jumlah besar, sehingga hampir semua lembaga riset dan pengembangan dapat memperoleh data dan informasi dasar yang sama. Oleh karena itu, keunggulan kompetitif di masa depan tidak lagi berasal dari siapa yang lebih cepat mendapatkan informasi, tetapi dari siapa yang mampu menginterpretasi informasi secara lebih mendalam, menilai tren secara lebih akurat, dan mengendalikan risiko secara lebih efektif. Singkatnya, bukan hanya kekuatan komputasi yang dipertaruhkan, tetapi juga algoritma, yang menjadi sumber utama alpha pribadi manajer dana dan keunggulan riset dan pengembangan perusahaan dana.

Wang Yue menambahkan, “Kami lebih menghargai kedalaman pemikiran para profesional riset dan pengembangan daripada luasnya pengumpulan informasi. Jadi, yang perlu dilakukan adalah mengajukan pertanyaan kunci, bukan sekadar mengumpulkan jawaban yang lengkap. Informasi itu tak terbatas, dan menemukan variabel paling inti serta mampu menangkapnya secara tajam adalah sumber keunggulan alpha para profesional riset dan pengembangan.”

Che Hongyuan juga menyatakan bahwa AI melalui otomatisasi pengolahan berbagai modalitas informasi dapat meningkatkan efisiensi pengolahan data, memaksa para peneliti untuk bertransformasi ke kemampuan tingkat tinggi seperti penalaran mendalam, wawasan industri, dan verifikasi silang. Oleh karena itu, AI diharapkan dapat mendorong evolusi sistem riset dan pengembangan menuju struktur jaringan kolaboratif manusia-mesin, mengubah arsitektur linier “peneliti mengusulkan rekomendasi—manajer dana membuat keputusan.” Para profesional riset dan pengembangan diharapkan dapat bersama AI melakukan penelusuran petunjuk, pengembangan strategi, dan pengendalian risiko.

“Kami tidak akan digantikan oleh AI, tetapi kami pasti akan digantikan oleh orang yang mahir menggunakan AI; terutama di bidang pekerjaan yang menggabungkan ilmu dan seni, serta keberadaan rasional dan emosional yang saling melengkapi.” kata manajer dana dari South China tersebut. “Dalam membangun benteng riset dan pengembangan di tingkat perusahaan, inti utamanya adalah menciptakan ekosistem yang sesuai dengan perusahaan; dan untuk membangun ekosistem ini, diperlukan mekanisme yang baik, budaya, talenta, serta alat. Di sini, alat yang akan digunakan di masa depan pasti terkait dengan AI. Pada akhirnya, dalam lingkungan ini, semua orang akan memanfaatkan keahlian masing-masing, sambil menyerap informasi dari platform yang sama, sehingga terbentuklah ekosistem yang terkoordinasi dan harmonis.”

Mengadopsi efisiensi juga harus waspada terhadap risiko

Bantuan AI tentu saja membuat pekerjaan riset dan pengembangan menjadi lebih efisien, tetapi banyak dana publik telah menyadari bahwa AI adalah pedang bermata dua—ia dapat secara besar-besaran meningkatkan efisiensi, tetapi juga menyembunyikan berbagai risiko yang jika tidak diperhatikan dan dikendalikan dengan baik, dapat menyebabkan kerugian investasi.

Laboratorium Keuangan Kuantitatif Yimin Fund menekankan perlunya waspada terhadap “risiko kotak hitam” dari model AI, yang merupakan risiko paling inti dan paling perlu diwaspadai. Saat ini, sebagian besar model AI (terutama model deep learning) beroperasi dengan logika yang “tidak dapat dijelaskan,” yaitu hanya mengetahui data input dan hasil output, tetapi tidak tahu bagaimana model mencapai hasil tersebut, inilah yang disebut “masalah kotak hitam.”

Laboratorium ini berpendapat bahwa risiko ini terutama muncul dalam dua aspek: pertama, penemuan faktor yang “palsu efektif,” di mana AI mungkin menemukan faktor yang tampaknya signifikan tetapi sebenarnya hanyalah hasil dari “fit data masa lalu,” yang tidak akan menghasilkan keuntungan di lingkungan pasar masa depan, bahkan bisa menyebabkan kerugian; kedua, potensi penyesatan dalam saran pengambilan keputusan, di mana AI mungkin berdasarkan logika yang salah atau data yang bias, memberikan saran yang tampaknya masuk akal, tetapi jika manajer dana secara buta mengikuti, bisa membuat keputusan investasi yang salah. Misalnya, AI mungkin menyarankan “beli” karena data historis suatu saham menunjukkan performa yang baik, tetapi mengabaikan bahwa fundamental saham tersebut saat ini sudah memburuk. “Penipuan kotak hitam” ini bisa menyebabkan kerugian investasi yang cukup besar. Selain itu, “ketidakjelasan” dari model AI juga menyebabkan risiko yang tidak dapat dilacak, sehingga sulit mengidentifikasi akar masalah.

Wang Ying juga berhati-hati terhadap penerapan AI secara menyeluruh. Dari sudut pandang strategi perdagangan volume dan harga, dia menunjukkan bahwa pasar memiliki sifat “adaptif,” dan perilaku perdagangan di A-shares adalah proses yang terus menyesuaikan diri secara dinamis. “Data historis yang digunakan untuk melatih model sendiri sudah mencakup semua perilaku peserta pasar sebelumnya, dan begitu model mulai melakukan transaksi, perilaku tersebut akan menjadi data baru yang mempengaruhi pasar. Ini seperti sebuah model yang secara terus-menerus mempengaruhi dirinya sendiri.” kata Wang Ying.

Akibatnya, siklus umpan balik ini menyebabkan faktor-faktor yang dilatih oleh model AI, terutama faktor volume dan harga, menunjukkan volatilitas yang ekstrem dalam hasil keunggulan alih-alih stabil. Dia memberi contoh bahwa beberapa faktor machine learning yang tampil sangat baik pada 2023, performa mereka belakangan ini sangat fluktuatif, yang merupakan akibat dari “sumber keuntungan dan kerugian yang sama.” “Tantangan terbesar adalah, kita tidak tahu kapan harus menghentikan penggunaannya,” ungkap Wang Ying.

Wang Yue menambahkan bahwa dalam penerapan AI dalam riset dan pengembangan dana, kita harus sangat berhati-hati terhadap risiko kebocoran informasi sensitif, yang merupakan risiko utama dari sebagian besar AI saat ini. “Oleh karena itu, kami melakukan dialog dan analisis berpikir dengan AI, serta mengumpulkan informasi publik, dengan mekanisme perlindungan privasi yang ketat dan berbagai cara untuk mencegah AI mengakses informasi rahasia perusahaan,” katanya.