Algoritmi analizirali tko bi mogao zamijeniti šeficu FED-a Janet Yellen

Kompanija Prattle koristi se naprednim alatima koji ‘čitaju’ razne vrste komunikacije da bi utvrdila i prognozirala njihov učinak na tržišta. FT je odlučio iskoristiti to čudo tehnologije i dati na analizu prijave devet kandidata za budućeg šefa FED-a. Prattle je analizirao 616 dokumenata (2,4 milijuna riječi) – zaključci su vrlo zanimljivi.

Sprkos opravdanosti strahova da će nezaustavljivi nalet tehnologije dubinski izmijeniti izgled radnog mjesta i način na koji obavljamo svoj posao, dosadašnji pomaci pokazali su se iznenađujuće korisnima i još uvijek su u kategoriji dobrodošlih. To ne znači da razvoj tehnologija koje pomiču granice zamislivog, poput strojnog učenja, neće u skoroj budućnosti nagrasti i samo postojanje posla, ali roboti su se zasad pokazali uglavnom pozitivnom promjenom.

Glavna fronta tog marša tehnologije odnosi se na repetitivne, zamorne i dosadne zadatke kakvi će malo kome nedostajati, a koje sada sve više preuzimaju strojevi. Kako piše Financial Times, satelitsko snimanje, dronovi i umjetna inteligencija duboko su prodrli i u računovodstvo. Računovođe i revizori osjetno su rasterećeni od obavljanja najneaktivnijih zadataka, a koliko su se stvari promijenile samo tijekom jedne karijere, započete negdje 80-ih godina prošlog stoljeća, pokazuje podatak da su svježi novaci tih godina morali ručno zbrajati brojke na 40 stranica nadajući se poklapanju s izračunom kolege. Naravno, ako se brojevi nisu poklapali, moralo se početi ispočetka i zbrojiti sve ponovno. Danas takve zadatke u nekoliko minuta rješava prema trenutačnim standardima već stara i odavno apsolvirana tehnologija, Excel. Jednako tako, pregled i brojanje inventara neke kompanije, nekoć sasvim osobni i ručni zadatak, obavljaju sada napredni programi kojima je potrebno samo unijeti dokumente. Njih se, naravno, ne mora ukucavatі redak po redak, dovoljno ih je skenirati.

Jedan od sljedećih koraka u računovodstvenim poslovima je strojno učenje, koje se razvija kako bi s vremenom počelo automatski prepoznati anomalije i neločitosti u knjigama poduzeća (primjerice, uočiti nerazmjerni između podataka i onoga što kompanija radi). U pripremi je i umjetna inteligencija koja će pomoći kompanijama revidirati i klasificirati sve leasing-ugovore, kao i sustav koji će procjenjivati informacije o kreditnoj sposobnosti pomoću podataka iz banaka, ali i ‘nestrukturirane podatke’ poput društvenih mreža. Praksa uzimanja uzorka podataka, na što se revizija oduvijek oslanjala, bit će zamijenjena pregledom svih dostupnih podataka, čime će se, jasno, dobiti daleko precizniji i bolji pregled. Posebno je zanimljiv primjer umjetne inteligencije koja analizira tekstualne zapise, poput govora, i kvantificira ih. Kompanija Prattle koristi se naprednim alatima koji ‘čitaju’ razne komunikacije, kao što su govori šefice FED-a Janet Yellen i objave privatnih kompanija, kako bi utvrdila i prognozirala njihov učinak na tržišta. FT je odlučio iskoristiti to čudo tehnologije i dati na analizu transkripte razgovora za posao koje su obavili kandidati za budućeg šefa američkog pandana središnje banke i druge dokumente. Moguće je, naime, da će Yellen biti zamijenjena nekim drugim uskoro, pa se za prestižnu poziciju bori cijeli niz uglednih kandidata, a Prattle je pomogao analizirati njihove razgovore, govore i znanstvene radove (616 dokumenata) kako bi se utvrdilo koliko je svaki od devet kandidata sklon dizanju ili spuštanju kamate stope (jastreb ili golubica, pri čemu bi jastreb dizao stopu, golubica smanjivala). To je bez ikakve sumnje kručijalno pitanje koje si poslovni svijet i ekonomije diljem svijeta postavljaju već dugi niz godina.

Koncept se temelji na algoritmima koji kreiraju leksikon ključnih riječi uspoređivanjem svojih podataka o FED-ovim komunikacijama od 1998. do 2005. s tržišnim reakcijama te slijedom toga dijela određene fraze na jastrebe i golubice. Upotrebom strojnog učenja i prirodnog jezika Prattle je proveo sedam vanjskih kandidata kroz svoj sustav i usporedio ih s ravnateljicom FED-a Yellen i guvernerom FED-a Jeromeom Powellom. Nalazi su pokazali da je Gary Cohn, aktualni direktor Nacionalnog ekonomskog vijeća, najsloženiji dizajn stopa, ali postoje ograde koje nisu samo važne za taj slučaj, već i za promišljanje najnaprednijih danas dostupnih tehnologija. Dnevnik ističe da je Cohn bio vrlo rezerviran u svojim izjavama glede monetarne politike i ekonomije u odnosu na svoje protukandidate, pa je tek deset dokumenata poslužilo za određivanje njegova stajališta. To je ujedno značilo i da je njegov rezultat varirao više od većine drugih kandidata (nula bodova označava uravnoteženost, odnosno neodređenost). Ljudski faktor u tom se slučaju uglavnom ne slaže s takvom ocjenom, mnogi analitičari i investitori vjeruju kako bi Cohn vjerojatno bio više golubica. I rezultati drugih kandidata, kako ih je ocijenila umjetna inteligencija, nisu sasvim usklađeni s razmišljanjima ljudi. Kao najblži kandidat okarakteriziran je Powell iako većina analitičara trenutačnu šeficu smatra najblžom.

Iako je, dakle, tehnologija stigla daleko, ograničenja postoje, posebice kada je riječ o kompleksnim zadacima koji još uvijek zahtijevaju određeni ljudski ‘je ne sais quoi’, odnosno šire znanje, iskustvo i intuitiju, kakve je teško kvantificirati. Umjetna inteligencija u ovom je slučaju mogla analizirati golemu količinu podataka nemjerljivo brže od čovjeka, ali rezultat, najvažniji element, upitne je kvalitete i možda se pokaže netočnim u usporedbi s uvriježenim razmišljanjem ljudi. Za pretpostaviti je da ovakav odnos snaga neće trajati vječno i da će tehnologija sve bolje obavljati čak i vrlo kompleksne poslove. U tom trenutku velik dio današnjih radnih mjesta postat će upitan, možda i cjelokupni koncept ekonomije temeljen na radu. Dotad će učinak tehnologije biti nešto manje kontroverzan i nalikovati više početku teksta. Noviteti zasad rade osjetno više koristi nego štete jer su najviše ograničeni na obavljanje ionako dosadnih i nepoželjnih iterativnih zadataka, koji uzimaju vrijeme važnijim i korisnijim zadacima.