Setelah membangun dan mengawasi sistem investasi kuantitatif dan berbasis teknologi, kami telah melihat bagaimana keunggulan analitis terkikis seiring dengan berkembangnya alat. Sumber pembeda berikutnya bukan terletak pada pemrosesan yang lebih cepat, namun pada kemampuan untuk menghasilkan informasi tingkat pertama dan melakukan penilaian dalam kondisi ketidakpastian.
Dalam manajemen investasi, sebagian besar dari apa yang secara tradisional kita sebut sebagai “keunggulan” analitis berada dalam pekerjaan kognitif tingkat lanjut: mengatur dan menganalisis informasi, mengenali pola-pola di seluruh struktur berdimensi tinggi dan bergerak secara dinamis, memverifikasi konsistensi logis, dan menghasilkan ide-ide dari pengetahuan dan pengalaman yang ada. Kemampuan ini telah lama mendukung penelitian kuantitatif, konstruksi portofolio, dan perdagangan. Wilayah-wilayah tersebut juga merupakan wilayah di mana AI mengalami kemajuan paling pesat.
Untuk memahami di mana keunggulan jangka panjang dapat bertahan, ada baiknya kita membedakan antara informasi yang dapat diproses dalam skala besar dan wawasan yang harus diperoleh melalui penilaian manusia.
Dari Pemrosesan Informasi hingga Asal Informasi
Sistem AI memproses informasi tingkat kedua dan ketiga, data yang telah dihasilkan dan disusun. Mereka unggul dalam mendeteksi pola, memverifikasi logika, dan menskalakan tugas analitis di seluruh kumpulan data yang luas.
Sebaliknya, informasi tingkat pertama sering kali berasal dari observasi langsung, kesadaran kontekstual, interaksi berbasis kepercayaan, dan penilaian dalam ketidakpastian. Dalam praktik investasi, hal ini mungkin berasal dari percakapan dengan tim manajemen, perhatian terhadap detail operasional, atau mengenali perubahan sebelum perubahan tersebut muncul dalam data yang dilaporkan.
Kecuali diperoleh melalui cara yang ilegal atau tidak etis, informasi tingkat pertama dapat digunakan dalam pengambilan keputusan investasi. Pasar swasta kaya akan informasi tersebut, dan sering kali hanya diamati oleh sejumlah kecil peserta. Sebaliknya, pasar publik menyediakan akses instan terhadap informasi yang disebarluaskan dengan cepat dan misinformasi, yang sebagian besar diperkuat melalui media sosial.
Ketika alat analisis menjadi lebih terstandarisasi, keunggulan beralih ke perusahaan yang dapat menghasilkan wawasan orisinal dan menafsirkan ambiguitas sebelum hal tersebut tercermin di pasar.
Perbedaan ini dapat dipahami lebih jauh melalui kerangka kemampuan kognitif dan non-kognitif yang lebih luas.
Memetakan Kemampuan Kognitif dan Non Kognitif
Kemampuan kognitif menggambarkan bagaimana manusia mengumpulkan, memproses, dan menafsirkan informasi seperti perhatian, ingatan, pengenalan pola, penalaran logis, dan analisis kuantitatif.
Kemampuan non-kognitif mencakup ciri-ciri seperti motivasi, ketekunan, komunikasi, penilaian etis, dan kapasitas untuk bertindak dalam ketidakpastian.
Kerangka kerja di bawah ini mengkategorikan kemampuan-kemampuan ini dalam dua dimensi: kognitif versus non-kognitif, dan dasar versus lanjutan.
Kemampuan kognitif dasar (QIII: kuadran ketiga), seperti menghafal, pencatatan terstruktur, dan perhitungan rutin, telah lama diotomatisasi. Otomatisasi mereka menandai gelombang pertama kompresi teknologi.
Kemampuan kognitif tingkat lanjut (QII), termasuk pemodelan dimensi tinggi, inferensi statistik, dan verifikasi analitis yang kompleks, semakin mudah dijangkau oleh sistem AI. Ketika alat-alat ini diperluas ke seluruh perusahaan, diferensiasi analitis menyempit.
Sebaliknya, kemampuan non-kognitif (QI) tingkat lanjut, seperti menetapkan tujuan dalam kondisi ketidakpastian, melakukan penilaian etis, dan menciptakan atau memperoleh informasi tingkat pertama, masih kurang dapat menerima standardisasi. Kemampuan ini memengaruhi cara organisasi menafsirkan sinyal ambigu, mengoordinasikan keputusan, dan mengalokasikan modal ketika data tidak lengkap.
Implikasinya lebih bersifat organisasional dan bukan semata-mata teknis. Ketika alat analisis dapat diakses secara luas, keunggulan berkelanjutan tidak terlalu bergantung pada kecanggihan komputasi dan lebih bergantung pada bagaimana perusahaan menyusun tim, mengembangkan penilaian, dan merancang proses pengambilan keputusan yang mengintegrasikan teknologi dengan wawasan manusia.
Pengorganisasian untuk Diferensiasi
AI tidak menghilangkan keunggulan manusia; itu mendistribusikannya kembali. Ketika alat analisis menjadi lebih kuat dan dapat diakses secara luas, kecepatan pemrosesan dan kecanggihan model tidak lagi menjadi sumber diferensiasi yang dapat diandalkan.
Bagi para pemimpin investasi, pertanyaan strategisnya adalah bagaimana mengatur kemampuan yang masih sulit untuk ditiru. Perusahaan harus dengan sengaja memupuk kemampuan untuk memperoleh wawasan, menafsirkan ambiguitas, dan menerapkan penilaian yang disiplin ketika data tidak lengkap atau bertentangan. Hal ini memerlukan keputusan yang bijaksana mengenai perekrutan, pelatihan, insentif, dan tata kelola.
Dalam industri yang dibentuk oleh alat-alat yang semakin canggih, keuntungan tidak akan menjadi milik perusahaan dengan mesin pemrosesan tercepat, namun milik perusahaan yang menggabungkan infrastruktur teknologi dengan jaringan tepercaya, pemahaman kontekstual, dan disiplin organisasi.