స్టాక్ మార్కెట్ ట్రేడింగ్లో ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ (AI) మోడల్స్ ఊహించిన స్థాయిలో పనితీరు కనబరచడం లేదని కొత్త పరిశోధనలు చెబుతున్నాయి. హ్యూమన్ ఎఫిషియన్సీని అందుకోవడంలో ఇవి విఫలమవుతుండటంతో, ఫైనాన్షియల్ సంస్థల ఆటోమేషన్ వ్యూహాలపై సందేహాలు మొదలయ్యాయి.
మార్కెట్లలో బయ్యర్స్, సెల్లర్స్ కలిసి సరైన ధరను నిర్ణయించుకునే 'డబుల్ ఆక్షన్' పద్ధతిలో మనుషులు చూపే చురుకుదనాన్ని, పెద్ద పెద్ద AI మోడల్స్ అందుకోలేకపోతున్నాయని తాజా పరిశోధనలో తేలింది. మనుషులు వేగంగా ధరను నిర్ణయిస్తే, ఈ LLM (Large Language Models)లు మాత్రం లాభాల కోసం చిన్న చిన్న మార్పులకే పరిమితమై ట్రేడింగ్ వాల్యూమ్స్ పడిపోయేలా చేస్తున్నాయి.
చిన్న AIలే మేలు!
పెద్ద AI మోడల్స్ కంటే చిన్న మోడల్స్ చాలా సమర్థవంతంగా పనిచేస్తున్నాయని నిపుణులు గుర్తించారు. అంటే, ఫైనాన్షియల్ సంస్థలు ఎంత ఎక్కువ ఖర్చు చేసి భారీ AI టెక్నాలజీని కొనుగోలు చేసినా, అది బెటర్ మార్కెట్ పెర్ఫార్మెన్స్కు గ్యారెంటీ ఇవ్వడం లేదని అర్థమవుతోంది.
ఖర్చు ఎక్కువ.. లాభం తక్కువ!
McKinsey 2026 నివేదిక ప్రకారం, కేవలం 37% కంపెనీలు మాత్రమే AI ద్వారా తమ ఎర్నింగ్స్ (EBIT) పెంచుకోగలుగుతున్నాయి. మిగిలిన కంపెనీలు టెక్నాలజీపై భారీగా ఖర్చు చేస్తున్నా, ఆ స్థాయి రిటర్న్స్ అందుకోలేకపోతున్నాయి. ఇలాంటి అస్థిరమైన AI నిర్ణయాల వల్ల మార్కెట్ అస్థిరతకు దారితీసే అవకాశం ఉంది.
రెగ్యులేటర్ల నిఘా
ఈ 'బ్లాక్ బాక్స్' నిర్ణయాల వల్ల మార్కెట్ కరెక్షన్ ప్రమాదాలు ఉన్నాయని Bank of England హెచ్చరించింది. భారత్లో కూడా NSE, BSE అప్రమత్తమయ్యాయి. ముఖ్యంగా NSE తన టెక్నాలజీ మౌలిక సదుపాయాల కోసం ₹1,315 కోట్ల భారీ వ్యయాన్ని వెచ్చించింది. ఇన్వెస్టర్లు కేవలం కంపెనీలు టెక్నాలజీకి ఎంత ఖర్చు చేస్తున్నాయి అని చూడకుండా, ఆ సంస్థలు రిస్క్ మేనేజ్మెంట్ను ఎలా చేస్తున్నాయనేది గమనించడం చాలా ముఖ్యం.