Eine Studie, die von Gertjan Verdickt und Francesco Stradi durchgeführt wurde, hat interessante Einblicke in die Vertrauenswürdigkeit von KI-basierten Analystenprognosen für Investoren geliefert. Die Untersuchung zeigt, dass Investoren zwar ihre Renditeerwartungen auf Grundlage von Vorhersagen ändern, aber weniger geneigt sind, dies zu tun, wenn die Vorhersagen von einer KI unterstützt werden. Dieses reduzierte Vertrauen resultiert aus einer geringeren wahrgenommenen Glaubwürdigkeit von KI-generierten Prognosen.
Die Studie umfasst vier experimentelle Szenarien mit 3.600 Teilnehmern aus den USA. Dabei wurde untersucht, wie sehr Investoren verschiedenen Prognosen vertrauten: einem komplett menschlich erstellten Bericht von Goldman Sachs, einem rein KI-basierten Modell sowie einer kombinierten Version, bei der menschliche Analysten KI-Modelle nutzten. Interessanterweise waren Berichte, die mit Hilfe von KI erstellt wurden oder allein von KI stammen, weniger einflussreich als menschliche Prognosen.
Es gab jedoch bemerkenswerte Nuancen: Frauen, Demokraten und Investoren mit höherer KI-Kompetenz zeigten eine größere Bereitschaft, ihre Erwartungen auf Grundlage der KI-Prognosen zu aktualisieren. Frauen tendierten dazu, ihre Renditeerwartungen positiver zu korrigieren, insbesondere wenn ihre ursprünglichen Vorstellungen weit von den KI-Ergebnissen abwichen. Ebenso zeigten sich Demokraten offener für KI-generierte Vorhersagen, besonders bei größeren Abweichungen zu ihren eigenen Einschätzungen. Investoren mit höherer KI-Kompetenz nahmen die Kombination aus menschlicher und maschineller Analyse stärker in ihre Überlegungen auf.
Es ist auch bemerkenswert, dass die Komplexität des verwendeten KI-Modells das Vertrauen der Investoren beeinflusste. Einfachere Modelle wie die gewöhnliche Kleinste-Quadrate-Regression waren überzeugender als fortgeschrittene Techniken wie Deep Learning oder der beste lineare unverzerrte Schätzer.
Die Studie legt nahe, dass Unternehmen, die KI in ihre Verkaufsanalysen einbeziehen, dies nicht übermäßig betonen sollten. Ein subtiler Ansatz mit weniger auffälligen Modellbezeichnungen könnte das Vertrauen der Investoren eher gewinnen.