A Harvard Business School friss kutatása szerint a gépi tanulási algoritmus a befektetési alapok kereskedési döntéseinek mintegy 71 százalékát képes volt előre jelezni. A Bloomberg beszámolója szerint a modellt 1990 és 2023 közötti, gördülő ötéves időszakokon tanították be, többek között az alap méretét, a befektetői tőkebeáramlásokat, a részvények jellemzőit és a szélesebb gazdasági környezetet is belekalkulálva. A rendszer ezek után a portfólióátalakítások közel háromnegyedét képes volt előrejelezni.

A maradék 29 százalékhoz olyan ügyletek tartoznak, amelyek nem rutinszerű, a mintákon kívül eső döntések voltak. Ezek reménykeltők lehetnek a bróker szakma számára, ugyanis az olyan ügyletek, amelyeket a gép nem tud előre jelezni, jobban teljesítenek, magasabb hozamot hoznak, az esetükben pedig szükséges az emberi kreativitás.

Az adatalapon kevésbé kiszámítható, szakértői leleményességet igénylő ügyletekhez tehát a jövőben is szükség lehet brókerekre, mindez pedig azt jelenti, hogy nem tűnnek el, csak – ahogy a harvardi tanulmány társszerzője, Lauren Cohen fogalmaz – „újraárazódik, mennyit ér a kiszámítható és a kiszámíthatatlan tevékenységük”