Welche wettbewerbsfähigen Vorteile sind im KI-Zeitalter noch verteidigbar?

Originaltitel: Wie man über eine unordentliche Zukunft nachdenkt
Originalautor: Systematischer Long Short
Übersetzung: Peggy, BlockBeats

Hinweis des Herausgebers: Während KI beginnt, Code zu schreiben, Code zu optimieren und sogar allmählich den Softwareproduktionsprozess zu übernehmen, steht eine tiefere strukturelle Veränderung bevor: Arbeitsteilung, Unternehmensorganisation und sogar Wissensbarrieren könnten neu definiert werden.

Der Autor dieses Artikels war einmal Teil eines fast 20-köpfigen Teams in einem Hedgefonds, entschied sich jedoch, während seiner Karriere für das Unternehmertum zu gehen. Seiner Ansicht nach ist das eigentliche Signal nicht die Marktsentiment, sondern der Sprung in der technischen Fähigkeit. Wenn Modelle konsequent nutzbaren Code generieren können und über die Fähigkeit zur rekursiven Verbesserung verfügen, hat sich die Logik der Softwareentwicklung und der Wissensproduktion bereits zu ändern begonnen.

Der Artikel analysiert aus der Perspektive der quantitativen Finanzen mehrere Arten von kurzfristigen "Gräben", die im KI-Zeitalter möglicherweise noch existieren, einschließlich proprietärer Daten, regulatorischer Reibung, behördlicher Genehmigung und Verzögerungen in der physischen Welt. Er bringt auch ein zentrales Urteil vor: In einer hochunsicheren Ära ist es wichtiger, Richtungen zu identifizieren und zu handeln, bevor das Zeitfenster schließt, als die Zukunft genau vorherzusagen.

Unten steht der Originalartikel:

Wenn Modelle anfangen, Code zu schreiben, wird der Wandel unumkehrbar

Das erste Mal, als ich merkte, dass die Branche an einem Wendepunkt war, war in meinem vorherigen Job. Es fühlte sich an, als würde die Hintergrundmusik langsamer werden, während alle um mich herum weiterhin so taten, als würde sich nichts ändern.

Zu dieser Zeit leitete ich ein Team von fast 20 Personen in einem Hedgefonds und machte das, was ich seit vielen Jahren tat. Von außen betrachtet war dies fast ein stetig ansteigender Karriereweg. Wenn ich dort geblieben wäre, hätte ich wahrscheinlich noch größeren Erfolg erzielt. Doch letztendlich entschied ich mich, diese Position zu verlassen, von der viele Menschen träumten, und ein neues Unternehmen von Grund auf mit einem Team von nur wenigen Personen zu gründen. Diese Entscheidung war damals fast unverständlich und wurde sogar als eine Form von "Karriereselbstmord" angesehen.

Aber in den letzten Monaten gab es massive Entlassungen, freiwillige Unternehmertum nach dem Verlassen von Jobs und immer mehr Menschen, die tagsüber arbeiten und nachts still an Projekten programmieren. All dies hat die Entscheidung, die damals "verrückt" schien, weniger weit hergeholt erscheinen lassen.

In dieser Zeit haben mich viele Menschen gefragt: Wohin wird das alles letztendlich führen? Dieser Artikel ist die Antwort, die ich derzeit geben kann.

Ehrlich gesagt bin ich mir nicht sicher, wie bedeutend die Veränderung letztendlich sein wird. Aber eines hat mir die quantitative Finanzwirtschaft beigebracht: Auf dem richtigen Weg zu sein, ist oft ausreichend.

Was mich wirklich erkennen ließ, dass die Veränderung unumkehrbar war, war das ChatGPT o1 Modell.

Davor habe ich immer auf diese Systeme als "LLMs" und nicht als "AIs" verwiesen. Ich dachte nicht, dass sie wirklich irgendeine Art von intelligenzähnlicher Fähigkeit hatten. Aber als o1 auftauchte, änderte sich etwas: Diese Modelle konnten zum ersten Mal stabil Code durch strukturierte Eingaben generieren.

Der Code war immer noch unvollkommen und konnte unter Halluzinationen oder Missverständnissen leiden. Aber der Schlüssel war dieser: Es konnte jetzt nützlichen Code schreiben.

Mein Urteil war einfach. Sobald KI in der Lage war, verwendbaren Code zu generieren, würde sie ihre Logik rekursiv verbessern und die Softwareentwicklung mit einer Geschwindigkeit vorantreiben, die wir uns kaum vorstellen können.

Jedes Mal, wenn ich diesen Punkt anspreche, argumentiert jemand immer: "Dieser Code hat immer noch Fehler und erfüllt bei weitem nicht die Produktionsstandards." Aber das übersieht eine Tatsache: Auch von Menschen geschriebener Code hat Fehler. Wir brauchen keine KI, um perfekten Code zu schreiben, um selbst mit dem Programmieren aufzuhören.

Der eigentliche Wendepunkt ist, wenn die Fehlerquote von KI-generiertem Code niedriger ist als die von Menschen und dabei viel schneller. In diesem Moment wird der Akt des Programmierens vollständig an Maschinen ausgelagert.

Nachdem ich die Fähigkeiten von o1 aus erster Hand erlebt habe, kann ich fast sicher sein: Es wird sehr drastische Veränderungen in der Zukunft geben.

Der Graben, der im KI-Zeitalter weiterhin besteht.

Ursprünglich dachte ich, dass KI die quantitative Finanzbranche allmählich erodieren würde, aber dieser Prozess würde relativ langsam sein. Der Grund ist einfach: Code auf institutioneller Ebene hat fast keine öffentlich verfügbaren Daten für das Training.

Damals stellte ich mir Softwareengineering als eine Pyramide vor: ganz unten war die grundlegende Programmierarbeit; darüber waren Senior Engineers mit Architekturfähigkeiten; weiter oben waren professionelle Entwickler, wie Datenwissenschaftler, quantitative Entwickler und verschiedene Branchenexperten. Theoretisch gilt: Je tiefer die Expertise, desto sicherer der Beruf.

Meine erste Einschätzung war, dass innerhalb von zwei Jahren die grundlegenden Programmierer die ersten sein würden, die eliminiert werden; gefolgt von Senior Engineers; weiter oben, da die Modelle allmählich spezialisiertes Wissen aufnehmen, würden auch höhere Positionen betroffen sein.

Aber bald wurde mir noch etwas klar: Unternehmen mit fortschrittlichen Modellen würden schließlich direkt Branchenexperten einstellen, um spezialisiertes Wissen in die Modelle einzugeben. Mit anderen Worten, spezialisiertes Wissen wäre in der Tat ein kurzfristiger Graben, aber langfristig würde es auch allmählich von den Modellen absorbiert werden.

In meiner damaligen Einschätzung gab es mehrere Arten von Unternehmen, die in den nächsten fünf Jahren wahrscheinlich nicht leicht gestört werden würden.

Kategorie Eins: Proprietäre Daten

Unternehmen mit einer großen Menge an proprietären Daten sind schwerer zu ersetzen.

Zum Beispiel generieren große Multi-Strategie-Hedgefonds (Pod-Shops), wie Institutionen wie Millennium, jeden Tag massive Datenmengen: Analystenforschung, Anlageempfehlungen, Markteinblicke, tatsächliche Handelsergebnisse.

Diese Daten können verwendet werden, um Modelle kontinuierlich zu verfeinern und einen Wettbewerbsvorteil zu schaffen, der schwer extern zu replizieren ist. Solange die Datenquellen eines Unternehmens für das Modell nicht leicht verfügbar sind, behält es immer noch einen gewissen zeitbasierten Graben.

Kategorie Zwei: Regulatorische Reibung

Jede Branche, die eine erhebliche menschliche Genehmigung erfordert, ist nicht leicht zu stören. Zum Beispiel traditionelle Finanzmärkte.

Um in diese Märkte einzutreten, müssen Sie: ein Brokerage-Konto eröffnen, Lizenzen erwerben, grenzüberschreitende rechtliche Dokumente unterzeichnen. Der Handel mit Krypto-Assets ist einfach, aber ein ausländisches Unternehmen, das in China mit Eisenerz handeln möchte, hat es alles andere als einfach.

Solange eine Branche weiterhin menschliche Unterschriften für Genehmigungen benötigt, wird ihr Entwicklungstempo durch Genehmigungsprozesse eingeschränkt.

Kategorie Drei: Behörde als Dienstleistung

Es ist jetzt keine Herausforderung mehr, KI eine rechtliche Stellungnahme verfassen zu lassen. Aber die Realität ist, dass die Menschen immer noch bereit sind, Zehntausende von Dollar zu zahlen, damit ein Anwalt rechtliche Beratung bietet. Der Grund ist einfach: Die Meinungen der KI fehlen derzeit die Autorität.

Die gleiche Logik gilt für Audits von Smart Contracts. Technisch gesehen kann KI bereits das Niveau der besten Prüfer erreichen oder sogar übertreffen. Aber der Markt zieht es immer noch vor, den "Stempel" einer bekannten Prüfgesellschaft zu kaufen.

Denn was die Kunden tatsächlich kaufen, ist nicht die Meinung selbst, sondern die Autorität hinter der Meinung.

Kategorie Vier: Physische Welt

Der Fortschritt der Hardware ist viel langsamer als der der Software, und Hardwareprobleme sind auch schwieriger zu beheben.

Daher ist es unwahrscheinlich, dass Branchen, die direkt mit der physischen Welt interagieren, kurzfristig schnell durch KI gestört werden. Sobald die Hardwarefähigkeiten jedoch aufholen, wird dieselbe Logik weiterhin gelten: Zuerst werden niedrigere Positionen verschwinden, gefolgt von höheren Positionen.

Diese Gräben existieren. Es muss jedoch anerkannt werden, dass sie den Wandel nur verzögern, anstatt ihn zu stoppen.

Handeln Sie basierend auf Signalen, nicht auf der Suche nach Gewissheit.

Wenn die Zukunft sehr unsicher ist und das Tempo des Wandels schnell ist, machen die Menschen oft zwei Fehler.

Der erste besteht darin, auf Gewissheit zu warten, bevor man handelt. Der zweite besteht einfach darin, historische Analogien anzuwenden, wie zum Beispiel: "Das ist wie die Dotcom-Blase."

Beide Ansätze können zu Urteilsfehlern führen.

In Situationen mit unvollständigen Informationen ist ein vernünftigerer Ansatz, von den Grundprinzipien aus zu argumentieren.

Sie müssen nicht jedes Detail der Zukunft kennen. Sie müssen nur grob die Richtung einschätzen, asymmetrische Wetten gestalten, was bedeutet, dass, wenn Sie falsch urteilen, der Verlust überschaubar ist; wenn Sie richtig urteilen, der Gewinn enorm ist.

In einer unsicheren Zukunft ist Asymmetrie alles.

Eine praktische Denkweise besteht darin, sich zuerst zu fragen: "Was sind die Voraussetzungen für ein bestimmtes Ergebnis?" und dann zu fragen, ob diese Voraussetzungen bereits erfüllt sind?

Rückblickend war dieser Wendepunkt der KI nicht schwer vorherzusehen. Denn die entscheidenden Eingaben existierten bereits: Code, der sich selbst schreiben kann, Modelle, die sich rekursiv verbessern können, institutionelles Wissen, das gekauft statt gepflegt werden kann.

Solange Sie diese Signale sorgfältig beobachten, können Sie die zukünftige Richtung grob einschätzen.

Sie können sogar weiterhin extrapolieren.

Wir haben möglicherweise die folgenden Szenarien noch nicht wirklich gesehen: KI, die sich selbst trainieren kann, KI, die sich selbst replizieren kann, KI, die vollständig autonom arbeitet.

Wenn eine KI ihre eigenen Fähigkeiten durch eine Reihe von Aktionen um 0,1 % verbessern kann, mag das unbedeutend erscheinen. Aber solange diese Zahl nicht 0 ist, wird sie weiterhin verstärken. Dies ist ein typisches Power-Law-Effekt.

In den Finanzmärkten, sobald ein Signal offensichtlich wird, ist der Handel oft bereits überfüllt.

Bei Investitionen tauscht man Unsicherheit gegen Glauben in der frühen Phase. In Karriere und Unternehmertum ist es grundsätzlich dasselbe.

Die eigentliche Frage ist also nicht, was in der Zukunft passieren wird, sondern vielmehr, was weiß ich bereits? In welche Richtung deuten diese Informationen? Was ist der Kostenunterschied zwischen jetzt handeln und warten?

Es gibt auch eine häufig übersehene Tatsache, dass Handlung selbst Informationen schafft.

Handlungen geschehen nicht im Vakuum. Wenn du in der Welt handelst, gibt die Welt Feedback. Dieses Feedback bringt neue Informationen. Informationen treiben die Iteration voran. Iteration führt zu besseren Handlungen. Dies ist der grundlegende Mechanismus des Fortschritts.

Still zu bleiben in Unsicherheit ist eine Form des langsamen Verfalls. Handeln hingegen bedeutet Erkundung.

Wenn ich nur weiterhin die Dividenden des bestehenden Systems genießen möchte, kann ich vielleicht noch ein paar Jahre durchhalten. Aber ich wollte schon immer etwas wirklich Eigenes tun, und ich habe das Gefühl, dass dieses Fenster schnell schließt.

Natürlich werden die größten Hedgefonds der Welt weiterhin gut abschneiden, da sie über proprietäre Daten verfügen, die schwer zu replizieren sind. Die traditionellen Finanzmärkte sind auch weiterhin durch Vorschriften und manuelle Prozesse eingeschränkt.

Aber ich glaube, dass diese Institutionen letztendlich KI nutzen werden, um die Mehrheit ihrer Mitarbeiter, einschließlich Portfoliomanager, zu ersetzen.

Es wird nicht über Nacht geschehen, aber es wird früher oder später geschehen.

Meine Einschätzung zu diesem Zeitpunkt war, dass ich ungefähr ein 4–5 Jahre Fenster hatte. Sobald die grundlegenden KI-Unternehmen genügend Branchentalente absorbiert haben, wird es für neue Startups schwierig sein, in diesen Bereich einzutreten. In einigen Märkten, wie dem US-Aktienmarkt, ist dieser Trend bereits sehr offensichtlich. Das Niveau der Effizienz in ein paar Jahren wird fast unvorstellbar sein.

Bald wird es in dieser Welt keinen Platz mehr für einen "zweiten Platz" geben. Ich könnte weiterhin für erstklassige Institutionen arbeiten, aber ich würde lieber in einem Bereich tätig werden, in dem ich noch einen Vorteil habe.

Also habe ich gekündigt und mich voll und ganz dem Unternehmertum gewidmet. Später wurde dieses Unternehmen OpenForage.

Jetzt wird das Fenster schnell enger. Das Tempo des Wandels ist nicht mehr allmählich. Was früher Monate dauerte, dauert jetzt nur noch Wochen.

Ich glaube nicht, dass Arbeitsplätze in den nächsten Jahren vollständig verschwinden werden. Menschen brauchen immer noch Menschen. Wir sind soziale Wesen, und derzeit vertrauen Menschen KI immer noch nicht. Die Autoritätsvalidierung muss immer noch von Menschen kommen.

In den kommenden Jahren könnten wir sogar KI-CEOs sehen, aber es wird wahrscheinlich immer noch einen menschlichen CEO erfordern, um KI-Entscheidungen zu genehmigen. Diese "menschliche Validierung" wird sich durch die Organisationsstruktur ziehen. Menschliche Manager werden eine Gruppe von KI-Agenten überwachen.

Die Logik der Einstellung wird sich jedoch ändern. Wenn der CEO es einfacher findet, KI zu befehlen als Ihnen, dann werden Sie wahrscheinlich nicht eingestellt, und grundlegende Programmierjobs werden zunehmend schwer zu finden sein.

Wenn Sie sich unersetzlich machen wollen, müssen Sie zwei Dinge erreichen. Zuerst müssen Sie die KI zeitlich überdauern. Zum Beispiel langfristige strategische Planung, komplexe Entscheidungsfindung, Management mehrjähriger Zyklen. Zweitens müssen Sie die KI in einem systemischen Umfang übertreffen. Der Kontext der KI ist noch begrenzt; sie kennen viele Fakten, haben aber Schwierigkeiten, die Ripple-Effekte komplexer Systeme zu verstehen.

Wenn Sie langfristig denken, Informationen schnell aufnehmen, strategische Entscheidungen treffen und effektiv zusammenarbeiten können, dann werden Sie in absehbarer Zukunft noch einen Job haben.

Der Wendepunkt ist tatsächlich sichtbar, bevor er eintritt. Die meisten Menschen schauen jedoch entweder nicht hin, sehen, handeln aber nicht oder reagieren nur, wenn die Signale ohrenbetäubend werden. Bis dahin sind die Chancen oft bereits vom Markt eingepreist.

Ignorieren Sie nicht den sich verändernden Boden, verweilen Sie nicht in einer Position, die an Vorteil verliert, während Sie sich selbst sagen, dass Sie auf einen besseren Zeitpunkt zum Handeln warten sollen. Die echte Gelegenheit gibt selten Vorankündigungen. Bis jeder sich dessen bewusst ist, ist das Fenster oft bereits geschlossen.

Ich habe das Signal gesehen, ich habe die Wette platziert. Jetzt lebe ich mit dem Ergebnis dieser Wette – zum Besseren oder zum Schlechteren.

[Originalartikel-Link]