Hedge fund -jättiläinen Citadelin perustaja Ken Griffin näytti tällä viikolla, miten nopeasti tekoälyä kohtaan voi vaihtaa mieltä. Stanfordin Leadership Forumissa hän kertoi menneensä eräänä perjantaina kotiin aika masentuneena nähtyään, mitä agenttinen tekoäly tekee Citadelin omille analyytikoille.
“Nämä eivät ole keskitason valkokaulustöitä. Nämä ovat poikkeuksellisen korkean osaamisen työpaikkoja, joita agenttinen tekoäly nyt automatisoi.”
Davos-skeptikosta puolessa vuodessa
Vielä tammikuussa Davosin talousfoorumissa Griffin kuvasi suuren osan tekoälyhuumasta hypeksi. Lokakuussa 2025 hän totesi, ettei generatiivinen tekoäly ole pystynyt tuottamaan hedge fund -toimialalle ylituottoa eli alfaa, vaikka se nopeuttaakin rutiineja.
Citadelin sisällä tilanne kuitenkin muuttui talven aikana. Yhtiö otti joulukuussa käyttöön oman tekoälyavustimen, joka käsittelee viranomaisraportit, yhtiöiden tulostiedotteet ja tutkimusaineistot salkunhoitajien pohjaksi. Lopulliset sijoituspäätökset tekee yhä ihminen, mutta tausta-analyysin kuormitus on siirtynyt koneelle.
Griffinin sanavalinta on hedge fund -piireissä harvinainen. Citadel on yksi maailman suurimmista omasta pääomastaan kaupankäyviin keskittyneistä toimijoista, ja sen rahastot ovat tuottaneet poikkeuksellisen vakaita tuottoja yli kahden vuosikymmenen ajan. Kun tämän kaliiberin yhtiön perustaja sanoo julkisesti olevansa masentunut tekoälyn kyvyistä, signaali kantautuu Wall Streetiltä Helsingin Mannerheimintielle saakka.
Mitä korkean osaamisen automaatio käytännössä tarkoittaa
Citadel on perinteisesti palkannut satoja kvanttitutkijoita matematiikan ja fysiikan huippuohjelmista. Heidän työnsä koostuu sijoitusstrategioiden mallintamisesta, markkina-anomalioiden etsimisestä ja riskimallien rakentamisesta. Griffinin mukaan juuri tämä työ, johon ennen kului viikkoja tai kuukausia maisterin tai tohtorin tutkinnon omaavilta tekijöiltä, hoituu nyt tekoälyagenteilta tunneissa tai päivissä.
Kvanttityö jakautuu Citadelin kaltaisessa yhtiössä karkeasti kahteen osaan. Toinen on uusien signaalien etsiminen valtavasta datavirrasta, toinen on niiden testaaminen historiallista hintadataa vastaan. Molemmat ovat luonteeltaan iteratiivisia ja koodipainotteisia, mikä sopii agenttiselle tekoälylle erityisen hyvin. Kun ihmisen rooliksi jää yhä useammin vain lopullisen mallin hyväksyntä, palkkaliuska kapenee samaa tahtia kuin laskenta kiihtyy.
Tekoälytyökalujen tuottavuudessa on Griffinin mukaan tapahtunut harppauksenomainen muutos. Hän ei antanut yleisölle numeroita siitä, kuinka monta paikkaa Citadel itse on tällä perusteella jättänyt täyttämättä, mutta laajemmissa Yhdysvaltain teknologiapalveluiden irtisanomisissa agenttijärjestelmät mainitaan yhä useammin syynä.



