ה-AI כבר סוחר לבד - תשואה עודפת עקבית עדיין אין

השלב הבא במהפכת ה-AI כבר הגיע לחשבון ההשקעות. במקום לבקש מ-ChatGPT או מקלוד להסביר מה קורה באנבידיה, אפשר לתת לסוכן הרשאה לקרוא את החשבון, לחפש הזדמנויות ולשלוח בעצמו הוראות קנייה ומכירה. רובינהוד כבר פתחה את האפשרות הזאת, יותר מ-150 אלף חשבונות מהסוג הזה נפתחו, וגם ברוקרים אחרים מתחילים להכניס סוכנים למסחר.

אבל מכאן ועד למסקנה שמנהל ההשקעות האנושי עומד להיעלם יש פער גדול. מבחן ההשקעות האמיתי מורכב הרבה פחות מהדגמות מרשימות של AI: כמה כסף נוצר לאורך שנים, מול איזה מדד, באיזו תנודתיות, כמה עמלה ומס נשחקו בדרך וכמה הפסיד התיק בתקופה הרעה ביותר.

בארונ'ס הביא לאחרונה את אחד הניסויים המעניינים בתחום. Condor Capital Wealth Management פתחה חשבונות אמיתיים עם כסף אמיתי ונתנה לקלוד של אנתרופיק, ChatGPT של OpenAI וג'מיני של גוגל הוראה פשוטה: לנסות להרוויח כמה שיותר במהלך יום המסחר ולחזור למזומן בסיום. כל סוכן התחיל עם 500 דולר.

אחרי שלושה ימים קלוד הגיע ל-514.34 דולר, תשואה של 2.9%. ג'מיני סיים עם 504.42 דולר, כ-0.9%. ChatGPT ירד ל-496.69 דולר, הפסד של כ-0.7%. לכאורה קלוד ניצח. בפועל, שלושה ימי מסחר כמעט חסרי משמעות מבחינת יכולת לחזות ביצועים עתידיים. אפילו Condor עצמה ציינה שהשוק באותם ימים השפיע על התוצאה יותר מהבדלים עמוקים בין המודלים.

מה שמעניין יותר הוא ההתנהגות. ChatGPT ביצע 28 סבבי מסחר בשלושה ימים. ג'מיני ביצע שלושה בלבד, ובכל פעם התמקד באותה מניה. קלוד נמצא באמצע. כלומר, אותה הוראה יצרה שלושה "מנהלי השקעות" שונים לגמרי. אחד פירש את המשימה כצורך לפעול הרבה, אחר כמעט נשאר עם אסטרטגיה של מניה אחת, והשלישי שילב מומנטום עם כללי יציאה.

קלוד גם תיעד טעות שעשה ביום אחד והשתמש בה למחרת כדי לשנות התנהגות. זה כבר קרוב יותר למה שמעניין בעולם הסוכנים: מערכת שזוכרת, מנתחת פעולה קודמת ומשנה את התהליך שלה.

ועדיין, יכולת ללמוד מטעות ותשואה עודפת הן שני דברים שונים.

להרחבה: ה-AI משנה את ההשקעות: כל אחד יכול לבנות לעצמו מנהל השקעות אוטומטי

כשהניסוי מתארך, התוצאות מתחילות להתהפך

כדי לקבל מדגם מעט רציני יותר צריך להתרחק משלושה ימים.

בית הספר למנהל עסקים של אוניברסיטת הונג קונג הפעיל עשרה מודלי AI כסוכני מסחר אוטונומיים במשך שישה שבועות. כל אחד התחיל עם 100 אלף דולר, קיבל את אותם נתוני שוק בזמן אמת, אותם כלים ואותה מסגרת מינוף. האסטרטגיה עצמה נשארה בידי המודל.

• סרבראס קפצה 9% אחרי שאלטמן הרגיע: מי היא המתחרה הקטנה של אנבידיה, ולמה היא שווה חצי מיום ההנפקה
• שופיפיי מזנקת 6% אחרי שדרוג: סוכני ה-AI כבר קונים בחנויות שלה

Qwen של עליבאבא סיים עם תשואה של כ-9.9%. Kimi ו-Seed הציגו גם הם תוצאות חיוביות. GPT סיים בערך סביב נקודת הפתיחה. קלוד ו-MiniMax הפסידו, ו-DeepSeek הגיע להפסד של 15.1%.

הפער הזה חשוב. אם AI היה כבר מנהל השקעות בעל יתרון ברור, אפשר היה לצפות שלרוב המודלים המתקדמים תהיה לפחות נטייה לתוצאה חיובית. במקום זאת מתקבלת התפלגות שמזכירה קבוצת סוחרים אנושיים: כמה מצליחים, כמה מדשדשים וכמה מפסידים הרבה.

גם כאן כמות הפעולות סיפקה שיעור מעניין. DeepSeek, קלוד וג'מיני ביצעו יותר מאלף עסקאות כל אחד. Grok ביצע בערך 200. Qwen, Kimi ו-Seed היו באזור 500-800. הפעילות הגבוהה ביותר הופיעה דווקא אצל חלק מהמודלים החלשים יותר. יותר מסחר יצר יותר הזדמנויות, אבל גם יותר טעויות, עלויות וסיכון.

ניסוי אחר, AI Trading Benchmark, הפעיל את GPT-5.4 ואת קלוד Opus 4.6 על חשבונות דמו של 50 אלף דולר, עם נתוני שוק חיים, הגבלת סיכון של 2% לעסקה וביצוע אוטומטי דרך ברוקר. אחרי 28 ימי מסחר GPT סיים עם 55,400 דולר, תשואה של 10.8%, וקלוד עם 52,267 דולר, תשואה של 4.53%.

זה כבר נשמע חזק יותר, אבל יש פרט שממחיש את הבעיה. אחרי שלושה שבועות קלוד דווקא הוביל עם כמעט 6%, בזמן ש-GPT היה סביב 1.9%. שבוע רביעי חזק במיוחד הפך את התוצאה לחלוטין. ארבעה שבועות אחרים, עם סביבת שוק שונה, היו יכולים לייצר מנצח אחר.

• אקרשטיין נפטרת מאקרסטון: מדיבורים על אולימפיאדת 2028 למכירת חיסול
• אלביט מגיעה למרוקו: תציג את הרמס 900, PULS ומערכות לחימה מתקדמות

לכן גם תשואה של 10.8% בחודש עדיין אינה הוכחה ליתרון. היא כן מוכיחה משהו אחר: מודל שפה יכול כיום לקבל עשרות אלפי נקודות מידע, לבנות עסקה, לבחור כניסה, סטופ ויעדי רווח ולהעביר פקודה בלי יד אנושית באמצע.

זו התקדמות עצומה ביכולת התפעולית. יתרון השקעות קבוע הוא רף אחר לגמרי.

סוכן AI על מסכי מניות (גרוק, בעזרת AI)

ומה קורה כשנותנים ל-AI שמונה שנים במקום שמונה שבועות?

כאן מגיע המבחן המעניין יותר.

AIEQ, קרן סל שמשתמשת במערכת AI של EquBot לבחירת מניות, קיימת מאז 2017. היא קוראת מידע פיננסי, חדשות, דוחות ונתונים ומנהלת תיק מניות בעזרת מודלים. כלומר, זו כבר היסטוריה אמיתית של כסף אמיתי, עמלות אמיתיות ושווקים טובים ורעים.

עד סוף ספטמבר 2025 הקרן הניבה מאז הקמתה כ-9.6% לשנה, לעומת כ-14.7% בשנה ב-S&P 500. בחמש השנים שקדמו לכך הפער היה אפילו רחב יותר: כ-8.7% לשנה מול כ-16.5% במדד. נכון לסוף אוגוסט 2026, התשואה השנתית הממוצעת של AIEQ מאז ההקמה עומדת סביב 10%.

זה כבר מדגם שקשה להתעלם ממנו. מערכת AI שפועלת כמעט תשע שנים הצליחה לייצר תשואה יפה, אבל משקיע שקנה מדד פשוט קיבל הרבה יותר.

יש גם דוגמה הפוכה. AMOM של QRAFT משתמשת ב-AI לבחירת מניות מומנטום גדולות בארה"ב. בשנה שהסתיימה באביב הקרן הניבה כ-40.4%, מול כ-31.1% ב-S&P 500. מאז הקמתה ב-2019 היא מציגה תשואה שנתית ממוצעת של כ-17.2%, מעט יותר מ-16.1% במדד. אבל בחמש השנים שנבדקו הקרן הניבה כ-10% לשנה מול כ-13.1% במדד. שיעור תחלופת התיק שלה הגיע ל-213%, כלומר היא מחליפה השקעות בקצב גבוה מאוד.

שתי הקרנות יחד מספרות סיפור הרבה יותר שימושי מהכותרת "AI יודע להשקיע". מודל יכול לנצח תקופה מסוימת ולהפסיד באחרת. אסטרטגיה אחת יכולה להצליח במשך שנתיים או שלוש ולהישאר מאחור בחמש שנים. גם בתחום הזה, כמו אצל מנהלים אנושיים, עקביות היא המוצר הנדיר באמת.

וכאן מגיעה נקודה חשובה לגבי השיפור במודלים. קלוד, GPT וג'מיני החדשים טובים משמעותית מקודמיהם בשימוש בכלים, קריאת מידע, כתיבת קוד, תכנון משימות וביצוע רצפים של פעולות. אבל היסטוריית התשואות שלהם קצרה מדי כדי לקבוע שהשיפור ביכולות האלה הפך גם לשיפור עקבי בתשואה.

אין כיום סדרה נקייה של עשר שנים שבה GPT-3.5, GPT-4, GPT-5 ומודלים חדשים יותר ניהלו את אותו תיק, עם אותו מידע, אותן עמלות ואותו סיכון. המודלים משתנים, ההנחיות משתנות וגם השוק משתנה. לכן אפשר לומר בביטחון שהסוכנים משתפרים בביצוע משימות. קשה הרבה יותר לומר שהם משתפרים בקצב דומה ביצירת אלפא.

הבוטים היו כאן הרבה לפני ChatGPT

גם עצם הרעיון של מכונה שסוחרת במקום אדם רחוק מחדש.

וול סטריט משתמשת במשך עשרות שנים במסחר אלגוריתמי. קרנות קוואנט בונות מודלים שמזהים מומנטום, פערי תמחור, קשרים סטטיסטיים ותנועות בין נכסים. חברות מסחר בתדירות גבוהה שולחות אלפי פקודות במהירות שאדם אפילו אינו מסוגל לעקוב אחריה. קרנות שיטתיות יכולות להגדיל או להקטין חשיפה בלי שמנהל מחליט על כל עסקה בנפרד.

חלק מהמערכות האלה יצרו לאורך השנים תוצאות יוצאות דופן. אחרות נעלמו. לכן עצם קיומו של בוט שמרוויח כסף אינו הוכחה לכך שה-AI פתר את בעיית ההשקעות.

גם עולם ה-Robo Advisors קיים כבר יותר מעשור. Betterment, Wealthfront, Fidelity Go ואחרים מנהלים תיקי השקעות אוטומטיים, מאזנים אותם מחדש, מטפלים במס ומחלקים את הכסף בין מניות לאג"ח. היקף הנכסים בתעשייה כבר עבר 1.4 טריליון דולר.

בבדיקות של Condor, Fidelity Go הצליח בחמש השנים האחרונות להכות את מדד הייחוס המותאם שלו בכ-0.9% לשנה, לצד ביצועים טובים יחסית ברמת הסיכון. אבל גם כאן, הערך המרכזי מגיע ממשמעת, הקצאת נכסים, איזון מחדש, עלויות ותכנון מס. מדובר פחות במכונה שמנחשת איזו מניה תעלה מחר ויותר במערכת שמבצעת בצורה עקבית תהליך השקעות מסודר.

החידוש הגדול של סוכני AI הוא שהם מוסיפים רובד שהיה חסר לבוטים הישנים: היכולת לקרוא שפה רגילה ומידע שאינו בנוי בטבלאות. סוכן יכול לקרוא הודעה של חברה, דוח רבעוני, תמלול שיחת משקיעים, כתבה, שינוי רגולטורי ומסמך מאקרו, לחבר ביניהם ואז להחליט על פעולה.

זה הופך אותו להרבה יותר דומה לאנליסט או מנהל השקעות אנושי.

וזה גם מכניס בדיוק את החולשות של מודלי השפה לעולם הכסף: מידע מיושן, פרשנות שגויה, ביטחון גבוה בתשובה חלשה והשפעה גדולה מאוד של ניסוח ההוראה הראשונית.

בבדיקה של Condor, למשל, ג'מיני בנה חלק מהאסטרטגיה על הנחה ש-Webull מאפשרת לקנות מניות שלמות בלבד, אף שהברוקר מאפשר גם שברי מניות. במקרה אחר הוא נשען על כלל רגולטורי שכבר השתנה. הסוכן המשיך לפעול כאילו המידע מדויק.

להרחבה: יש לכם חשבון ברובין הוד? מהיום ה-AI יכול לסחור במקומכם

הרף האמיתי של ה-AI הוא בכלל המדד

הדיון על AI מול מנהל אנושי עלול להטעות. גם מנהלי השקעות אנושיים מתקשים מאוד לייצר תשואה עודפת לאורך זמן.

מורנינגסטאר בדקה יותר מ-9,200 קרנות שמנהלות כ-29 טריליון דולר. בעשר השנים שהסתיימו ביוני 2026, כ-25% מהאסטרטגיות האקטיביות שרדו וגם ניצחו את החלופות הפסיביות. במניות אמריקאיות גדולות שיעור ההצלחה הגיע לכ-13% בלבד. במניות צמיחה גדולות הוא היה אפילו נמוך יותר.

גם אצל המנהלים האנושיים רק 27% מהקרנות האקטיביות ניצחו את הפסיביות בשנה האחרונה

לכן המבחן עבור AI אינו אם הוא טוב יותר ממנהל השקעות ממוצע. הרף החשוב יותר הוא קרן מדד זולה.

משקיע יכול לקנות S&P 500 בדמי ניהול זעירים, לבצע מעט פעולות ולהחזיק אותו במשך שנים. מנהל AI צריך להוסיף מספיק תשואה כדי לכסות על עמלות, תחלופת תיק, מסים, מרווחי קנייה ומכירה ושגיאות. אם הוא מייצר 12% בשנה כשהמדד נותן 14%, העובדה שהוא קרא מיליון מסמכים ופעל 24 שעות ביממה אינה משפרת את מצבו של החוסך.

מכאן גם נובעת התובנה לגבי העתיד של מנהל ההשקעות האנושי. המקצוע כנראה יעבור שינוי עמוק הרבה לפני שייעלם. עבודות של איסוף מידע, סינון חברות, בניית מודלים, קריאת דוחות, מעקב אחרי חדשות והכנת רעיונות השקעה יעברו יותר ויותר לסוכנים. מנהל אחד עם כמה סוכנים יכול לבצע חלק מהעבודה שבעבר דרשה צוות אנליסטים.

הערך האנושי יעבור יותר לקביעת מדיניות, בקרה, בחירת רמת הסיכון, הבנת מצב הלקוח, מס, תכנון פיננסי והחלטות בתקופות חריגות. גם האחריות חשובה: כאשר מערכת מחליטה להכניס 30% מהתיק למניה אחת והמהלך נכשל, מישהו עדיין צריך להיות אחראי על המסגרת שאפשרה לה לעשות זאת.

לחוסך הפרטי זה אומר שהשימוש הכי חזק ב-AI כרגע נמצא כנראה דווקא לפני פעולת הקנייה: לסרוק תיק, להשוות דמי ניהול, לבדוק ריכוזיות, למצוא חפיפה בין קרנות, לקרוא דוחות, לזהות שינוי בחוב וברווחיות, לבחון תרחישי סיכון ולוודא שההשקעות עדיין תואמות את היעד.

מי שנותן לסוכן לנהל כסף בפועל צריך לבקש ממנו את אותם נתונים שהיה דורש ממנהל אנושי: תשואה נטו מול מדד מתאים, תקופת בדיקה של כמה שנים, ירידה מקסימלית בתיק, סטיית תקן, מספר עסקאות, תחלופת תיק ועלויות. תשואה של 10% בחודש יכולה להיראות מצוין. עשר שנים של תשואה עודפת נטו, עם סיכון סביר, הן כבר מבחן הרבה יותר קשה - ועד היום ה-AI עדיין נמצא בתחילת הדרך אליו.