Menangkap sesuatu yang menarik dari sirkuit konferensi kripto terbaru. Ternyata bot perdagangan AI mengalami batasan yang cukup keras saat pasar bergerak sideways dengan cara yang belum pernah mereka lihat sebelumnya.

Jadi begini - saat terjadi likuidasi besar-besaran pada 10/10 atau penjualan brutal minggu lalu, bot AI untuk sistem perdagangan hanya... membeku. Mereka dilatih berdasarkan data historis, kan? Tapi sejarah tidak selalu berulang, apalagi di dunia kripto. Seorang eksekutif bursa utama mengatakannya dengan cukup blak-blakan di sebuah panel: model ini sama sekali tidak memiliki pengalaman dengan likuidasi besar dalam satu hari. Mereka merasa sangat asing.

Bot AI untuk ruang perdagangan ini pada dasarnya masih dalam mode magang, menurut apa yang saya dengar. Lebih cepat dari manusia, juga lebih murah, tapi membutuhkan pengawasan terus-menerus. Seseorang bahkan menggunakan metafora itu secara tepat - "seperti magang." Tidak ada yang bilang ini akan tetap seperti itu, meskipun. Ekspektasinya dalam 3-5 tahun kita akan melihat sesuatu yang lebih mirip tingkat otonomi karyawan penuh waktu.

Yang benar-benar mencolok adalah sisi lain dari percakapan ini. Salah satu pendiri startup perdagangan agenik cukup blak-blakan tentang hal ini: 90% trader harian dan pemain ritel hanya kehilangan uang. Kita terlalu emosional, terlalu reaktif. Di situlah sudut pandang bot AI untuk perdagangan menjadi menarik - teknologi menghilangkan emosi dari persamaan. Tapi ada satu masalah - itu juga menghilangkan kemampuan untuk beradaptasi saat semuanya runtuh.

Jadi kita berada di tengah-tengah yang aneh ini. Teknologi pembelajaran mesin dan LLM berkembang pesat, tidak diragukan lagi. Tapi konsensus di antara orang-orang yang benar-benar membangun ini tampaknya adalah bahwa pengawasan manusia tidak akan hilang dalam waktu dekat. Tidak sampai model-model ini melihat cukup banyak kasus ekstrem untuk benar-benar memahami kekacauan pasar.

Poin yang lebih luas? Bot AI untuk perdagangan mungkin akan bekerja dengan baik sampai suatu saat tidak lagi. Dan saat ini, itu tidak berfungsi dalam situasi yang data latihannya tidak pernah mencakup. Apakah itu akan berubah dalam beberapa tahun ke depan tergantung seberapa banyak data pasar yang tidak biasa sistem ini benar-benar bisa serap.