Hadd kezdjem egy rövid összefoglalóval azoknak, akiknek nincs idejük végigolvasni a teljes posztot:
Az AI által támogatott adatelemzés nem csodafegyver, hanem egy szerszámosláda,
amely automatizálja és felgyorsítja a részvényelemzés lépéseit – immár a Tudatos
Kisbefektetők számára is elérhető áron és időráfordítással.
Adatokat gyűjt és tisztít (hiányzó adatok pótlása, duplikációk szűrése, hibás értékek kiszűrése).
Új mutatókat képez a meglévő adatokból (feature engineering).
Feltárja az összefüggéseket (Exploratory Data Analysis), vizualizációkkal.
Modellez: regresszió, osztályozás, előrejelzés – és mindezt emberi nyelven is képes visszaadni, nem csak „fekete dobozként”.
Monitoroz: figyeli, ha a modell teljesítménye romlik, és jelzi, ha újra kell hangolni.
Itt jön képbe a nem strukturált adatok világa: szöveg, hang, kép, videó. Az AI képes ezeket feldolgozni, struktúrát adni nekik, majd ugyanolyan módszerekkel elemezni, mint a számszerű adatokat.
Ne feledd: az AI jelenleg nem váltja ki az embert. A problémát neked kell megfogalmaznod, a kvantitatív elemzés eredményeit neked kell kontextusba helyezned, végül a döntést neked kell meghoznod. Az AI támogat, hatékonnyá tesz, olyan lehetőséget nyit meg, ami eddig csak a profiknak állt rendelkezésre, de a felelősség mindig a tiéd.
Warren Buffett mondta (saját fordítással): „A befektetési filozófia valójában a lelki alkatodról szól, nem a nyers intelligenciáról. A megfelelő lelki hozzáállás magasan veri a magas IQ-t.”
Ezért lesznek a posztjaim között rendszeresen egyéb, pl. pszichológiai témák is.
Minden új technológia körül megjelenik a hype, a félreértés és a kóklerek hada. Az AI sem kivétel. Egy 10 oldalas letölthető PDF és egy „egy hétvégés” tanfolyam ide is kevés lesz.
Nem lesz belőled mesteriparos attól, hogy a Praktikerben megvettél egy ütvefúrót és egy lézeres szintezőt – ugyanígy nem leszel sztárbefektető attól, hogy beírsz két-három promptot a ChatGPT-be.
Az AI egy gyorsan fejlődő iparág, folyamatos követést igényel. Nem lehet kikerülni a tanulást, a visszatesztelést, a kitartó gyakorlást.
Az AI nem most született, hanem az 1950-es évek óta velünk van. Az utóbbi évek robbanását a generatív AI (ChatGPT, Gemini stb.) hozta el – de fontos látni, hogy ez csak egy szelete a nagy egésznek. Sokan azonban a teljes AI-spektrumot ezzel azonosítják.
A valós piaci megoszlás a vállalatok üzleti beruházásai alapján (2025):
Diszkriminatív AI – 200+ milliárd USD (43%)
Generatív AI – 150+ milliárd USD (32,3%)
Computer Vision – 50+ milliárd USD (10,8%)
Idősoros AI – 40+ milliárd USD (8,6%)
Reinforcement Learning – 25+ milliárd USD (5,4%)
(Forrás: Complete AI Ecosystem Guide, 2025. Kiegészítő háttéranyagok: Ropes & Gray – Artificial Intelligence H1 2025 Global Report; coworker.ai – Daniel Dultsin, 2025. július: 8 Enterprise AI Trends You Need to Know in 2025.)
Az itt felsoroltak is csupán egy része a teljes képnek (üzleti beruházások megoszlása), ráadásul részben egymást átfedő módon. Amire azonban jól rámutat a felsorolás, az az, hogy miközben a sajtó a generatív AI-ra fókuszál, a vállalati alkalmazások gerincét továbbra is a diszkriminatív modellek adják. Tudatos Kisbefektetőként ez utóbbira neked is szükséged lesz.
Diszkriminatív AI:
Osztályoz: például eldönti, hogy egy részvény alul- vagy túlértékelt.
Regressziót futtat: több magyarázó változó (pl. bevétel, margin, adósság) alapján becsül egy folyamatos célváltozót (pl. belső érték/fair value).
Előrejelez: megbecsüli, hogy a cég felülteljesíti-e a várakozásokat.
Generatív AI:
Természetes nyelven kommunikálhatunk vele.
Új tartalmakat hoz létre (szöveg, kód, forgatókönyvek).
Programozás nélkül is segít adatot elemezni, összefoglalni, riportot készíteni.
Néhány alapfogalom, amivel érdemes tisztában lenni:
Modellek = a tulajdonképpeni AI (pl. Random Forest, XGBoost).
Eszközök = szerszámok (pl. TensorFlow, scikit-learn). Ezek segítségével fogod munkára az AI-t.
Platformok = műhelyek, ahol a modelleket és eszközöket együtt kezelheted, nagyban futtathatod (pl. Amazon SageMaker, Google Vertex AI).
Az AI hatalmas előnyt adhat a részvényelemzés adatalapú részeiben. Csak egy konkrétabb példa: többé már a Tudatos Kisbefektető számára sem feltétlenül elérhetetlen az elfogadható minőségű pénzügyi alapadat a screeninghez, majd az elemzési feladatokhoz. Pont azokon a területeken adhat hatékony segítséget, ahol a Tudatos Kisbefektetői léted miatt hiányt szenvedhetsz: idő, illetve speciális szakértelem (statisztika, kódolás stb.).
Gondolkodj azonban eszközrendszerben (ökoszisztémában). Szükséged lesz különböző AI-modellekre és eszközökre, és nem kizárt, hogy valaki tud majd platformokban is gondolkodni (ez nem tipikus a Tudatos Kisbefektetők számára). Ám téged, az embert nem helyettesíthet. Veled dolgozik az AI, és nem nélküled. A döntést mindig neked kell meghozni.
Végül: a tartalmaimat Tudatos Kisbefektetők részére készítem a saját gyakorlati tapasztalataim, személyes véleményem alapján. Igyekszem első körben nagyon érthetően és egyszerűen fogalmazni, hiszen pont az a célom, hogy kedvet csináljak az AI által támogatott adatelemzés használatához, és ne elijesszem az olvasót.
Később tervezek oktatási anyagokat is a mély, gyakorlati tudás átadásához. Ide kívánkozik az is, hogy minden, amit leírok, nem minősül befektetési tanácsadásnak. A saját személyes fejlődési utamat osztom itt meg, ami talán másoknak is érdekes, tanulságos lehet.
Az adatvezérelt döntéshozásról ma már minden cég beszél, de jóval kevesebben csinálják jól. Hárombetűs rövidítések (KPI, OKR, ERP, CRM) lepik el a prezentációkat, miközben a valódi kérdés az lenne: tényleg azt mérjük, ami a tulajdonosok számára értéket teremt? Vagy csak kipipáljuk az „adatvezéreltség” és a „digitalizáció” buzzwordjeit, miközben csendben égetjük a tőkét.
Az adatvezérelt döntéstámogatás folyamatának egyik kritikus lépése a megfelelő metrikák megválasztása.
Tudtad, hogy a rosszul meghatározott KPI ok és ösztönzők alapján simán el lehet vezetni egy vállalatot hatalmas bónuszokért úgy, hogy valójában a menedzsment nem tesz le valódi hozzáadott értéket az asztalra?
Tudtad, hogy még ha a vezetés jóhiszemű és hozzáértő is, akkor is tud tulajdonosi értéket rombolni egyszerűen a rosszul megválasztott metrikák eredményeként?
Tudtad, hogy külön irodalma van annak, hogyan lehet a klasszikus számviteli mutatókat törvényes keretek között – akár akaratlanul, akár szándékosan – manipulálni a vezetés érdekében, a tulajdonosok rovására? Olvass tovább a részletekért!
