Evolusi AI Trading
Domain trading Wall Street secara historis dikuasai oleh perusahaan-perusahaan elit yang menggunakan sistem AI eksklusif—algoritma mahal yang dikembangkan secara rahasia dengan sumber daya yang luas. Institusi-institusi ini secara tradisional mempertahankan keunggulan mereka dengan memanfaatkan sumber daya keuangan yang substansial, talenta khusus, dan infrastruktur komputasi yang canggih. Analisis industri baru-baru ini mengungkapkan bahwa pengembangan model trading AI yang canggih membutuhkan investasi mulai dari $500.000 hingga lebih dari $1 juta, tidak termasuk biaya berkelanjutan untuk retensi talenta dan pemeliharaan infrastruktur.
Integrasi AI dalam trading dapat ditelusuri kembali ke tahun 1980-an, ketika perusahaan-perusahaan awalnya menggunakan sistem berbasis aturan sederhana untuk trading otomatis. Transformasi sesungguhnya terjadi pada akhir 1990-an dan awal 2000-an, karena algoritma machine learning mendorong strategi trading kuantitatif era tersebut. Perusahaan-perusahaan terkemuka seperti Renaissance Technologies dan D.E. Shaw memelopori penggunaan model AI yang kompleks untuk membedakan pola pasar dan mengeksekusi trading dengan kecepatan yang tak tertandingi. Pada tahun 2010-an, high-frequency trading (HFT) yang didukung AI telah menjadi komponen fundamental dari operasi pasar, dengan perusahaan-perusahaan terbesar mengalokasikan ratusan juta untuk infrastruktur komputasi dan talenta untuk mempertahankan keunggulan kompetitif mereka.
Diperkirakan bahwa trading algoritmik high-frequency menyumbang sekitar setengah dari volume trading Wall Street.
DeepSeek dan inisiatif AI open-source serupa mengganggu model konvensional ini melalui pendekatan kolaboratif mereka terhadap pengembangan. Alih-alih menyimpan algoritma di bawah kunci dan gembok, platform ini memanfaatkan pengetahuan kolektif dari komunitas pengembang global yang terus-menerus menyempurnakan dan meningkatkan teknologi.
Namun, merangkul teknologi ini tidak semudah mengunduh kode open-source. Meskipun alat-alat baru ini mengurangi hambatan masuk tertentu, mereka tidak secara otomatis menciptakan lapangan permainan yang setara. Sistem trading tradisional tertanam dalam operasi pasar dan didukung oleh validasi dunia nyata selama bertahun-tahun. Tantangan bagi alternatif open-source tidak hanya terletak pada pencocokan kemampuan canggih dari sistem yang sudah mapan, tetapi juga dalam menunjukkan kemampuan mereka untuk bekerja secara andal dalam parameter yang menuntut dari trading langsung.
Selain itu, perusahaan yang mengadopsi sistem AI open-source masih harus mengembangkan kerangka kerja operasional yang sesuai, memastikan kepatuhan terhadap peraturan, dan membangun infrastruktur yang diperlukan untuk menerapkan alat-alat ini secara efektif. Akibatnya, sementara AI open-source memiliki potensi untuk menurunkan biaya teknologi trading yang canggih, tidak mungkin Anda akan mengunduh platform trading AI open-source dengan kemudahan yang sama seperti aplikasi pencatat open-source dalam waktu dekat.
Biaya dan Aksesibilitas
Salah satu aspek yang paling menarik dari AI open-source adalah potensinya untuk secara signifikan mengurangi biaya di muka. Sistem eksklusif tradisional membutuhkan biaya lisensi yang substansial dan investasi dalam perangkat lunak khusus. Kolaborasi berkelanjutan Citadel LLC dengan Alphabet Inc., misalnya, memanfaatkan lebih dari satu juta prosesor virtual untuk mengurangi waktu perhitungan yang kompleks dari jam menjadi hanya beberapa detik, tetapi ini memerlukan investasi infrastruktur berkelanjutan yang sangat besar.
Pendekatan open-source DeepSeek menghadirkan kontras yang mencolok. Model V3 dan R1-nya dapat diakses secara bebas, dan beroperasi di bawah lisensi MIT, yang menandakan bahwa model tersebut dapat dimodifikasi dan digunakan untuk usaha komersial. Meskipun perangkat lunaknya sendiri mungkin gratis, implementasinya yang efektif menuntut investasi yang cukup besar dalam bidang-bidang berikut, seperti yang ditekankan oleh Mamaysky:
- Infrastruktur Komputasi dan Perangkat Keras: Daya komputasi yang kuat sangat penting untuk menangani tuntutan pemrosesan intensif dari trading yang digerakkan oleh AI.
- Akuisisi Data Pasar Berkualitas Tinggi: Akses ke data pasar real-time yang akurat sangat penting untuk melatih dan menerapkan model trading yang efektif.
- Langkah-langkah Keamanan dan Sistem Kepatuhan: Protokol keamanan yang ketat dan sistem kepatuhan diperlukan untuk melindungi data sensitif dan mematuhi persyaratan peraturan.
- Pemeliharaan dan Pembaruan Berkelanjutan: Pemeliharaan dan pembaruan berkelanjutan sangat penting untuk memastikan kinerja optimal sistem dan beradaptasi dengan kondisi pasar yang terus berkembang.
- Keahlian Khusus untuk Penerapan dan Optimalisasi: Profesional yang terampil diperlukan untuk menerapkan, mengkonfigurasi, dan mengoptimalkan model AI untuk strategi trading tertentu.
Meskipun Anda dapat dengan mudah mengakses model terbaru DeepSeek dan mengunduh kodenya tanpa biaya, keberhasilan penerapannya dalam lingkungan HFT membutuhkan jauh lebih dari itu.
Transparansi dan Akuntabilitas
Keuntungan yang sering disebut-sebut dari AI open-source adalah transparansinya yang inheren. Dengan kode sumber yang terbuka untuk pengawasan publik, para pemangku kepentingan dapat mengaudit algoritma, memverifikasi proses pengambilan keputusannya, dan memodifikasinya untuk mematuhi peraturan atau memenuhi persyaratan tertentu. Contoh utama adalah AI Fairness 360 dari International Business Machines Corporation, seperangkat alat open-source yang dirancang untuk mengaudit dan mengurangi bias dalam model AI. Selain itu, detail arsitektur dan data pelatihan untuk model Lllama 3 dan 3.1 Meta tersedia untuk umum. Ini memungkinkan pengembang untuk mengevaluasi kepatuhan terhadap hak cipta, peraturan, dan standar etika. Tingkat keterbukaan ini berbeda dengan sifat ‘kotak hitam’ dari sistem eksklusif, di mana cara kerja internal disembunyikan, terkadang mengarah pada keputusan buram yang bahkan pembuat sistem mungkin kesulitan untuk mengungkapnya.
Namun, tidak akurat untuk menggambarkan semua sistem trading eksklusif sebagai kotak hitam yang tidak dapat ditembus. Institusi keuangan besar telah membuat langkah signifikan dalam meningkatkan transparansi model AI mereka, didorong oleh tekanan regulasi (seperti Undang-Undang AI Uni Eropa dan pedoman AS yang terus berkembang) dan keharusan manajemen risiko internal. Perbedaan intinya adalah bahwa sementara sistem eksklusif mengembangkan alat transparansi mereka secara internal, model open-source mendapatkan keuntungan dari audit dan validasi yang digerakkan oleh komunitas, yang seringkali mempercepat proses pemecahan masalah.
Kesenjangan Inovasi
Terobosan model R1 DeepSeek menarik perhatian para pemimpin industri—bahkan Sam Altman dari OpenAI mengakui pada awal 2025 bahwa ia berada ‘di sisi sejarah yang salah’ mengenai model open-source, mengisyaratkan potensi perubahan paradigma dalam cara industri memandang pengembangan kolaboratif.
Namun demikian, Mamaysky menegaskan bahwa tantangan sebenarnya dalam mewujudkan potensi transisi ke AI open-source terletak pada tiga bidang penting: menskalakan infrastruktur perangkat keras, mengamankan data keuangan berkualitas tinggi, dan mengadaptasi model generik untuk aplikasi trading tertentu. Akibatnya, ia tidak melihat keuntungan dari perusahaan yang memiliki sumber daya yang baik menghilang dalam waktu dekat. “AI open-source, dengan sendirinya, tidak menimbulkan risiko [bagi pesaing] menurut pandangan saya. Model pendapatannya adalah pusat data, data, pelatihan, dan ketahanan proses,” katanya.
Perlombaan AI semakin diperumit oleh pertimbangan geopolitik. Mantan CEO Google Eric Schmidt telah memperingatkan bahwa AS dan Eropa harus mengintensifkan fokus mereka pada pengembangan model AI open-source atau berisiko menyerahkan landasan ke China dalam domain ini. Ini menunjukkan bahwa masa depan AI keuangan mungkin bergantung tidak hanya pada kemampuan teknis tetapi juga pada keputusan strategis yang lebih luas mengenai bagaimana teknologi trading dikembangkan dan disebarluaskan.
Munculnya platform AI open-source seperti DeepSeek menandakan potensi transformasi dalam teknologi keuangan, namun saat ini mereka tidak menimbulkan ancaman langsung terhadap hierarki Wall Street yang sudah mapan. Sementara alat-alat ini secara dramatis mengurangi biaya lisensi perangkat lunak dan meningkatkan transparansi, Mamaysky memperingatkan bahwa “membuat model menjadi open source atau tidak mungkin bukan masalah urutan pertama” bagi perusahaan-perusahaan ini.
Masa depan hibrida lebih dapat diperkirakan, menggabungkan sistem open-source dan eksklusif. Oleh karena itu, pertanyaan yang relevan bukanlah apakah AI open-source akan menggantikan sistem Wall Street tradisional, tetapi bagaimana ia akan diintegrasikan ke dalam kerangka kerja mereka yang ada.
Gerakan open-source mengubah cara perangkat lunak dibangun dan dibagikan di banyak bidang. Dalam keuangan, potensinya adalah bahwa alat-alat baru dan platform kolaboratif akan memudahkan perusahaan kecil dan investor individu untuk menggunakan strategi trading yang didukung AI.
Masa depan AI dalam keuangan kemungkinan akan menjadi campuran dari sistem open-source dan tertutup, eksklusif. Pertanyaan besarnya adalah seberapa baik pendekatan yang berbeda ini dapat bekerja sama, membiarkan perusahaan yang sudah mapan menggunakan kekuatan inovasi yang digerakkan oleh komunitas sambil menjaga keuntungan khusus yang memungkinkan mereka untuk tetap berada di puncak begitu lama.
Lintasan AI dalam keuangan bukan hanya masalah teknis; ini adalah masalah strategis, yang sangat terkait dengan lanskap regulasi, dinamika geopolitik, dan struktur pasar keuangan itu sendiri. Tahun-tahun mendatang akan mengungkapkan bagaimana kekuatan-kekuatan ini berinteraksi, membentuk masa depan trading dan investasi.
Munculnya AI open-source dalam trading adalah perkembangan yang sangat penting. Akan menarik untuk melihat bagaimana hal itu mengubah Wall Street dan membuat alat trading canggih lebih tersedia bagi semua orang. Kisah ini masih berlangsung, dan bab terakhirnya belum ditulis. Perpaduan antara kolaborasi dan kompetisi, transparansi dan keuntungan eksklusif, akan menentukan dampak akhir dari AI open-source pada dunia keuangan.