AI di Manajemen Aset: Active vs Passive Bisa Melebur
ORBITINDONESIA.COM – AI di manajemen aset sedang menggeser cara kerja fund manager, dari riset saham hingga keputusan harian portofolio. Sejumlah pengelola dana bahkan memprediksi batas active investing dan passive investing akan makin kabur, ketika kecerdasan buatan mulai mengambil alih peran yang dulu eksklusif manusia.
Perdebatan active vs passive sudah lama menjadi garis pemisah industri pengelolaan dana. Kini, kemajuan artificial intelligence dan large language model (LLM) menawarkan jalan pintas: biaya lebih rendah, proses lebih cepat, dan analisis lebih luas.
Kurt Kara, head of global value equities di Maj Invest, menggambarkan masa depan yang terasa ekstrem namun masuk akal secara ekonomi. Ia membayangkan dana indeks raksasa dikelola aktif oleh AI, dengan jauh lebih sedikit “humans in the loop”.
Konsekuensinya bukan sekadar efisiensi, melainkan disrupsi tenaga kerja. “A lot of fund managers will be out of a job,” kata Kara di Morningstar Global Insights, Copenhagen.
Di level praktik, AI sudah menjadi alat kerja, bukan sekadar jargon konferensi. Kara menyebut model-model berbasis data “tremendously helpful” untuk menemukan ide baru dan membuat proyeksi valuasi saham.
Maj Invest sebenarnya sudah lama hidup dari komputasi dan pendekatan kuantitatif. Sejak 2004, Global Value Equities fund mereka memakai model internal untuk menyaring semesta saham berdasarkan profitabilitas, potensi return, kualitas neraca, dan valuasi.
Dari penyaringan itu, tim hanya membawa sekitar 100 nama untuk diteliti lebih lanjut. Pola ini menunjukkan AI bukan mengganti disiplin investasi, melainkan memperkerasnya dengan skala dan kecepatan.
Perubahan terbaru di Maj Invest adalah arsitektur “jaringan agen” yang bekerja di bawah sistem pusat untuk melakukan analisis saham. Kara menggambarkannya seperti seorang asisten yang bisa “memunculkan subagen” untuk mengerjakan tugas-tugas turunan.
Di sisi lain, Max Matthiessen di Nordik memakai AI untuk analitik investasi dan efisiensi organisasi. CEO Sebastian Siegl menilai data analytics kini “immensely more powerful,” sehingga pekerjaan bisa dilakukan lebih banyak dengan orang lebih sedikit.
Namun, Siegl menahan euforia pada satu titik krusial: keputusan investasi end-to-end. Ia menilai pertanyaan terbuka seperti “carikan saham paling menarik” masih belum bisa dijawab AI dengan mutu yang konsisten.
Data Morningstar memberi konteks yang menyejukkan panasnya narasi. Studi Morningstar atas 3.200 strategi berating global menemukan integrasi AI yang bermakna terkonsentrasi pada kurang dari 20 perusahaan.
Nama-nama yang menonjol adalah pemain dengan infrastruktur kuantitatif mapan, seperti BlackRock, AQR, dan Goldman Sachs. Temuan ini menegaskan bahwa adopsi AI di industri manajemen aset masih elitis, mahal, dan tidak merata.
Kenneth Lamont dari Morningstar menyimpulkan adanya jarak antara pembicaraan dan realitas. Ia menyebut talk dan kenyataan penggunaan AI “somewhat detached,” sebuah kritik halus pada industri yang gemar membungkus transformasi dengan slogan.
Pertanyaan paling sensitif adalah soal hasil: apakah AI bisa memberi return lebih baik bagi investor. Maggie Stafford dari Morningstar Indexes menilai gelombang ini mempercepat pergeseran ke strategi pasif, sistematis, dan kuantitatif.
Stafford juga menekankan pemenang bukan yang paling heboh memakai AI, melainkan yang mampu memakainya untuk menggandakan kekuatan inti mereka. Dengan kata lain, AI adalah pengungkit, bukan identitas.
AI di manajemen aset tampak menjanjikan, tetapi janji terbesar justru ada pada proses, bukan pada ramalan pasar. Ketika AI membuat riset lebih cepat dan cakupan data lebih luas, risiko baru ikut lahir: ilusi kepastian dari model yang terdengar meyakinkan.
Dalam investasi, output yang rapi tidak selalu berarti keputusan yang benar. Model bisa memperhalus bias lama, mempercepat kesalahan, dan menyebarkan keyakinan kolektif yang seragam, terutama jika banyak firma mengadopsi pendekatan data yang mirip.
Prediksi Kara tentang satu manajer mengendalikan 100 fund dengan AI terdengar efisien, tetapi juga mengkhawatirkan. Konsentrasi keputusan pada sedikit operator dan sedikit model dapat memperbesar dampak ketika asumsi inti salah.
Di sinilah perdebatan active vs passive mungkin melebur, tetapi bukan otomatis menjadi lebih baik. Jika “aktif” berarti diferensiasi penilaian, dan “pasif” berarti mengikuti indeks, maka AI bisa membuat keduanya bertemu di tengah: aktif dalam proses, pasif dalam keseragaman sinyal.
Pengakuan Kara bahwa AI membuatnya mempertanyakan saham yang dimiliki dan yang tak pernah dilirik adalah sisi paling sehat dari teknologi ini. AI yang baik bukan yang menggantikan intuisi, melainkan yang memaksa disiplin dan memperluas cakrawala hipotesis.
Sebaliknya, kehati-hatian Siegl terasa relevan: AI saat ini lebih seperti “faster horse” daripada “new breed.” Industri mungkin sedang mempercepat kendaraan lama, sebelum benar-benar menemukan bentuk transportasi baru.
AI di manajemen aset sedang mengubah cara kerja fund manager, tetapi adopsinya belum merata dan belum otomatis berarti return lebih tinggi. Data Morningstar menunjukkan integrasi yang benar-benar bermakna masih terkonsentrasi pada segelintir firma dengan fondasi kuantitatif kuat.
Yang tampak pasti adalah pergeseran kuasa: dari intuisi individual ke sistem, dari rapat panjang ke agen-agen analitik, dan dari banyak tangan ke lebih sedikit pengendali. Pertanyaannya, ketika keputusan makin ditopang mesin, apakah industri sedang mendekat pada kebijaksanaan kolektif atau justru pada keseragaman yang rapuh.
(Orbit dari berbagai sumber, 5 November 2026)
