Can Regulation Curb AI Adoption Narrative–Practice Decoupling?An Agent-Based Model of the A-Share Market
Unter Verwendung eines agentenbasierten Modells des A-Aktienmarktes zeigt diese Arbeit auf, dass Marktkräfte allein die Kluft zwischen den KI-Narrativen der Unternehmen und der tatsächlichen Umsetzung nur schwach sanktionieren, während eine regulatorische Kombination aus der Eskalation bei Wiederholungstätern und gezielter Durchsetzung am effektivsten ist, um eine solche Entkopplung einzudämmen, wohingegen Mechanismen wie Leerverkäufe und einfache Offenlegungslabel sich als unwirksam erweisen.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
In der Welt der Finanzen erzählen Unternehmen ständig Geschichten, um Investoren anzulocken. Sie sprechen von Zukunftsplänen, neuen Technologien und strategischen Veränderungen, in der Hoffnung, dass diese Narrative Menschen davon überzeugen, ihre Aktien zu kaufen. Seit Jahrzehnten wissen Ökonomen, dass es oft eine Lücke zwischen dem gibt, was ein Unternehmen sagt, und dem, was es tatsächlich tut. Wenn ein Unternehmen behauptet, sein Geschäft zu transformieren, aber nicht das Budget oder das Personal hat, um dies zu untermauern, entsteht ein Ungleichgewicht. Dies ist nicht notwendigerweise eine Lüge, aber es ist eine Diskrepanz zwischen der gegenüber der Öffentlichkeit erzählten Geschichte und der Realität des Geschäftsbetriebs. Die Frage, die Regulierungsbehörden und Marktbeobachter schon lange vor Rätsel stellt, lautet, ob der Markt selbst diese Lücke erkennen und die Unternehmen bestrafen kann, die lediglich reden, oder ob sich Anleger leicht von der Begeisterung der Geschichte mitreißen lassen, ungeachtet der Fakten.
Eine neue Studie widmet sich diesem Problem und betrachtet den chinesischen Aktienmarkt, speziell den A-Share-Markt, in dem künstliche Intelligenz zu einem dominierenden Gesprächsthema geworden ist. Die Forscher wollten wissen, ob die aktuellen Spielregeln ausreichen, um zu verhindern, dass Unternehmen auf der Welle des Hypes reiten, ohne die harte Arbeit der Umsetzung zu leisten. Um dies herauszufinden, betrachteten sie nicht nur vergangene Aktienkurse; sie bauten ein digitales Labor. Sie erstellten eine Computersimulation, die das Verhalten von tausenden echten Unternehmen, Millionen von Privatanlegern und einer Regulierungsbehörde nachahmt. Indem sie diesen virtuellen Markt mit realen Daten von über 3.000 börsennotierten Firmen speisten, konnten sie beobachten, wie verschiedene Regeln ablaufen würden, wenn eine Welle der Begeisterung über künstliche Intelligenz durch das System fegte.
Die Forscher begannen damit, für jedes Unternehmen in ihrer Simulation zwei unterschiedliche Dinge zu messen. Erstens maßen sie das „Reden“, also die Intensität des Narrativs über künstliche Intelligenz, das in den Geschäftsberichten eines Unternehmens zu finden ist. Dies ist die Sprache, die verwendet wird, um KI-Ambitionen zu beschreiben. Zweitens maßen sie das „Tun“, was die tatsächliche, beobachtbare Arbeit darstellt. Dies wurde dadurch verfolgt, wie viele Unternehmen Mitarbeiter mit KI-Kenntnissen einstellen und wie viele Patente im Zusammenhang mit dieser Technologie anmelden. Wenn ein Unternehmen viel über KI sprach, aber wenig Beweise für Einstellungen oder Patentierungen zeigte, markierte die Simulation dies als Entkopplung – eine Trennung zwischen der Geschichte und der Substanz.
Der Kern des Experiments bestand darin, eine plötzliche, massive Welle der Begeisterung für künstliche Intelligenz in diesen virtuellen Markt zu injizieren, ähnlich dem realen Aufschwung, der stattfand, als neue KI-Werkzeuge weit verbreitet bekannt wurden. Die Forscher ließen die Simulation dann immer wieder durchlaufen und änderten dabei jedes Mal die Spielregeln, um zu sehen, welcher regulatorische Ansatz am besten funktionierte. Sie testeten neun verschiedene Methoden, die weltweit von Regulierungsbehörden angewandt werden. Einige dieser Methoden waren wie eine Pauschalregel, die jedes Unternehmen bestrafte, das eine Lücke zwischen Reden und Tun aufwies, unabhängig von der Größe der Lücke. Andere waren eher wie ein gezielter Scheinwerfer, der sich nur auf Unternehmen konzentrierte, die offensichtlich übertrieben. Einige stützten sich auf Whistleblower, die Fehlverhalten meldeten, während andere Unternehmen einfach baten, ihr Handeln zu erklären, falls sie nicht konform gingen.
Die Ergebnisse zeigten, dass der Markt, wenn er seinen eigenen Kräften überlassen bleibt, überraschend schwach darin ist, solche Übertreibungen zu bestrafen. Selbst ohne neue Regeln zeigte die Simulation, dass Investoren nicht effektiv zwischen den Unternehmen unterschieden, die tatsächlich KI aufbauten, und denen, die nur darüber sprachen. Die Lücke zwischen der Geschichte und der Realität führte nicht allein zu einem signifikanten Rückgang der Aktienkurse. Dies deutet darauf an, dass es nicht ausreicht, sich auf die natürliche Disziplin des Marktes zu verlassen, um den Hype zu stoppen.
Als die Forscher verschiedene regulatorische Instrumente einführten, variierten die Ergebnisse drastisch. Der effektivste Ansatz war ein System steigender Strafen für Wiederholungstäter. In diesem Szenario, wenn ein Unternehmen bei der Übertreibung seiner KI-Bemühungen erwischt wurde, wäre die Strafe für das nächste Vergehen deutlich höher als die erste gewesen. Dies schuf einen starken Anreiz für Unternehmen, aufzuhören zu reden und anzufangen zu tun, oder zumindest aufzuhören, darüber zu lügen. Die Simulation zeigte, dass diese Methode weitaus erfolgreicher war als es, einfach nur die Erststrafe zu erhöhen. Es war die Struktur der Regel, nicht nur die Höhe der Geldstrafe, die die Veränderung vorantrieb.
Eine weitere hochwirksame Methode war die gezielte Durchsetzung. Anstatt jedes Unternehmen zu bestrafen, das eine Lücke zwischen Reden und Tun aufwies, konzentrierten sich die Regulatoren in diesem Szenario nur auf jene mit einer positiven Differenz – also Unternehmen, die mehr redeten, als sie taten. Dieser Ansatz verhinderte, dass Unternehmen bestraft wurden, die tatsächlich mehr taten, als sie redeten, wodurch die Anreize für echte Innovation erhalten blieben. Wenn diese beiden Methoden kombiniert wurden, erzielten sie die stärksten Ergebnisse, indem sie die narrative Entkopplung effektiv eindämmten und die Aktienkurse enger mit der tatsächlichen Arbeit in Einklang brachten.
Im Gegensatz dazu erwiesen sich mehrere populäre regulatorische Ideen als unwirksam in dieser spezifischen Umgebung. Einfach Unternehmen zu bitten, ihre KI-Pläne offenzulegen oder zu erklären, warum sie einen Standard nicht erfüllten, änderte das Verhalten kaum. Die Simulation zeigte, dass diese „Comply or Explain“-Regeln (Erklären oder Einhalten), die in vielen Märkten üblich sind, den Hype nicht stoppen konnten, weil die Kosten des Redens zu gering und das Risiko, erwischt zu werden, zu klein war. Ähnlich verhielt es sich mit der Möglichkeit für Investoren, gegen Unternehmen zu wetten, indem sie deren Aktien leerverkaufen (Short Selling); dies hatte fast keinen Effekt. Dies lag primär daran, dass die Regeln des chinesischen Marktes es Investoren sehr schwer machen, diese Short-Positionen einzugehen, wodurch der Mechanismus schlichtweg nicht als Kontrollinstanz für Fehlverhalten funktionieren konnte.
Die Studie fand auch heraus, dass das Design der Regulierung wichtiger ist als die bloße Größe der Strafe. Ein System, das Unternehmen basierend auf einem festen Schwellenwert bestraft, unabhängig davon, ob sie wirklich innovieren oder nur prahlen, kann den Markt tatsächlich schädigen. Es kann echte Unternehmen davon abhalten, zu investieren, weil sie fürchten, für eine Lücke bestraft zu werden, die eigentlich auf das langsame Tempo der realen Umsetzung zurückzuführen ist. Die erfolgreichsten Regeln waren jene, die klug genug waren, zwischen einem Unternehmen, das es wirklich versucht, und einem, das lediglich lügt, zu unterscheiden.
Letztendlich legt die Forschung nahe, dass Regulatoren, um die Diskrepanz zwischen KI-Narrativen und der Realität zu stoppen, von pauschalen Einheitsregeln abrücken müssen. Stattdessen sollten sie ein System einführen, das strenger wird, je öfter ein Unternehmen bei Übertreibungen erwischt wird, und das seine Aufmerksamkeit gezielt auf diejenigen richtet, die mehr reden, als sie tun. Die Studie deutet darauf hin, dass eine Kombination dieser beiden Ansätze den besten Weg darstellt. Dies ist ein Befund, der auf einem Computermodell des Marktes basiert und nicht auf einer direkten Beobachtung der Zukunft, aber er liefert eine klare Karte darüber, wie unterschiedliche Regeln das Verhalten von Unternehmen im Zeitalter der künstlichen Intelligenz prägen könnten. Die Simulation zeigt, dass der Markt ohne den richtigen Druck weiterhin die wortgewandtesten Geschichtenerzähler belohnen wird statt der substanziellsten Erbauer.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.