AI Signals — Viikonloppulukemisto: Yritimme rikkoa lauman

Viikonloppulukemisto #13 — 8. elokuuta 2026

AI Investor Barometer seuraa päivittäin, miten viisi kielimallia muodostaa DCF-oletuksia 24 pörssiyhtiölle — itsenäisesti, identtisistä lähtötiedoista.

Neljä minuuttia yli kymmenen maanantai-iltana 20. heinäkuuta suomalaisella läppärillä pyörivä skripti laukaisi ensimmäisen 1 440 API-kutsusta. Kolmen peräkkäisen illan aikana se pyytäisi viittä kielimallia arvostamaan kaksikymmentäneljä yhtiötä, kolmesti kukin, neljällä eri ohjeistuksella — kontrolloitu koe, joka oli suunniteltu vastaamaan yhteen kysymykseen, joka oli vaivannut meitä keväästä asti.

Kysymys: voiko nämä mallit saada ajattelemaan itsenäisesti?

Ei tieteisfiktion merkityksessä, vaan tilastollisessa. Maaliskuusta lähtien yksi luku tutkimuspäiväkirjassamme oli kieltäytynyt liikkumasta: paneelin efektiivinen N — montako aidosti riippumatonta mielipidettä viisi mallia todella tuottaa, kun niiden päivittäisiä liikkeitä korreloidaan keskenään. Viiden mallin neljältä yhtiöltä kolmelta mantereelta, eri datalla eri tiimien kouluttamina, pitäisi uskottavasti tuottaa jotain kahden ja neljän riippumattoman näkemyksen väliltä. Mittauksemme palauttivat itsepintaisesti luvun läheltä yhtä. Tässä kuussa se oli 1,07: kun uutta tietoa saapuu, paneeli liikkuu yhtenä organismina, päivittäiset muutokset 0,91:n korrelaatiossa.

Yhtenä liikkuva paneeli on outo tuote ylläpidettäväksi. Joten ennen kuin hyväksyimme sen, käytimme 1 440 kutsua sen rikkomiseen.

Missä lauma asuu

Et voi korjata sitä, mitä et ole paikantanut, ja heinäkuuhun mennessä sijainti tunnettiin melko tarkasti. Se ei ollut moottorin turvarajoissa — ne koskettavat noin kahdeksasosaa arvioista, ja lauma säilyy vaikka rajat poistetaan. Se ei ollut diskonttokorossa — WACC-valinnat olivat itse asiassa monipuolistuneet heinäkuun prompt-uudistuksen jälkeen. Puristus asui kasvu- ja marginaalioletuksissa: EBIT-marginaaleissa mallien erimielisyys tuotti hädin tuskin prosentin kokonaisvarianssista — lähes determinismiä — ja melkein jokainen arvo osui siistiin puolen prosenttiyksikön ruudukkoon. Mallit eivät päätelleet tietään samaan vastaukseen. Ne kurottivat samoihin oletusarvoihin.

Diagnoosi osoitti ilmeistä syyllistä: omaa promptiamme. Se tarjoaa sektorien viitehaarukoita, fallback-arvoja, pyöristysohjeita — ankkureiden rakennustelineen. Pura teline, teoria kuului, ja viisi erilaista mieltä saattaisi vihdoin tuottaa viisi erilaista vastausta.

Koe antoi teorialle kaikki mahdollisuudet olla oikeassa. Neljä kumulatiivista "armia": tuotantoprompti kontrollina; versio, joka kirjoitti jokaisen sektorihaarukan historialliseksi viitteeksi valikon sijaan ja poisti fallback-oletukset; versio, joka lisäksi vaati jatkuvia kolmen desimaalin arvoja pyöristetyn ruudukon sijaan; ja lopulta versio, joka kertoi jokaiselle mallille suoraan, että se on yksi useista riippumattomista analyytikoista, ettei yksimielisyys ole tavoite, ja että fundamentteihin perustuva poikkeaminen on validi ja arvokas löydös.

Samat yhtiöt, sama jäädytetty lähtödata, samat iltaolosuhteet. Jos prompt-ankkurit aiheuttivat lauman, efektiivisen N:n pitäisi kivuta armi armilta.

Mikään ei liikkunut

Kontrolliarmi sai 1,05. De-ankkuroitu armi: 1,06. Jatkuvien arvojen armi: 1,07. Itsenäisyysarmi: 1,07 — ja viimeinen tuli hintalapun kanssa. Mallien käskeminen itsenäisiksi ei tehnyt niistä itsenäisiä; se teki niistä huonompia: vastausten validiteetti putosi yhdeksästäkymmenestäyhdeksästä prosentista kahdeksaankymmeneenkolmeen, kun mallit harhailivat ulos skeemasta omaperäisyyden nimissä. Käsketty itsenäisyys ei tuottanut viittä mielipidettä vaan rikkinäistä JSONia.

Olimme esirekisteröineet päätöskriteerit ennen yhtäkään kutsua — armi laskettaisiin voitoksi efektiivisellä N:llä 1,5 tai paremmalla, validiteettia ja turvarajoja rikkomatta. Yksikään armi ei ylittänyt 1,1:tä. Verdikti oli kirjoitettu protokollaan etukäteen: prompt-vivut eivät riitä. Lauma ei ole telineidemme artefakti.

Yksi hypoteesi jäi. Ehkä laumaantuminen on ajamiemme mallien luokan ominaisuus — tehokkaita keskisarjan malleja, valittuja koska paneeli maksaa senttejä per yhtiö. Ehkä huippuluokan päättelymalli löytäisi samalle tehtävälle oman polkunsa. Joten ajoimme yhden tämän hetken vahvimmista saatavilla olevista malleista identtisen protokollan läpi: seitsemänkymmentäkaksi kutsua, seitsemänkymmentäkaksi validia vastausta, moitteeton kuri. Sen korrelaatio lauman kanssa: 0,92. Se liittyi parveen saapuessaan — sujuvammin kuin parvi itse.

Tämä tulos sulkee kysymyksen tavalla, johon prompt-armit eivät yksin pystyneet. Lauma ei ole ohjeissamme, eikä se ole kyvykkyyskatto. Viisi mallia — kuusi vierailija mukaan lukien — liikkuvat yhdessä, koska ne ovat lukeneet saman maailman: samat tilinpäätökset, saman talouslehdistön, samat oppikirjojen DCF-konventiot, samat historialliset perustasot. Priori on jaettu syvyydessä, johon mikään prompti ei ulotu. Kun Nokia laskee ohjeistustaan, on vain yksi järkevä suunta tarkistaa arviota — ja jokainen saman tiedon pätevä lukija tarkistaa samaan suuntaan. Se, mitä olimme kutsuneet laumaksi, on toisesta kulmasta kuusi lukutaitoista analyytikkoa, jotka kaikki tekivät läksynsä.

Sitten lauma hajosi — tasoissa

Tässä tarina kääntyy, sillä samalla kun koe todisti, ettei paneelin liikettä voi hajauttaa, sen asemat erkanivat tuotannossa toisistaan — kauemmas kuin koskaan aiemmin.

Heinäkuun viimeisenä kaupankäyntipäivänä GPT:n mediaaniero oli −6,5 prosenttia, Grokin −5,1, Geminin −0,3, Clauden +0,6 ja DeepSeekin +1,1. Viisi mallia, lähes kahdeksan prosenttiyksikön haitari pysyvässä näkemyksessä, päivästä toiseen. GPT — kuukausia paneelin optimisti — oli muuttunut sen karhuksi. DeepSeek — kuukausia syvin karhu — istui nyt lähimpänä neutraalia. Nämä eivät ole satunnaiskulkuja; poikkeamat säilyvät viikkoja ja kantavat kunkin mallin dokumentoitua persoonallisuutta: miten se painottaa uutisia, miten se kohtelee marginaaleja, kuinka paljon varmuutta se raportoi.

Kuukauden kaksi konfiguraatiomuutosta tekivät kerroksellisuuden näkyväksi. Kun standardoimme GPT:n näytteistyslämpötilan heinäkuun puolivälissä — se oli ajanut alusta asti kuumemmalla kuin muut neljä — sen taso siirtyi, mutta korrelaatio paneelin kanssa ei. Ja heinäkuun viimeisenä päivänä DeepSeekin palveluntarjoaja alkoi tarjoilla päättelyviritettyä varianttia saman mallinimen alla; yhdessä yössä mallin taso siirtyi karhuisesta neutraaliin, mutta sen liike pysyi lukittuna ryhmään. Tasot, käy ilmi, ovat herkkiä konfiguraatiolle, palveluntarjoajalle, näytteistykselle. Liike ei ole herkkä millekään, mihin me ylipäätään yletymme.

Tämä epäsymmetria on löydös. Yksi lauma liikkeessä, viisi näkemystä tasoissa.

Sen kanssa eläminen

Joten lakkasimme taistelemasta. De-ankkurointityölinja on suljettu; efektiivisen N:n tavoite on poistettu mittaristostamme; yksikään tuleva prompti ei käske ketään yksilöksi. Tämä ei ole antautumista — se on sitä, mihin data antaa luvan. Jokaisella väitteellä on nyt mitattu raja. Emme kerro, että paneeli tarjoaa viisi riippumatonta ennustetta; sen liikkeet ovat yksi ennuste, tehtynä viidesti. Emmekä kerro, että mallit ovat samaa mieltä; niiden pysyvät näkemykset eroavat kahdeksalla prosenttiyksiköllä — sitkeästi ja informatiivisesti — ja juuri nämä erot — kuka on karhuinen, kuka irtoaa parvesta minkä yhtiön kohdalla, kuinka leveäksi arvioiden viuhka aukeaa — ovat täsmälleen sitä, mitä dashboard joka aamu mittaa.

Laumaantumiselle itselleenkin on käyttöä. Yhtenä liikkuva paneeli on käytännössä erittäin hyvin lukenut konsensuskone — ja kun yksi jäsen todella rikkoo muodostelman yksittäisen yhtiön kohdalla, tuo rikkomus kantaa informaatiota juuri siksi, että muodostelma on sääntö.

Kaksikymmentä yli yksitoista illalla 22. heinäkuuta kutsu numero 1 440 palautti JSONinsa ja koe päättyi. Se oli epäonnistunut täydellisesti, opettavaisimmalla mahdollisella tavalla: jokaista vipua vedettiin, mikään ei liikkunut, ja nollatulos piirsi koneen kartan. Viisi mallia jatkavat liikkumista yhtenä. Se, mitä ne ajattelevat — missä kukin seisoo liikkuessaan — pysyy viitenä eri asiana, ja se on se osa, jota kannattaa lukea joka päivä.

Malliarviot ovat automaattisen järjestelmän tutkimustuotoksia, eivät sijoitusneuvontaa. Kokeen protokolla, esirekisteröidyt kriteerit ja täydet tulokset on dokumentoitu methodology- ja changelog-sivuilla. Koe ajettiin eristetyssä ympäristössä eikä koskenut tuotantodataa.