Penjelasan ETF HIAI: Bagaimana ETF Baru yang Dikelola AI Ini Memilih Saham

ETF HIAI mulai diperdagangkan pada 21 Agustus 2026 dengan proposisi yang tidak biasa: alih-alih menjadikan kecerdasan buatan (AI) sebagai tema investasi, ETF ini justru menggunakan AI untuk menentukan saham mana yang layak dimiliki dana tersebut. Model eksklusif miliknya, BAILA, memilih efek, menentukan ukuran posisi, dan dapat menyesuaikan besarnya risiko ekuitas keseluruhan yang ditanggung portofolio.

Hal ini menempatkan HIAI pada kategori yang berbeda dari deretan ETF yang terus bertambah dan dibangun di sekitar Nvidia, semikonduktor, perangkat lunak AI, dan pusat data. Pertanyaan kuncinya adalah bagaimana BAILA mengubah data pasar menjadi pemilihan saham yang konkret, ukuran posisi, dan keputusan risiko di tingkat portofolio.

Poin-Poin Penting

• Ai Funds High Conviction US Equity AI-Managed ETF (HIAI) meluncur pada 21 Agustus 2026 dan diperdagangkan di Cboe BZX Exchange.

• BAILA memilih sekitar 40 hingga 60 saham dari 1.000 saham AS paling likuid, sekaligus menentukan ukuran posisi dan eksposur pasar secara keseluruhan.

• Model ini menganalisis lebih dari 30 tahun sejarah pasar, menggunakan probabilitas Bayesian, machine learning, dan optimalisasi portofolio untuk membandingkan kondisi pasar saat ini dengan kondisi pasar sebelumnya.

• HIAI mengevaluasi portofolionya setiap minggu dan dapat mengurangi eksposur ekuitas atau beralih ke kas ketika sinyal risikonya memburuk.

• HIAI sendiri hampir tidak memiliki riwayat operasional, sehingga belum terbukti apakah pengelolaan berbasis AI ini benar-benar meningkatkan imbal hasil atau mengurangi kerugian.

Apa Itu ETF HIAI dan Mengapa Berbeda?

Kesalahan paling umum adalah membaca istilah "ETF yang dikelola AI" lalu menganggap HIAI hanyalah dana lain yang dirancang untuk menangkap tren booming kecerdasan buatan.

Sebagian besar ETF bertema AI bekerja dengan cara yang berbeda. ETF semacam itu umumnya memiliki saham perusahaan yang berada di berbagai titik dalam rantai nilai AI, termasuk produsen semikonduktor, penyedia layanan cloud, pengembang perangkat lunak, dan perusahaan infrastruktur. Eksposur mereka ditentukan oleh perusahaan-perusahaan yang mereka miliki.

Penggunaan AI oleh HIAI justru terletak pada bagaimana keputusan kepemilikan saham tersebut dibuat.

Ai Funds menyebut model eksklusif BAILA sebagai ahli strategi investasi dana ini. Alih-alih mengikuti indeks tetap atau bergantung terutama pada manajer portofolio manusia untuk memilih efek, BAILA menyusun portofolio melalui proses sistematis dan menyesuaikan risiko seiring perubahan kondisi pasar.

Artinya, HIAI tidak mensyaratkan sebuah perusahaan menjadi "saham AI" untuk dipertimbangkan. Universe awalnya mencakup sekitar 1.000 saham AS yang likuid di seluruh pasar. Dari sana, model ini menentukan efek mana yang layak masuk ke dalam portofolio high-conviction yang jauh lebih kecil.

Produk ini karena itu lebih dekat dengan pengelolaan aktif kuantitatif dibandingkan ETF tematik AI konvensional.

Bagaimana Cara HIAI Memilih Saham?

Aturan penilaian, bobot sinyal, dan ambang batas keputusan tingkat efek yang digunakan BAILA bersifat rahasia dagang. Dokumen keterbukaan informasi menjelaskan arsitektur prosesnya, tetapi tidak mengungkap formula yang diperlukan untuk mereplikasi pemilihan saham secara individual.

Langkah pertama adalah menentukan universe investasi. HIAI memulai dengan 1.000 saham AS paling likuid, sehingga tersedia kumpulan saham yang besar sekaligus menghindari sebagian besar risiko likuiditas yang terkait dengan saham yang jarang diperdagangkan.

BAILA kemudian menilai kondisi pasar itu sendiri. Model ini menganalisis lebih dari 30 tahun data historis yang mencakup berbagai siklus pasar dan mencari kondisi masa lalu yang menyerupai kondisi saat ini.

Deskripsi prospektus sebelumnya menggambarkan proses ini sebagian melalui rezim risk-on dan risk-off. Alih-alih menilai suatu saham secara terisolasi, BAILA karena itu tampaknya mengevaluasi efek dalam konteks kondisi pasar tempat efek tersebut diperdagangkan.

Model ini kemudian menerapkan probabilitas Bayesian.

Analisis Bayesian memperbarui probabilitas setiap kali ada bukti baru. Dalam kasus BAILA, hal ini memungkinkan model untuk terus merevisi penilaiannya terhadap efek dan kondisi pasar, bukan mengandalkan proyeksi yang tetap.

Estimasi probabilitas tersebut menjadi input bagi penyusunan portofolio. Ai Funds menyatakan bahwa BAILA menentukan saham mana yang dipegang, seberapa besar ukuran setiap posisi, dan seberapa besar eksposur ekuitas keseluruhan yang harus ditanggung dana ini.

Materi pengajuan sebelumnya menyebutkan portofolio yang lebih kecil, yaitu 20 hingga 40 saham, sementara dokumen peluncuran pada Agustus menyebutkan sekitar 40 hingga 60 kepemilikan. Dokumen peluncuran yang lebih baru ini karena itu menjadi acuan yang lebih tepat untuk struktur portofolio HIAI saat ini.

Fitur pentingnya, BAILA memadukan pemilihan efek, penentuan ukuran posisi, dan alokasi risiko tingkat portofolio dalam satu proses yang sama, sehingga pemilihan saham dan pengelolaan risiko berjalan berdampingan.

Bagaimana BAILA Menentukan Kapan Mengambil Risiko Lebih Besar atau Lebih Kecil

Materi pengajuan sebelumnya memperbolehkan eksposur ekuitas berkisar dari 0% hingga 100%, yang menggambarkan seberapa besar fleksibilitas yang dirancang untuk strategi ini. Eksposur saat ini tetap harus diperiksa berdasarkan dokumen keterbukaan dana yang terbaru, bukan disimpulkan hanya dari pengajuan sebelumnya.

HIAI karena itu harus tepat dalam dua keputusan utama: saham mana yang layak mendapat modal dan seberapa besar eksposur pasar yang harus ditanggung portofolio.

Apakah HIAI Benar-Benar Dikelola Sepenuhnya oleh Kecerdasan Buatan?

Branding HIAI menekankan besar pada mesin yang membuat keputusan investasi, meskipun itu tidak berarti peran manusia hilang sepenuhnya dari dana ini.

Ai Funds menyatakan bahwa BAILA berperan sebagai ahli strategi investasi dan menghasilkan portofolio yang sudah tersusun secara lengkap. Model ini pertama kali diluncurkan pada 2019 dan telah digunakan dalam strategi yang didistribusikan melalui penasihat keuangan sebelum ETF HIAI diluncurkan.

Pada saat yang sama, Ai Funds secara tegas menyatakan bahwa portofolio tersebut beroperasi di bawah pengawasan tim investasinya. Milliman Financial Risk Management juga berperan sebagai sub-penasihat HIAI. Per 30 Juni 2026, Milliman memiliki aset kelolaan dan aset penasihat global senilai US$ 273,2 miliar.

Istilah "AI" di sini juga perlu diperjelas. Tidak ada satu pun materi keterbukaan yang mengindikasikan bahwa BAILA bekerja seperti chatbot generatif atau model bahasa besar (large language model).

BAILA digambarkan sebagai sistem yang dibangun di atas statistik Bayesian, machine learning, analisis pasar historis, dan optimalisasi portofolio. Dana investasi kuantitatif sendiri telah menggunakan algoritma dan model statistik selama beberapa dekade.

Yang membedakan HIAI adalah BAILA digunakan untuk menghasilkan portofolio itu sendiri, bukan sekadar menghasilkan sinyal riset bagi manajer yang mengambil keputusan secara diskresioner.

HIAI vs ETF Bertema AI dan Reksa Dana Indeks Konvensional

Hal ini menciptakan sumber risiko aktif yang berbeda. HIAI dapat berotasi antarsektor seiring perubahan probabilitas yang dihitung BAILA, dan juga dapat mengubah eksposur ekuitas keseluruhan alih-alih tetap berinvestasi secara terus-menerus.

HIAI menjadi lebih mudah dipahami jika dibandingkan dengan dua struktur ETF yang sudah dikenal investor.

ETF indeks S&P 500 konvensional mengikuti acuan (benchmark) yang sudah baku. Portofolionya sebagian besar ditentukan oleh keanggotaan indeks dan aturan pembobotan, tanpa upaya untuk memprediksi konstituen mana yang akan mengungguli pasar pekan berikutnya.

ETF bertema AI menempuh jalan yang berbeda. ETF ini secara sengaja memiliki saham perusahaan yang diperkirakan diuntungkan oleh kecerdasan buatan, seperti perusahaan semikonduktor, hyperscaler, pengembang perangkat lunak, atau penyedia infrastruktur pusat data.

Dalam hal ini, AI adalah eksposur investasinya.

Pada HIAI, AI justru menjadi proses pengambilan keputusannya.

Hal ini menghasilkan profil imbal hasil yang sangat berbeda. Secara teoretis, HIAI dapat memiliki saham perusahaan teknologi ketika BAILA menilainya menarik, lalu berpindah ke perusahaan dari industri yang sama sekali berbeda begitu probabilitasnya berubah, termasuk menyesuaikan eksposur pasar secara keseluruhan.

Target yang dinyatakan HIAI adalah mengungguli S&P 500 dalam satu siklus pasar penuh. Ini merupakan acuan yang berat karena pemilihan saham, ukuran posisi, dan keputusan eksposur model tersebut harus konsisten memberikan nilai tambah dari waktu ke waktu.

Apa Arti Sebenarnya dari Data Pasar 30+ Tahun Milik BAILA?

Klaim "30+ tahun" ini mengacu pada kumpulan data historis yang dianalisis BAILA, bukan rekam jejak investasi riil selama tiga dekade. BAILA baru diluncurkan pada 2019, sementara HIAI baru mulai diperdagangkan pada 21 Agustus 2026. Data historis tersebut memperluas basis rujukan model ini di berbagai rezim pasar, tetapi itu hanya memberikan basis statistik yang lebih luas, bukan bukti bahwa perilaku pasar di masa depan akan berulang.

Sampel historis yang lebih besar tetap dapat membantu model ini membandingkan kondisi saat ini dengan berbagai kondisi suku bunga, volatilitas, dan resesi di masa lalu. Keterbatasannya, hubungan historis tersebut dapat melemah atau hilang ketika struktur pasar atau rezim kebijakan berubah.

Ada pula risiko perubahan rezim (regime risk). Hubungan yang dipelajari dari kondisi pasar sebelumnya dapat berhenti berfungsi ketika terjadi pergeseran moneter, geopolitik, atau struktural yang tidak biasa.

Keterbatasan mendasarnya adalah pasar keuangan tidak selalu mengulang hubungan yang sama seperti sebelumnya. Sebuah model bisa saja mengidentifikasi kondisi saat ini sebagai serupa dengan rezim sebelumnya, tetapi kebijakan, struktur pasar, atau perilaku investor dapat menghasilkan hasil yang berbeda.

Singkatnya, data 30 tahun tersebut memberi BAILA basis statistik yang lebih luas, bukan jaminan bahwa pola pasar akan terulang.

Apa Saja Risiko Utama ETF yang Dikelola AI?

Risiko paling relevan bagi HIAI berbeda dari kekhawatiran umum yang biasanya melekat pada dana bertema AI.

Risiko pertama adalah risiko model. BAILA menjalankan prosesnya secara sistematis, tetapi keputusan yang sistematis pun tetap bisa salah.

Risiko kedua adalah risiko data. Dokumen pengajuan sebelumnya memperingatkan bahwa hasilnya bergantung pada kualitas, keandalan, dan ketepatan waktu informasi yang dipasok ke model. Data yang hilang, kedaluwarsa, atau tidak akurat karena itu dapat memengaruhi keputusan portofolio.

Ada pula risiko perubahan rezim. Hubungan historis dapat runtuh, terutama saat terjadi pergeseran moneter, geopolitik, atau teknologi yang tidak biasa.

Kemampuan HIAI untuk mengubah eksposur menghadirkan risiko timing dan whipsaw. Model ini bisa saja mengurangi kepemilikan saham setelah harga turun dan justru melewatkan momentum pemulihan, atau menambah eksposur tepat sebelum terjadi aksi jual lanjutan.

Portofolio yang berisi sekitar 40 hingga 60 saham juga menciptakan risiko konsentrasi yang lebih besar dibandingkan indeks yang berisi ratusan efek. Pemilihan saham yang tepat dapat mendongkrak kinerja, sementara pemilihan yang keliru dapat memberikan dampak negatif yang sama besarnya.

Terakhir, ada masalah paling mendasar: HIAI masih baru.

HIAI juga mengenakan biaya manajemen tahunan sebesar 0,85%, sehingga strategi ini pada akhirnya harus memberikan nilai tambah yang cukup untuk menutupi biayanya yang lebih tinggi dibandingkan banyak ETF indeks pasif.

Apa yang Akan Menentukan Keberhasilan HIAI?

HIAI menjadi uji coba yang menarik untuk melihat sejauh mana pengelolaan portofolio sistematis berbasis AI dapat beralih dari strategi institusional ke pasar ETF arus utama.

Kecanggihan model semata tidak akan menjawab pertanyaan ini.

Buktinya akan datang dari bagaimana kinerja BAILA saat kondisi pasar tidak lagi menguntungkan. Pilihan sahamnya harus cukup sering mengungguli pasar, penentuan ukuran posisinya harus mampu mengendalikan konsentrasi yang tidak diinginkan, dan sinyal risikonya harus mampu mengurangi eksposur pada momen yang tepat, bukan berulang kali keluar masuk pasar pada waktu yang salah.

Kinerja HIAI juga harus dinilai dalam periode yang ditetapkannya sendiri, yaitu satu siklus pasar penuh. Kinerja yang kuat pada satu tahun bullish tidak banyak membuktikan apakah proses defensifnya berhasil, sama seperti satu kali langkah sukses beralih ke kas tidak membuktikan bahwa model ini dapat berulang kali mengidentifikasi perubahan rezim pasar.

Untuk saat ini, HIAI memang benar-benar berbeda dari ETF berlabel AI pada umumnya. Model machine learning berbasis Bayesian ditempatkan di jantung keputusan pemilihan saham, ukuran posisi, dan eksposur pasar, bukan sekadar berinvestasi pada perusahaan yang terkait dengan kecerdasan buatan.

Apakah ETF yang dikelola AI dapat berkembang menjadi alternatif yang berarti bagi strategi indeks dan aktif konvensional akan bergantung pada hasil investasi riil, bukan sekadar kecanggihan modelnya. Untuk saat ini, proses HIAI memang berbeda, tetapi kinerjanya masih belum terbukti.