Todo el mundo habla de Inteligencia Artificial, parece la palabra de moda, pero a veces es un concepto demasiado amplio. Para aterrizarlo un poco: ¿Qué es exactamente la IA que se está aplicando hoy en día y cómo aporta valor real al sector financiero frente a los métodos más tradicionales?
La IA es un boom reciente pero ha existido durante muchísimo tiempo. Al final la IA es una red neuronal que coge algo como input y da algo como output. ¿Qué es lo que ha sido el boom, lo que ha hecho que explote? ChatGPT, ya que salió y mejoró una parte de la IA que se llaman LLMs (Large Language Models), y esto lo que hacen es procesar texto muy bien, entienden el texto y son capaces de devolverte una respuesta. Esto es lo que ha sido el gran paso y lo que ha hecho que esta herramienta o inteligencia se use mucho más. ¿Qué valor le da esto a las finanzas? Al final en finanzas hay muchísimos datos cualitativos que se pueden beneficiar de esta inteligencia para poder analizar, encontrar y entender información que hasta ahora se tenía que leer o reescribir o resumir, y esta inteligencia realmente te da una palanca enorme para poder acceder a mucha información mucho más rápido.
La velocidad es genial, pero en el mercado financiero equivocarse al analizar un dato cuesta millones. Sabemos que herramientas generales como ChatGPT a veces se "inventan" cosas. En un sector tan crítico, ¿cómo se puede garantizar que una IA sea fiable y no se invente los datos económicos?
Es importantísimo. Al final en finanzas, un error pueden ser millones, por tanto no se pueden permitir y si lo implementamos se tiene que implementar bien. Por ello, para entender esta parte hay que diferenciar entre lo que es el modelo que da un proveedor grande, ya sea OpenAI con GPT o Google con Gemini; esto es lo que dan los proveedores grandes y esta es la infraestructura que hemos dicho que son LLMs. Después esto se combina con herramientas, entonces aquí es donde está el valor y donde se puede hacer bien las cosas. Si hablamos del sector financiero, estamos hablando de hacer una herramienta especializada para el sector financiero.
En nuestro caso, por ejemplo, en Alpha Analyst que nos enfocamos en análisis cualitativo, lo que hacemos es tener una base de datos propia financiera basada en fuentes oficiales; en este caso serían los filings de la SEC, también tenemos Edinet para Japón, press releases de fuentes oficiales y noticias de fuentes oficiales. Cuando tienes esta base de datos contrastada y correcta puedes combinar esta tecnología con la base de datos. ¿Qué consigues con esto? Reducir las alucinaciones, porque si al modelo solo le das acceso al conocimiento que existe en esa base de datos, la fuente de verdad es solamente la base de datos. Además nosotros citamos cada oración de lo que se menciona; así cuando haces una pregunta, la herramienta te devuelve una respuesta citada basada en fuentes oficiales, y puedes ver exactamente qué frase o qué número ha cogido del documento para generar la respuesta. Por lo tanto, toda la potencia queda en el analista, que puede verificar, iterar o criticar lo que genera la inteligencia.
Para entenderlo de forma práctica, ¿cuál sería un caso de uso concreto? ¿Qué hace exactamente un analista con una herramienta especializada de IA en su rutina diaria y cómo cambia su forma de trabajar?
Al final los analistas trabajan de muchas maneras distintas porque hay muchísimas maneras de invertir y analizar. En nuestro caso, por ejemplo, tenemos todas las fuentes de información mencionadas y los analistas pueden buscar cualquier cosa con lenguaje natural. Por ejemplo: “Compárame los riesgos que aparecen en los últimos 10-K de esta empresa durante los últimos 4 años”. Antes el analista tenía que ir a estos documentos, encontrarlos, buscar menciones de riesgo o cosas relacionadas, apuntarlas, compararlas y resumirlas. Ahora esto se hace con una sola pregunta y la herramienta devuelve una respuesta instantánea, que ya te está resumiendo la información y poniéndola en el formato que quieras, en tabla o en texto. Además aparecen todas las citas de los documentos para que el analista pueda comprobarlo. Por lo tanto el analista puede conseguir el mismo resultado en una fracción del tiempo. El beneficio principal es la reducción de tiempo y también la capacidad de acceder a información que antes era prácticamente imposible analizar por falta de tiempo.
Hay una duda muy habitual: ¿qué pasa con tu ventaja competitiva cuando todos tus rivales en el mercado acaban usando el mismo modelo de IA para analizar el mismo informe financiero? ¿No se pierde esa ventaja?
Voy a separar la respuesta en dos partes. La primera es que en herramientas enfocadas al análisis de datos, dos analistas no van a buscar los mismos datos ni tomar la misma decisión financiera basada en un solo dato; cada analista interpreta la información de manera distinta. En el caso de Alpha Analyst, la herramienta ayuda al inversor a encontrar la información que él está buscando y no todos buscan la misma información. En según lugar, si hablamos de IA aplicada a quant trading -esto existe desde hace mucho tiempo; por ejemplo Jim Simons con Renaissance Technologies lo lleva haciendo desde hace años-, si todos utilizáramos exactamente el mismo criterio para comprar o vender acciones sería un problema para el mercado, pero la naturaleza del mercado no lo permitiría, siempre aparecerían competidores con modelos distintos o privatizados.
Hoy en día parece que todo el mundo se sube al carro y todas las empresas o fondos dicen ser “líderes en IA”. ¿Cómo podemos distinguir entre el humo publicitario y el valor real de estas tecnologías?
Esto es un problema real. Me gusta compararlo con el boom de las empresas punto com. Ahora mismo hay muchísima oferta, es un mercado en auge y todo el mundo quiere participar, pero eso no significa que todo el mundo esté creando herramientas que realmente funcionen bien para el sector en el que quieren trabajar. La forma de distinguir entre humo y valor real es la educación. Es importante que los profesionales entiendan cómo funcionan estas tecnologías, qué novedades aparecen y qué productos existen. Solo así podrán escoger herramientas que realmente les den una ventaja competitiva. Si escogen una que no funciona bien, no obtendrán esa ventaja y se quedarán atrás.
Para las gestoras, fondos o analistas que todavía dudan si dar el paso, ¿cómo se benefician realmente hoy mismo frente a quienes siguen operando de forma 100% tradicional?
Si hablamos de un inversor individual, la capacidad que tiene una persona de leer, entender y sintetizar información es limitada. Por lo tanto, la IA da una gran ventaja en tiempo y en cantidad de información que se puede analizar. Para un fondo también reduce costes, ya que si antes necesitabas un equipo de analistas que tuviera que leer reports, noticias o filings de una empresa para encontrar cierta información, ahora ese tiempo se reduce muchísimo. Además también se reduce el riesgo, porque es más probable abarcar y encontrar más información relevante. Por lo tanto es beneficioso tanto para inversores individuales como para fondos, especialmente en lo que respecta al análisis cualitativo, que es una parte muy importante del análisis de una empresa, un sector o cualquier vehículo de inversión.