Bloomberg — Chris Pulman solía pasarse dos días preparando previsiones para las reuniones de los bancos centrales. Ahora, el economista jefe de Balyasny Asset Management puede tardar tan solo 30 minutos.
Gracias a la nueva generación potenciada de inteligencia artificial, los chatbots se encargan ahora de sus tediosas tareas de investigación. Desde resumir las opiniones de los economistas de Wall Street y generar gráficos hasta extraer los últimos pronunciamientos de los responsables monetarios, y mucho más. Con la entrada de Pulman, el programa de IA enchufa entonces toda esa sabiduría del mercado en una plantilla para mostrar su llamada de tasas de interés.
“Descubrimos que en realidad son sustancialmente más potentes de lo que se piensa al principio”, dijo el economista de Balyasny, refiriéndose a los grandes modelos lingüísticos. “Pero no funcionan nada más sacarlos de la caja”.
Lea además: La inteligencia artificial es cada vez más barata, pero no lo solucionará todo
Más de 20 meses después de que OpenAI Inc. presentara ChatGPT a bombo y platillo, los gestores de fondos de cobertura, entre ellos Two Sigma Investments y Man Group, se apresuran a explotar el potencial disruptivo de la tecnología integrando los chatbots en sus procesos cotidianos de investigación e inversión. Los bancos también están aprovechando las herramientas, con JPMorgan Chase & Co. lanzando su propio ChatGPT el mes pasado para los empleados de la gestión de activos y patrimonios, mientras que Goldman Sachs Group Inc. está construyendo su propia plataforma.
Para estos primeros adoptantes, que llevan mucho tiempo en el negocio de desplegar nuevas tecnologías para obtener una ventaja inversora, los chatbots pueden llevar a cabo las tareas ingratas como cualquier pasante ansioso por complacer, incluido el filtrado a través de los archivos reglamentarios, el resumen de la investigación y la escritura de código básico.
Lea también: Inteligencia artificial afectará hasta un 40% de los empleos: estos son los 10 trabajos más expuestos
Pero, ¿un analista de pleno derecho en forma de chatbot que pueda escupir ideas de inversión inteligentes, investigaciones granulares y predicciones fiables? Eso aún está lejos, justo cuando Wall Street teme que la nueva tecnología tenga dificultades para justificar el frenético repunte bursátil de este año.
Impertérritos, los partidarios del dinero rápido siguen firmes en su convicción de que sus inversiones cosecharán ganancias tangibles ahora que se conocen mejor las limitaciones prácticas de los chatbots nada más sacarlos de la caja.
Los pros y contras de un chatbot
Con más tiempo libre, Pulman, por ejemplo, cree que puede llevar la IA gen a un nivel más avanzado, utilizándola para que elabore por sí sola códigos sofisticados y previsiones económicas. Dice que es “plausible” que la IA pueda encargarse del 70% al 80% de lo que hace un economista en finanzas dentro de dos o tres años.
Para llegar ahí, la industria tiene que enfrentarse a un par de grandes problemas. Entre ellos está el hecho de que la IA generativa puede simplemente inventarse cosas, lanzando un artículo de investigación fantasma por aquí o un dato erróneo del mercado por allá. También tiene dificultades con las preguntas abstractas o de varios niveles, sin un entrenamiento intensivo por parte de un humano sobrecargado.
En un caso, un gestor de carteras de Balyasny quería ver si su chatbot podía averiguar las acciones ganadoras o perdedoras de las tarifas más altas, una pregunta razonable que no pudo responder de entrada. Los ingenieros tuvieron que entrenar primero el modelo descomponiendo tales escenarios en una serie de subpreguntas. Tardaron 99 minutos en escanear 20.000 documentos e ir paso a paso antes de formular una respuesta satisfactoria.
“Confiamos en las capacidades de un becario junior: le pides a la IA que haga un análisis sencillo con fuentes de datos internas, lo hará, pero o tienes que darle muchas indicaciones muy específicas o el análisis en sí es bastante rudimentario”, dijo Charlie Flanagan, jefe de IA aplicada de Balyasny, que mueve unos US$22.000 millones. “Así que, ¿cómo hacemos que pase de un becario junior a un becario senior y a un analista junior para que, a finales de 2024, la gente sea capaz de hacer preguntas bastante sólidas?”.
Nada de esto sale barato. Goldman Sachs calcula que la creación de una infraestructura de IA en toda la economía costará más de un billón de dólares en los próximos años. Balyasny cuenta con un equipo de 12 personas para la IA, mientras que Man está a punto de contar con seis personas dedicadas específicamente a la IA genérica. Los sistemas totalmente entrenados como ChatGPT o Claude de Anthropic cobran por cada uso incremental, mientras que construir uno a partir de modelos de código abierto como Llama de Meta requiere un gran derroche de talento y potencia informática.
Un robot capaz de interpretar texto para operar no es nada nuevo en Wall Street. Durante años, los ordenadores han escaneado artículos de noticias y transcripciones de ganancias en busca de sus implicaciones para el mercado. Pero el propio atractivo de ChatGPT es que lleva todo esto a un nivel superior: analizar el contexto, responder a las preguntas de forma coherente y recurrir a una letanía de fuentes para llegar a conclusiones sofisticadas.
"Estamos más allá del punto de quedar impresionados por sus capacidades nativas", afirma Tim Mace, responsable de datos y aprendizaje automático de Man Group. "Tiene que ser tan bueno o mejor que lo que potencialmente podría hacer un humano".
En la gestora londinense, valorada en US$178.000 millones, la fruta madura ha sido utilizar la IA para hacer que los humanos sean más productivos, generando gráficos de precios o extrayendo información de los folletos de los bonos. Por ahora, la firma piensa que es demasiado pronto para enchufar a los LLM directamente en los modelos de negociación sistemática, donde hay menos supervisión humana directa, añade Mace.
Vea también: La inteligencia artificial se toma la agenda los CEOs de los mayores bancos de Brasil
Sin embargo, este realismo contradice las grandes ambiciones, ya que Man habla de la posibilidad de que la IA sea capaz algún día de buscar en su base de datos de investigación, generar una hipótesis y crear un código para probarla. O que sea capaz de detectar sutiles relaciones económicas a partir de la ingente cantidad de datos que ha ingerido, informando de operaciones que, digamos, compren un valor y vendan otro.
E incluso cuando la IA está actualmente por detrás de los humanos en cuanto a destreza cognitiva, tiene la ventaja de la velocidad y la escala, afirma Ben Wellington, subdirector de previsión de características de Two Sigma. Señala el ejemplo del seguimiento de las salidas de ejecutivos corporativos. Mientras que los quants como él solían escribir una fórmula para identificar a estos últimos mediante determinadas palabras clave o expresiones, ahora puede hacerlo mucho más rápido consultando a un LLM.
“Si tuviera una lista de 50 ideas, antes quizá podría estudiar 10″, dijo. “Ahora puedo pasar de 10 a 25 con un costo relativamente bajo porque no necesito crear un equipo o una herramienta para estudiar cada idea”.
¿Chat GPT es suficiente?
Muchos casos de éxito requieren mucho más que una GPT estándar. Flanagan, de Balyasny, mostró un ejemplo en el que su GPT leía un artículo académico sobre una estrategia de negociación y calculaba cómo habría funcionado históricamente. Para ello, el modelo utilizó, de hecho, una calculadora codificada por su equipo en lugar del chatbot por sí solo.
La IA de última generación “le contará una historia totalmente inventada y estará absolutamente segura”, por lo que el juicio humano seguirá siendo el guardián último, dijo Claudia Perlich, responsable de ciencia de datos estratégicos para la gestión de inversiones en Two Sigma, en la conferencia Bloomberg Invest celebrada en junio.
Para evitar el riesgo de fabricar datos, muchas empresas utilizan una técnica denominada generación aumentada por recuperación, en la que se hace que la IA busque en determinadas fuentes adicionales. Redactar bien las preguntas también marca una gran diferencia.
Lea más: Search GPT, la apuesta de OpenAI para desafiar las búsquedas de Google
"Es fascinante verla funcionar porque realmente puedes verla decir: he obtenido esta información, este es el siguiente paso que debo dar", dijo Flanagan, antiguo ingeniero de Google. "Pero aún estamos forzando al modelo a comportarse así".
Para algunos gestores de dinero, la apuesta es que invertir pronto les coloca por delante de sus rivales si los futuros avances consiguen acercar los LLM a la inteligencia humana, como prevén empresas como OpenAI.
Eso aún no es nada seguro. En Atalaya Capital Management, una empresa de crédito privado de unos US$10.000 millones, la IA genérica ha acelerado enormemente el proceso de búsqueda de posibles prestatarios en su negocio de arrendamiento de equipos y la redacción de contratos legales. Sin embargo, los humanos siguen estando firmemente a cargo de elegir las inversiones y negociar los términos, dice el jefe de ciencia de datos Andy Halleran.
Lea también: Zuckerberg pretende rivalizar con OpenAI y Google con su nuevo modelo Llama de IA
Así que, aunque sea el becario más trabajador de Wall Street, el listón para ascender a analista de pleno derecho es alto.
“Todavía no están en el nivel en el que se les puede dar una tarea superamplia, por lo que no se les puede decir: ‘Oye, ¿es ésta una buena inversión?”, dijo, refiriéndose a las indicaciones de ChatGPT. “Si alguien ya tiene un flujo de trabajo y quieres que haga lo nuevo, tiene que ser no solo como un poco mejor, un poco más conveniente - tiene que ser dramáticamente mejor”.
Lea más en Bloomberg.com
