La importancia de la IA generativa en el mercado de capitales

En los bulliciosos pasillos de Morgan Stanley, el entusiasmo se ha apoderado del aire a medida que abrazan el poder de la IA. ChatGPT, de OpenAI, despertó su curiosidad y les permitió desarrollar una herramienta para aprovechar sus activos de estudios y datos acumulados por décadas. Con la IA a su lado, sus asesores financieros se sienten cada vez más confiados, como si tuvieran a un genial estratega guiándoles en las llamadas de los clientes. Aunque a veces la IA tiene divertidas alucinaciones, sus ventajas superan a las rarezas. Morgan Stanley se aventura, así, en un viaje extraordinario en el que convergen las promesas y peligros de la IA.

Por más que pretendamos creer que el mercado de capitales está determinado por aspectos cuantitativos, lo cierto es que aspectos determinantes de la vida surgen en el espacio cualitativo, y por lo tanto mediados por el lenguaje natural humano. Las nuevas capacidades de los modelos de IA Generativa, como ChatGPT, de dominar el entendimiento del lenguaje, la traducción, refraseo, sumarización, clasificación, extracción de elementos clave, sentimiento o nociones de riesgo y oportunidad, pueden ser diferenciadores a la hora de ganar más del contexto, proveyendo transparencia y mejor apoyo a la toma de decisiones. Reportes de analistas, noticias, hechos esenciales, proyectos de ley y normativa tributaria, viven en el dominio del lenguaje. El sector financiero está frente a la que probablemente sea una de sus grandes revoluciones. Esta es la oportunidad.

El uso del entendimiento automático de texto no es nuevo en finanzas. Ya se conocían usos del procesamiento de lenguaje natural (NLP), que van desde el análisis de sentimientos y el reconocimiento de entidades e intenciones, hasta la respuesta a preguntas (Q&A). Sin embargo, ChatGPT, nos ha demostrado ser muy capaz para todas estas tareas a la vez, utilizando un único modelo, entrenado para una tarea genérica como lo es completar la siguiente palabra en un párrafo. Y, apoyado por grandes bases de datos y capacidad de cómputo, es capaz de desarrollar estrategias complejas, las que podemos aprovechar en tareas para las que el modelo no fue explícitamente entrenado, como traducir un texto o resumir un texto legal.

Ahora bien, como muchos hemos podido experimentar, estos modelos tienden a decaer en precisión o alucinar, cuando los llevamos a terrenos muy especializados, como algunos tópicos en finanzas. Es por este motivo que Bloomberg anunció hace pocas semanas la creación de un modelo propio, alimentado principalmente con datos financieros que Bloomberg ha recopilado por más de 40 años, que incluyen estados financieros, comunicados de prensa, historias de Bloomberg News, reportes de analistas y un rastreo web centrado en páginas web financieras. De acuerdo con los reportes, el resultado es sorprendentemente bueno en precisión y rendimiento frente a tareas financieras, tanto que la empresa está planeando incorporar esta tecnología a todos sus terminales. 

Algunos usos podrán ser la traducción de lenguaje natural al lenguaje que utiliza el terminal (BQL), por ejemplo, transformaría "precio de Tesla" en "(get(px_last) for(['TSLA US Equity'])". También se estima que el gran aporte será hacer frente a la avalancha de datos de las noticias, ya sea a través de resúmenes, el monitoreo automático, o de la posibilidad de hacer preguntas sobre esas noticias o transcripciones.

Imaginen un medio especialista como éste, con la capacidad de entregar las noticias dinámicamente en distintos niveles de profundidad, o con la posibilidad de interactuar con un artículo escrito, pidiendo más detalles, desafiando sus argumentos, pidiendo Re frasear jerga muy técnica, o solicitando una inferencia de cómo esa noticia será recibida por la banca, gremios industriales o el gobierno. Las posibilidades son ilimitadas.