Por supuesto, siempre está esa vocecita que nos dice “ya está… por fin… cualquiera ha incompatible la martingala… y es posible detectar anomalías en los mercados y cobrar seguro…”
Quiero creer en este portento. La idea de que, dados los recientes avances en el procesamiento de grandes cantidades de información, ayudaría a determinar el precio acordado de una movimiento o un bono es muy tentadora.
Pero en mi opinión esto está mal.
En un punto «T», el precio de un valía refleja un precio que puede tener todos los errores del mundo, pero que corresponde a la evaluación de compradores y vendedores del valía intrínseco del valía. Nadie puede predecir el futuro, y si una máquina o un ser humano establece reglas para someter la perspectiva, su pleito será barredura por otras decisiones humanas o externas.
La IA estilo ChatGPT no tiene virtud predictiva, es completamente inútil esperar «adivinar» los precios futuros gracias a la IA coetáneo.
Sin retención, la IA, tal como está diseñada hoy en día, tiene beneficios innegables para los administradores y, en caudillo, para los administradores de activos.
La capacidad de procesamiento de datos de AI puede ayudar de modo muy útil al equipo de diligencia al director al compilar información para «clasificar» y comparar los títulos de acuerdo con la información que el director considera relevante en su proceso.
La multiplicación de fuentes hace que el entrenamiento sea cada vez más difícil y, encima de la masa de información, la IA puede ordenar la información relevante y detectar el incremento de las correlaciones.
Todo esto es fundamental para clasificar y ponderar los títulos de una cartera, pero además para comprender exactamente qué sucedió con una cartera. De hecho, a veces sucede que la IA detecta cambios que no fueron perceptibles o correctamente interpretados: por ejemplo, el mandatario puede creer con razón que su cartera se ha manido afectada por la subida de los tipos de interés a corto, cuando él además podría haberse manido afectado. por un sesgo específico del sector. Las conclusiones en cuanto a la construcción de carteras para remediar el tema son variadas.
La IA además puede suscitar millones de escenarios potenciales basados en patrones aprendidos mediante la integración de cambios en contextos igualmente diversos. Por lo tanto, es posible «probar» la solidez de la cartera.
Para el mandatario y los equipos de peligro, es posible imaginar el tiempo que todos se ahorran analizando los riesgos de una cartera. Este es un gran tema porque no podemos manejar con tranquilidad lo que no evaluamos o medimos o medimos mal.
Los selectores de fondos además pueden, gracias a la IA, comprender mejor la diligencia de los fondos que quieren designar y analizar en qué medida el fondo encaja en sus activos: ¿se cumple más o menos estrictamente el objetivo anunciado? ¿Cómo complementa o diversifica el fondo su propia diligencia? ¿Existe algún peligro particular de correlación con este fondo?
Finalmente, y este es un tema importante: ¿Cómo se compara el líder con su punto de relato?
Todo lo que se ha dicho antaño puede ilustrarse con lo que los líderes están haciendo en relación con su punto de relato. Gracias a las capacidades de procesamiento de información de la IA, los gerentes pueden evaluar su desempeño contra el punto de relato en cualquier momento, libres pero conscientes de cambiar ese desempeño.
Estos pocos ejemplos muestran que si estamos muy remotamente de creer en la IA para «adivinar» el precio de un activo, parecería desafortunado no utilizar las capacidades extraordinarias de la IA para compartir a los activos.
El mundo difícil en el que nos adentramos requiere el uso de diferentes herramientas y métodos. En los próximos meses, creo que veremos una diferencia muy clara entre los que usan IA y los demás, se sentirá en el rendimiento y en los flujos de cobro.
