Un dels primers sectors a identificar el potencial de la onada d’intel·ligència artificial generativa ha estat el sector financer. Poques setmanes després del llançament de ChatGPT, el gegant Bloomberg – líder mundial de software d’informació financera i propietat de l’exalcalde de Nova York, Michael Bloomberg – va anunciar que estava preparant BloombergGPT, una derivada d’aquest sistema d’intel·ligència artificial entrenat específicament amb dades financeres, amb l’objectiu d’acompanyar als inversors i gestors de fons. A aquesta proposta s’hi ha unit més recentment el gegant bancari americà JPMorgan Chase, que ha presentat IndexGPT. IndexGPT està orientat a automatitzar la feina de l’assessor financer, donant consells sobre on invertir i avaluant diferents escenaris financers a partir de la digestió de milions de noticies sectorials i llibres sobre la qüestió. Goldman Sachs, un altre dels grans bancs d’inversió globals, també té previst llançar el seu propi ChatGS, segons una filtració de la revista Fortune.
L’automatització de les decisions d’inversió no és un invent nou; de fet, a Estats Units s’estima que entre un 65% i un 70% de les transaccions borsàries són automatitzades. La diferència clau rau en la tipologia d’algorisme: mentre que fins ara es duia a terme una automatització basada sobretot en l’anàlisi tècnica, és a dir, aplicant patrons matemàtics per predir si un determinat valor pujarà o baixarà tot analitzant la probabilitat històrica quan s’han produït moviments similars, la introducció d’eines d’intel·ligència artificial generativa fa moure el focus cap a interpretacions més subjectives com notícies sectorials o l’anticipació d’esdeveniments causa-efecte més complexos. Per exemple, les intel·ligències artificials generatives entrenades amb dades financeres podrien arribar a executar una venda d’accions d’empreses turístiques quan apareix una notícia relacionada amb un brot de Coronavirus, considerant que un pitjor rendiment financer del sector turístic és una conseqüència possible a aquest esdeveniment, encara que l’anàlisi tècnica de les accions (el patró matemàtic que dibuixen i les probabilitats estadístiques de que baixin a partir d’aquest patró) no aconselli vendre.
Un horitzó financer altament automatitzat podria accentuar alguns dels problemes que ja estem vivint. Les empreses cotitzades presenten resultats trimestralment, i aquests resultats ja a dia d’avui són analitzats per algorismes: si el creixement de facturació és inferior al previst, s’executa una venda d’accions. Si baixa lleugerament la retenció de clients respecte el trimestre anterior, venda d’accions. Si creix ràpidament la quota de mercat, compra d’accions. El problema, com s’ha vist especialment en anys de pandèmia, és que la unitat temporal d’un trimestre no sol ser gaire representativa de la solidesa de les empreses a llarg termini. Per exemple, durant la pandèmia vam veure com companyies com Netflix van créixer espectacularment en resultats trimestrals, però post-Covid van retornar als nivells previs. Aquestes fluctuacions van provocar compres massives d’accions (amb les subseqüents bombolles de valor) i posteriorment vendes històriques amb caigudes de valor de doble dígit. Un fenomen similar ha viscut el fabricant de targetes gràfiques Nvidia, que va créixer espectacularment quan els resultats trimestrals eren bons degut a l’auge de les criptomonedes, per posteriorment desplomar-se amb la punxada del Bitcoin i ara ressorgir fortament amb el creixement de les intel·ligències artificials, que requereixen potencia gràfica per executar-se.
Un escenari d’alta volatilitat als mercats financers no afavoreix a ningú. Els projectes sòlids no s’executen en un trimestre, requereixen visió a llarg termini i sovint hipotecar els resultats a curt termini per avançar. Sembla complicat que la intel·ligència artificial generativa pugui tenir major sensibilitat que els gestors humans en comprendre els projectes corporatius a llarg termini i apostar per una visió de negoci més enllà d’unes ràtios o probabilitats. En aquest escenari, el perill és que el mercat premiï els gestors sense projecte, més enfocats a munyir els resultats trimestrals que no a picar pedra per continuar essent competitius la dècada següent. Serem capaços de fer entendre aquesta dicotomia als gestors bursàtils basats en GPT?
