La inteligencia artificial (IA) ha ido más allá de las meras promesas y está dando forma a la industria de gestión de activos, tanto en estrategias cuantitativas como en investigación y apoyo a la toma de decisiones para gestores discrecionales.

Las herramientas de aprendizaje automático y los modelos generativos ya están capturando datos, monitoreando riesgos, automatizando análisis y aumentando la productividad de equipos que, hasta hace poco, trabajaban manualmente.

Para entender qué funciona ya, qué sigue siendo un tema de moda y cómo es probable que se intensifique la competencia, NeoFeed habló con Ernest P. Chan, autoridad mundial en comercio cuantitativo y la aplicación de IA en las finanzas.

"Hoy en día, la mayoría de los directivos ya han trabajado con IA de alguna manera y ya la están aplicando. Y la industria se volverá cada vez más competitiva a medida que todos adopten estas herramientas", afirma.

Chan es el fundador y director científico de PredictNow.ai, una plataforma centrada en la optimización adaptativa de carteras, y presidente no ejecutivo de QTS Capital Management. También ha trabajado en Morgan Stanley, Credit Suisse, IBM Research y el fondo de cobertura Millennium.

Autor de una trilogía que se ha convertido en lectura obligatoria en los escritorios cuantitativos, Chan acaba de publicar, en asociación con Hamlet Jesse Medina Ruiz, el libro Generative AI for Trading and Asset Management , en el que muestra cómo la nueva ola de modelos generativos puede respaldar todo, desde tareas operativas hasta la construcción de señales de mercado sofisticadas.

Chan llegó a Brasil el año pasado por invitación de Itaú Asset para participar en el Quant AI Challenge, una competencia universitaria que reúne a más de 2500 estudiantes. En esta entrevista, explica cómo la IA está transformando el sector, por qué los datos alternativos aún presentan limitaciones y cuál será el papel de los gestores humanos en un mercado cada vez más automatizado.

A continuación se presentan los principales extractos:

La gestión cuantitativa existe desde hace mucho tiempo. ¿Cuándo empezó a ganar terreno la IA en el sector?
Llevo intentando usar la IA en finanzas desde 1997, cuando trabajaba en Morgan Stanley. Pero hubo un largo "invierno de la IA", en el que las técnicas simplemente no funcionaron de forma consistente. Durante muchos años, hablar de redes neuronales en el mercado generó un rechazo casi total. Yo mismo abandoné el tema por un tiempo. Solo a partir de 2019 volví a considerar seriamente la IA. Y entonces, sí, empezamos a ver resultados prácticos. En otras palabras, la gestión de activos también pasó por este ciclo: una larga fase en la que la IA era más una aspiración que una realidad y, recientemente, un período de rápida maduración.

“La gestión de recursos también ha pasado por este ciclo: una larga fase en la que la IA fue más una aspiración que una realidad y, más recientemente, un período de rápida maduración”.

Hoy en día, ¿en qué partes del proceso la IA ya aporta una ventaja concreta?
 El uso más obvio es la gestión de riesgos. Si la IA indica un riesgo alto y se equivoca, solo se pierde una oportunidad. No quiebra el fondo. Es un ámbito donde el error es más tolerable. Otro uso importante es como asistente de investigación. La IA monitorea noticias, investigaciones, eventos legales y variaciones relevantes, y entrega esta información de forma organizada al gestor, algo difícil de hacer manualmente. También se utiliza en la optimización de la asignación.

¿Cómo funciona esto?
Existe la optimización adaptativa de carteras. En lugar de replicar una asignación estática basada en el pasado, la IA ajusta la cartera al contexto actual: competencia entre empresas, cambios tecnológicos, el entorno macroeconómico. No se trata de apuestas extremas, sino de ajustes continuos que mejoran el proceso. Sin embargo, el uso de la IA para generar señales y decidir operaciones requería resultados muy sólidos y, durante mucho tiempo, fue poco común. Hoy en día, vemos éxito, especialmente en horizontes a corto plazo, como el trading de alta frecuencia . Sigue siendo un desafío, pero ya no es una anomalía.

En términos de adopción, ¿dónde nos encontramos hoy a nivel mundial?
Diría que la mayoría de los fondos cuantitativos con más de 100 millones de dólares ya utilizan la IA de alguna manera. Pocos son fondos totalmente autónomos, pero las iniciativas internas son prácticamente universales. Es raro encontrar a alguien que diga: «No uso la IA para nada».

¿Y qué pasa con la gestión discrecional?
La IA se ha convertido en una herramienta de apoyo muy potente: resume información, genera ideas, monitoriza eventos y gestiona el riesgo. Sin embargo, en general, no toma la decisión final. En los fondos cuantitativos , sin embargo, sí la toma. La IA ya puede generar señales, definir posiciones y ponderar la cartera.

Generalmente, no toma la decisión final. En los fondos cuantitativos , sí. La IA ya puede generar señales, definir posiciones y ponderar la cartera.

¿Se ha extendido esto ya a las estrategias macro y a los activos menos líquidos?
Sí. Muchos gestores discrecionales recurren a nosotros para crear modelos de pronóstico macroeconómico: inflación, actividad, indicadores de confianza. Pronosticar macroeconomía es, en cierto modo, más fácil que pronosticar precios de acciones, porque su funcionamiento no afecta el resultado. La IA funciona como un "oráculo" macroeconómico que informa las decisiones humanas.

¿Qué tipo de datos nuevos ha aportado la IA?
El primer paso fue aprovechar cantidades masivas de datos estructurados que antes eran difíciles de usar. Por ejemplo, millones de registros de tarjetas de crédito. La IA puede transformarlos en información útil sobre el consumo. Luego viene el texto: discursos de bancos centrales, comunicados de prensa, conferencias telefónicas . La IA lee, resume y extrae información que genera precios. Y el siguiente nivel son los datos no estructurados, como imágenes y el clima, con satélites que monitorean puertos, cultivos y fábricas; mapas de huracanes y evaluaciones de riesgo para refinerías. Sin embargo, este uso aún está restringido a las grandes empresas porque requiere investigación costosa con resultados inciertos.

¿Más datos siempre significan mejores modelos?
 Para un gestor discrecional, sí, porque cualquier dato relevante hoy en día ayuda. Para los modelos cuantitativos, no necesariamente. El obstáculo reside en los datos históricos y la consistencia. Muchos conjuntos de datos alternativos son caros y tienen series cortas. Si el proveedor cambia el método de recopilación a mitad del proceso, los datos pueden resultar inutilizables para las pruebas retrospectivas . Por lo tanto, a pesar del entusiasmo, una gran parte de estos conjuntos de datos aún no es adecuada para modelos cuantitativos robustos.

¿Pueden la IA y los nuevos datos ayudar a los gestores a superar el índice en mercados líquidos?
 Pueden, pero depende del horizonte temporal. Si dices que "los gestores no superan al mercado", intenta repetirlo con empresas de alta frecuencia como Hudson River Trading o XTX. Estas sí superan las estrategias de compra y retención en plazos cortos. En plazos más largos, la IA ayuda gradualmente: mejores pronósticos macroeconómicos, mejor optimización, mejor gestión del riesgo. Esto no garantiza un rendimiento superior al de los índices de forma constante, pero mejora el proceso y la rentabilidad ajustada al riesgo.

Si dices que los gestores de activos no superan al mercado, intenta decírselo a las firmas de trading de alta frecuencia . Sí superan las estrategias de compra y retención en periodos de corto plazo.

¿Veremos también comercio totalmente autónomo en horizontes temporales largos?
Creo que sí. En frecuencias altas, esto ya es una realidad. Pero existe el factor de competencia. Si todos tienen modelos potentes, el alfa desaparece rápidamente. El mercado se vuelve tan eficiente que la ventaja recae en quienes mejor gestionan el riesgo. Y existe el riesgo de aglomeración. Si todos detectan el mismo evento —un huracán en Texas, por ejemplo— y reaccionan de la misma manera, el beneficio disminuye. Aun así, todos seguirán usando IA, porque cuando alguien se rinde, surgen nuevas oportunidades.

¿Es caro construir modelos internamente? ¿Vale la pena?
 En realidad, no. No es necesario crear algoritmos desde cero. Google, OpenAI y otras empresas ya proporcionan las bases. El verdadero coste reside en contratar a personas que sepan aplicar la IA a los datos financieros. Y, a menudo, es más rentable contar con alguien del sector financiero que haya aprendido IA que con un ingeniero de una gran empresa tecnológica que nunca haya trabajado con mercados. No recomiendo comprar soluciones genéricas y caras. Lo que realmente funciona suele estar disponible gratis. La diferencia radica en la personalización interna.

¿La IA hará que el sector tenga menos activos y reducirá los costos?
 Aumenta la productividad, especialmente para los equipos de tecnología, pero no reduce drásticamente los costos estructurales. Su mayor beneficio reside en un mejor ratio de Sharpe , no en los gastos operativos. Para la mayoría de los fondos, la IA no reemplaza la infraestructura pesada. Mejora los procesos.

¿Y qué pasa con el empleo?
 Las funciones operativas y las tareas mecánicas de TI podrían disminuir. La IA genera código, automatiza rutinas y reduce los pasos repetitivos. Pero no veo una disminución en la demanda de gestores de cartera. La IA responde preguntas. Los humanos formulan preguntas. La IA no decide, por sí sola, a qué mercado dirigirse ni qué estrategia crear. Eso sigue siendo una tarea humana.

¿Esto crea una guerra por el talento?
 Sí. Pero lo curioso es que, hoy en día, una gran empresa tecnológica paga a los especialistas en IA mejor que Wall Street. Por lo tanto, el sector financiero está entre tres y cinco años por detrás del tecnológico en cuanto a la sofisticación de sus herramientas.

¿Qué consejo le daría a los directivos brasileños que comienzan a trabajar con IA?
Empiece con aplicaciones de bajo riesgo y bajo coste: resumen de datos, gestión de riesgos, investigación. Pruebe, aprenda, amplíe. No espere a encontrar la aplicación perfecta para actuar. La IA es práctica, no teoría.

¿Cómo será la industria dentro de diez años?
La IA estará presente en todas las etapas de la gestión. Algunos fondos ya contarán con la IA como principal responsable de la toma de decisiones. Otros, como copiloto avanzado. La competencia se intensificará aún más porque todos tendrán acceso a las mismas herramientas. El factor diferenciador seguirá siendo el ser humano: quien haga las preguntas correctas.