La revolución de la inteligencia artificial ha llegado. Plataformas como ChatGPT han democratizado el acceso a potentes modelos de lenguaje (LLMs), cambiando la conversación sobre el futuro de la inversión y acelerando el ritmo de la evolución de los roles laborales en la industria. El futuro de la profesión de inversión está fuertemente arraigado en la colaboración cruzada entre la inteligencia artificial y humana y sus capacidades cognitivas complementarias. La introducción de la inteligencia artificial generativa (GenAI) puede señalar una nueva fase del adagio IA más IH (inteligencia humana).
El crecimiento explosivo de los datos no estructurados ha remodelado la forma en que los profesionales de la inversión piensan sobre las fuentes de información que utilizan en su proceso de inversión. En una encuesta de julio de 2023 sobre datos alternativos y no estructurados, el 55% de los profesionales de la inversión afirmaron incorporar datos no estructurados en su flujo de trabajo y el 64% indicó usar datos alternativos.
Los datos se están generando a un ritmo exponencial, y la tecnología que impulsa los algoritmos utilizados para analizarlos está creciendo igualmente rápido, abriendo nuevas oportunidades para invertir y formas innovadoras de aprovechar los datos alternativos. Estos difieren de los datos tradicionales como los estados financieros y a menudo están en forma no estructurada como PDF o artículos de noticias, lo que requiere métodos algorítmicos más sofisticados para obtener información.
El uso de datos alternativos se remonta a principios de la década de 1980 con el surgimiento de la inversión cuantitativa. Tras la adopción del análisis fundamental a mediados del siglo XX, los analistas comenzaron a buscar fuentes de datos adicionales para asegurar una ventaja competitiva. Estrategias como contar automóviles en estacionamientos para determinar el tráfico y predecir ventas se convirtieron en parte integral del proceso de generación de alfa de un fondo. La adopción de estrategias impulsadas por datos se aceleró aún más con la llegada del ordenador y el surgimiento del arbitraje estadístico y el trading algorítmico. Hoy, un analista tiene acceso a una cantidad sin precedentes de datos; la revolución digital ha llevado a un crecimiento exponencial en la generación de datos.
El procesamiento del lenguaje natural (NLP), el subcampo del aprendizaje automático (ML) que analiza nuestro lenguaje hablado y escrito y encapsula la IA (como ChatGPT), es particularmente adecuado para tratar muchos de estos conjuntos de datos alternativos y no estructurados debido al valor incorporado en las narrativas en torno a la información en los informes financieros. Ajustar estos potentes modelos en datos propietarios puede proporcionar más valor del que facilitan los modelos subyacentes de forma aislada. El ajuste fino supervisado, o el uso de datos etiquetados por humanos para entrenar modelos de lenguaje más pequeños, todavía tiene valor a pesar de las capacidades de los modelos fronterizos más grandes con pocos o ningún dato etiquetado por humanos. Para maximizar estas oportunidades, los profesionales deben familiarizarse con dónde y cuándo embarcarse en estos métodos adaptados.
En los últimos años, el campo del procesamiento del lenguaje natural ha presenciado avances notables. Por ejemplo, el surgimiento de la arquitectura de transformación aumentó drásticamente la conciencia contextual de los modelos de procesamiento de lenguaje y dio lugar a modelos fundamentales, como los ahora conocidos ChatGPT de OpenAI. Estos avances alteraron drásticamente el papel y la importancia del lenguaje NLP al usar datos alternativos.
El progreso se puede atribuir en gran medida a tres factores: el desarrollo de algoritmos más sofisticados, la disponibilidad de conjuntos de datos más extensos y diversos, y el crecimiento exponencial en la potencia computacional. Un factor importante que contribuyó al desarrollo de los algoritmos ha sido la próspera comunidad de código abierto. Investigadores y desarrolladores de todo el mundo colaboran y comparten su trabajo en plataformas en línea, facilitando el desarrollo y la difusión colectiva de herramientas, técnicas y modelos de vanguardia. Este entorno colaborativo ha acelerado el ritmo del desarrollo del lenguaje NLP, transformándolo en una poderosa herramienta capaz de desbloquear grandes y valiosas ideas a partir de vastas cantidades de datos de texto no estructurados. Como resultado, el lenguaje NLP se ha convertido en un recurso indispensable para profesionales en diversas industrias.
La combinación de avances en NLP, el aumento exponencial en la potencia informática y la próspera comunidad de código abierto ha llevado al surgimiento de modelos de inteligencia artificial generativa. La rápida adopción de la tecnología GenAI en la industria de la inversión la ha colocado en el centro de atención de todos. Estos modelos de última generación han democratizado el acceso a potentes capacidades de IA, capacitando incluso a programadores aficionados para iterar rápidamente y experimentar con nuevas ideas, transformando así las dinámicas tradicionales en torno a la elección entre comprar o construir.
Para finalizar, un área propicia para la adopción de IA y que tiene el potencial de utilizar estos métodos de adaptación es en la inversión ASG (ambiental, social y de gobernanza). Este sector de inversión aún está arraigado en complejidades que hacen que sea difícil para muchos navegar, ofreciendo el potencial de explotar sus ineficiencias para capturar rendimientos de inversión.
Fuente de TenemosNoticias.com: www.eleconomista.es
Publicado el: 2024-07-02 11:25:04
En la sección: elEconomista Mercados