No deberíamos sorprendernos de que la inteligencia artificial (IA) supere en promedio a los analistas de acciones en la previsión de ganancias. O de que las estrategias basadas en reglas ofrezcan en promedio un mejor asesoramiento financiero que un banquero personal. Incluso antes de los recientes avances en la IA generativa, ya existían ventajas comprobadas en invertir de manera sistemática. Aunque tales técnicas quizás no encuentren las escasas acciones de primera línea o los puntos de inflexión del mercado que generan rendimientos superiores al promedio, sí tienen un valor demostrado.
Desarrollos en IA muestran que podemos ir más allá de las recomendaciones basadas en reglas. La macroeconomía, la contabilidad y la estadística son los tres pilares de la inversión. Los grandes modelos de lenguaje obtienen puntuaciones altas en exámenes avanzados de estas materias. Además, sabemos que los LLMs pueden resumir mucho más contexto y sabiduría colectiva que una persona, lo cual puede ser muy útil para estrategias macroeconómicas. Entonces, si la IA puede ayudar en la toma de decisiones financieras, ¿por qué les resulta tan difícil a los analistas o gestores de carteras aceptar este cambio?
Algunos indicios los encontramos en la obra del científico de datos César Hidalgo sobre cómo las personas juzgan a las máquinas. Cuando usamos un programa, nos enfocamos en el rendimiento de la herramienta. Cada error de predicción de este programa hará que nuestro profesional financiero pierda la confianza. En la mayoría de los casos, no importa si el algoritmo es, en promedio, mejor que el ser humano. Nuestro asesor financiero se basará en su intuición y experiencia.
La investigación de Hidalgo muestra que juzgamos la asesoría humana de manera diferente. Miramos más allá del rendimiento y consideramos las intenciones de la persona que nos asesora. Cuando nos relacionamos con un banquero privado o confiamos nuestro dinero a un administrador de fondos, asumimos una alineación con nuestros objetivos, especialmente si el contrato incluye tarifas basadas en el rendimiento. Al incorporar estas intenciones en nuestra ecuación mental, somos más tolerantes ante un mal rendimiento.
Las asesorías humanas pueden fallar más a menudo, pero aún así se consideran valiosas, especialmente cuando hay una historia que explica el resultado. En palabras de Hidalgo, esperamos racionalidad de las máquinas y humanidad de las personas.
Nos resistimos a aceptar información que contradice nuestra experiencia. En experimentos con radiólogos que usaban IA, no estaba claro cómo incorporaban las opiniones del algoritmo en sus predicciones. El trabajo tardaba más y la eficacia del diagnóstico combinado era cuestionable.
Wenn dies für Radiologen gilt, muss es noch schwieriger für jeden sein, der an den Finanzmärkten arbeitet. Die Makrostrategie könnte der schwierigste Bereich sein, in den man KI integrieren kann. Erstens, weil der Markt, ähnlich wie das Wetter, nicht stationär ist, was bedeutet, dass er nie genau gleich auf z.B. Inflations- oder Beschäftigungsdaten reagieren wird, geschweige denn auf eine mögliche Rückkehr von Donald Trump ins Weiße Haus. Außerdem hat jeder Stratege starke Anfangsüberzeugungen – oder eine "Identität" als immer optimistisch oder pessimistisch –, die sein Urteil beeinflussen. Es ist sehr schwer, den Erzählungen zu entkommen, die die Kunden von einem erwarten.
Here is the translated heading in Spanish:
Si esto es válido para los radiólogos, debe ser aún más difícil para cualquiera que trabaje en los mercados financieros. La estrategia macro podría ser el área más difícil en la que integrar la IA. Primero, porque el mercado, al igual que el clima, no es estacionario, lo que significa que nunca reaccionará de la misma manera exacta a datos de inflación o empleo, y mucho menos ante un posible regreso de Donald Trump a la Casa Blanca. Además, cada estratega tiene fuertes convicciones iniciales –o una "identidad" como siempre optimista o pesimista– que influye en su juicio. Es muy difícil escapar de las narrativas que los clientes esperan de uno.
Por último, anhelamos control. Existe una diferencia radical entre un modelo creado con una hoja de cálculo a partir de datos disponibles y, por ejemplo, ChatGPT. Basándonos en nuestra experiencia e intuición, decidimos la forma y los componentes del primero, pero no del segundo. Y en la mayoría de los casos, ni siquiera sabemos cómo el LLM llegó a una respuesta específica. Por lo tanto, es comprensible que nuestro asesor financiero se sienta incómodo utilizando una predicción que no es suya.
Es gibt einige Überlegungen, die man in Betracht ziehen sollte. Wir sollten Menschen erlauben, einige Parameter des Modells anzupassen. Mit anderen Worten, wir müssen den Fachleuten erlauben, die KI-Empfehlungen so anzunehmen, als wären sie ihre eigenen. Im besten Fall kann das Modell verbessert werden, wenn der Experte Kontext hinzufügt, der dem Modell möglicherweise nicht zugänglich ist. Das könnten private Umstände des Kunden oder andere schwer quantifizierbare Faktoren und Einschränkungen sein. Alternativ könnten wir einen Performance-Einbruch akzeptieren, wenn dadurch mehr Menschen die Erkenntnisse wegen des menschlichen Touches akzeptieren. Dies könnte ein vernünftiger Kompromiss in Bereichen wie der Vermögensverwaltungsberatung sein.
---
Hay varias consideraciones que deben tenerse en cuenta. Debemos permitir que las personas ajusten algunos parámetros del modelo. En otras palabras, debemos permitir que los profesionales adopten las recomendaciones de la IA como si fueran propias. En el mejor de los casos, el modelo puede mejorar si el experto agrega contexto que tal vez no esté disponible para el modelo. Esto puede ser debido a circunstancias privadas del cliente u otros factores y restricciones difíciles de cuantificar. Alternativamente, podríamos aceptar una disminución en el rendimiento si eso hace que más personas acepten las conclusiones debido al toque humano. Esto podría ser un compromiso razonable en áreas como la asesoría de gestión de patrimonios.
Finalmente, debemos intentar hacer que la IA sea más comprensible.
