Bond Voyage

Lea este artículo para comprender:

• Cómo está influyendo la IA en el papel del analista de inversiones
• ¿Qué limitaciones presenta?
• ¿Sigue teniendo valor la interacción humana?
   

“¿Seguiremos necesitando analistas de inversiones en el futuro?” 

Esta pregunta se está volviendo cada vez más habitual en nuestro sector.

Dados los avances en inteligencia artificial (IA), es una pregunta razonable. Los analistas financieros figuran sistemáticamente entre las profesiones más expuestas a las tecnologías de IA. Según una encuesta reciente de la empresa de análisis Focaldata, el sector financiero y de seguros ocupa el segundo lugar —solo por detrás del tecnológico— por haber registrado los mayores aumentos de productividad gracias a la IA (véase el gráfico 1)¹.
 

La IA ya está ayudando a los analistas a recopilar información, resumir documentos, redactar informes e incluso crear componentes de modelos financieros. Si las máquinas pueden realizar cada vez más estas tareas, ¿qué pasará después?

Aunque esa pregunta ha generado muchos debates, para nosotros está claro: puede que otros consideren los análisis un coste que se debe gestionar, pero nosotros los vemos como una fuente de ventaja en materia de inversión. Las decisiones de inversión de alta calidad dependen del análisis de alta calidad, una convicción que la IA no ha cambiado.

Los análisis no consisten solo en recopilar información

La historia muestra cómo ha evolucionado el papel del analista de inversiones. Hubo una época en la que obtener información fiable sobre una empresa ya constituía una ventaja competitiva en sí misma. La tecnología ha transformado el acceso a los datos, trasladando el reto de la recopilación a la organización. A medida que aumentaba la cantidad de información, el trabajo se centró cada vez más en filtrar, resumir y priorizar un volumen cada vez mayor de noticias, datos y comentarios. La IA no es más que el último capítulo de esa evolución.

Hoy en día, muchas tareas que antes requerían mucho tiempo pueden realizarse en cuestión de segundos. La recopilación de información, la creación de hojas de cálculo, la síntesis de transcripciones y la elaboración de los primeros borradores de notas de análisis pueden agilizarse considerablemente. 

Sin embargo, esas tareas nunca fueron el objetivo último del análisis de inversiones.

Los análisis consisten en interpretar y, fundamentalmente, en generar perspectivas que conduzcan a mejores decisiones de inversión. En los mercados de renta fija, donde los precios suelen reflejar una idea consensuada de la información disponible al público, la generación de rentabilidades superiores depende cada vez más de interpretar la información de manera diferente e identificar cuándo las expectativas del mercado pueden ser demasiado optimistas o pesimistas. La tecnología puede alterar la forma en que se recopila y procesa la información, pero no la necesidad de seguir un criterio a la hora de asignar capital.

La elaboración de modelos se ha simplificado

Un ámbito en el que la IA ya está cambiando los hábitos es la elaboración de modelos financieros. Para muchos analistas, crear un modelo desde cero era un rito de iniciación, pero el verdadero valor nunca residió en dejar terminada la hoja de cálculo, sino en completar el proceso en sí mismo. Introducir manualmente las cifras obligaba a los analistas a comprender el negocio, además de detectar incoherencias, revelar los determinantes clave y fomentar análisis más profundos cuando algo no parecía encajar. Sobre todo les enseñó cuáles eran los supuestos realmente relevantes. 

Sin embargo, ahora la IA puede automatizar gran parte de ese proceso, lo cual no es necesariamente malo, porque ofrece la oportunidad de dedicar el tiempo ganado a lo que más importa: evaluar escenarios futuros, someter a pruebas de tensión las hipótesis e identificar qué es lo que, en última instancia, impulsará la rentabilidad.

A medida que la tecnología vaya asumiendo más aspectos mecánicos de la elaboración de modelos, las empresas de inversión tendrán que pensar más detenidamente cómo pueden seguir desarrollando esos instintos analíticos en la próxima generación de profesionales.

La fluidez no es lo mismo que la perspicacia

La redacción tal vez sea el ámbito en el que más se aprecie el impacto de la IA en el pensamiento. Las herramientas modernas de IA crean contenidos que suelen ser coherentes, persuasivos y bien elaborados. Sin embargo, el problema es que fluidez no es lo mismo que perspicacia. 

Históricamente, la redacción ha sido una de las formas más eficaces que tienen los analistas para poner a prueba la solidez de su propio razonamiento, y los argumentos que parecen convincentes cuando se discuten verbalmente suelen revelar deficiencias al plasmarse en papel. 

El acto de escribir ayuda a definir mejor las prioridades, revelar lagunas en la lógica y señalar dónde siguen faltando datos. Un analista que elabora un argumento adquiere una clara percepción de qué partes de la tesis son sólidas y cuáles requieren más trabajo. 

El contenido generado por IA puede ocultar esas distinciones, dado que los argumentos débiles suelen presentarse con la misma confianza y calidad que los sólidos. Por ello, los analistas deben ser más meticulosos a la hora de cuestionar y validar las conclusiones, en lugar de dar por sentado que una respuesta bien redactada estará bien fundamentada.

La interacción humana cobra mayor valor

Quizás el ámbito menos afectado por la IA sea también el que está cobrando mayor importancia.

Los análisis siempre han implicado interactuar directamente con equipos directivos de empresas, con responsables de las políticas de países soberanos, con promotores de financiación estructurada y con una gran variedad de participantes del mercado en general. Estas conversaciones no se limitan únicamente a recopilar información. Los buenos analistas aprenden tanto de cómo se dice algo como de lo que se dice, o incluso de lo que se silencia.

Observan la seguridad, las dudas, la coherencia y la credibilidad; identifican en qué aspectos los equipos directivos parecen sentirse incómodos, ponen a prueba las hipótesis y cuestionan los argumentos. Con el tiempo, estas interacciones permiten reconocer patrones, lo que conduce a una comprensión más profunda sobre lo que es una buena gestión, las señales de alerta que importan y las estrategias que pueden tener éxito o fracasar. Ese criterio acumulado es difícil de automatizar.

La IA puede ayudar a preparar y resumir las reuniones, pero lo que no puede hacer es adquirir experiencia a través de miles de conversaciones en distintos sectores, ciclos económicos y entornos de mercado. El valor de esa experiencia aumenta a medida que se automatizan más tareas de análisis rutinarias.

¿Qué sigue siendo escaso?

Si la IA facilita la recopilación, la organización y el resumen de información, la ventaja en materia de inversión debe venir de otra parte. Las habilidades que siguen siendo difíciles de replicar son la capacidad de plantear las preguntas adecuadas, interpretar datos contradictorios, cuestionar las opiniones del consenso y, en última instancia, decidir en qué oportunidades merece la pena realmente destinar capital. Es probable que estas capacidades cobren aún más importancia a medida que se generalice el acceso a la información.

Por tanto, cuando la gente se pregunta si seguiremos necesitando analistas en el futuro, puede que estén planteando mal la cuestión. La pregunta más importante es: en un mundo en que la información es cada vez más abundante, ¿quién está mejor posicionado para generar perspectivas diferenciadas a partir de ese acervo de información?

Las empresas que eligen cuidadosamente cómo desarrollar, probar y aplicar la IA serán las que más se beneficien de sus posibilidades, mientras que aquellas que confundan la exposición a la IA con la redundancia podrían descubrir lo contrario, en el peor momento posible.

¿Debería importarles esto a los inversores?

La verdadera importancia de la IA no radica en que ciertas tareas de análisis se realicen más rápido, sino en cómo las empresas deciden utilizar la capacidad que genera esa tecnología. Las organizaciones con más éxito no se limitarán a utilizar la IA para elaborar más informes o abarcar más emisores, sino que liberarán tiempo para realizar análisis más profundos, explorar un abanico más amplio de oportunidades y someter las ideas de inversión a pruebas más rigurosas. La IA no reduce el valor de los análisis, sino que eleva el listón para lograr que sean creíbles.

A medida que la información se vuelva más abundante y las herramientas disponibles para procesarla se tornen más sofisticadas, la diferenciación provendrá menos del acceso a la información y más de la calidad del criterio humano que se le aplique.

Cuando la gente se pregunta si los analistas seguirán siendo necesarios en el futuro, a menudo se enfocan en las tareas que realizan, no en los resultados que obtienen. Sin duda, muchas tareas concretas cambiarán y puede que algunas incluso desaparezcan por completo. Sin embargo, el objetivo subyacente sigue siendo el mismo de siempre: desarrollar perspectivas que conduzcan a mejores decisiones de inversión. 

Así pues, la capacidad de generar perspectivas diferenciadas cobra cada vez más valor. Por esa razón, es improbable que el futuro de los análisis venga definido por una IA que sustituya a los analistas; es mucho más probable que venga definido por la creciente brecha entre quienes utilizan la IA para afinar su criterio y quienes recurran a ella para sustituirlo.