Bond Voyage

Leggi questo articolo per scoprire:

• in che modo l'IA sta influenzando il ruolo dell'analista di ricerca;
• quali sono i suoi limiti;
• se l'interazione umana continua ad avere valore.
   

"In futuro avremo ancora bisogno degli analisti di ricerca?" 

Questa è una domanda sempre più frequente nel nostro settore.

E più che legittima considerati i progressi dell'intelligenza artificiale (IA). Gli analisti finanziari figurano costantemente tra le professioni più esposte alle tecnologie di IA. Secondo una recente indagine della società di ricerca Focaldata, il settore finanziario e assicurativo si colloca al secondo posto, dietro soltanto a quello tecnologico, tra i comparti che stanno registrando i maggiori guadagni di produttività grazie all'IA (cfr. figura 1).¹
 

L'IA sta già aiutando gli analisti a raccogliere informazioni, sintetizzare documenti, redigere report e persino costruire componenti di modelli finanziari. Se le macchine sono sempre più in grado di svolgere molte di queste attività, cosa ci riserva il futuro?

Sebbene la questione abbia alimentato un ampio dibattito, per noi la risposta è chiara: mentre altri possono considerare la ricerca un costo da gestire, noi la consideriamo una fonte di vantaggio competitivo negli investimenti. Decisioni d'investimento di elevata qualità dipendono da una ricerca di elevata qualità e l'IA non ha cambiato questa convinzione.

La ricerca non consiste soltanto nella raccolta di informazioni

La storia mostra come il ruolo dell'analista di ricerca si sia evoluto nel tempo. Ci fu un'epoca in cui il semplice accesso a informazioni aziendali affidabili rappresentava di per sé un vantaggio competitivo. La tecnologia ha trasformato l'accesso ai dati, spostando la sfida dalla raccolta alla loro organizzazione. Con l'esplosione delle informazioni disponibili, il lavoro si è progressivamente concentrato sul filtraggio, la sintesi e la definizione delle priorità all'interno di un volume sempre crescente di notizie, dati e commenti. L'IA rappresenta semplicemente l'ultimo capitolo di questa evoluzione.

Oggi, molte attività che in passato richiedevano molto tempo possono essere completate in pochi secondi. La raccolta di informazioni, la compilazione di fogli di calcolo, la sintesi delle trascrizioni e la redazione di bozze di note di ricerca possono essere notevolmente accelerate. 

Tuttavia, queste attività non hanno mai rappresentato il fine ultimo della ricerca per gli investimenti.

Essa riguarda l'interpretazione e, soprattutto, la capacità di generare insight che conducono a decisioni d'investimento migliori. Nei mercati obbligazionari, dove i prezzi riflettono spesso una visione consensuale delle informazioni pubblicamente disponibili, la generazione di rendimenti superiori dipende sempre più dalla capacità di interpretare tali informazioni in modo diverso e di individuare i casi in cui le aspettative del mercato risultano eccessivamente ottimistiche o pessimistiche. La tecnologia può modificare il modo in cui le informazioni vengono raccolte ed elaborate, ma non elimina la necessità del giudizio umano nell'allocazione del capitale.

La modellizzazione si è semplificata

Un ambito in cui l'IA sta già modificando i comportamenti è quello della modellizzazione finanziaria. Per molti analisti, costruire un modello finanziario da zero era un vero e proprio rito di passaggio; tuttavia, il valore non risiedeva realmente nel foglio di calcolo finale. Il vero vantaggio derivava dal processo stesso. L'inserimento manuale dei numeri obbligava gli analisti a comprendere il business, metteva in evidenza le incoerenze, rivelava i principali fattori trainanti e stimolava un approfondimento della ricerca qualora i risultati non fossero stati convincenti. Aspetto ancora più importante, insegnava quali ipotesi fossero realmente determinanti. 

Oggi l'IA può automatizzare gran parte di questo processo, il che non è necessariamente negativo. L'opportunità risiede nell'investire il tempo recuperato in attività più utili e redditizie, come valutare scenari futuri, sottoporre le ipotesi a stress test e individuare i fattori che genereranno effettivamente rendimenti.

Man mano che la tecnologia assume un ruolo sempre importante negli aspetti meccanici della modellizzazione, le società di investimento dovranno riflettere attentamente su come continuare a sviluppare quelle capacità analitiche nella nuova generazione di ricercatori.

L'eloquenza non va confusa con la capacità di generare insight

L'impatto dell'IA sul pensiero è forse più evidente nella scrittura. I moderni strumenti di IA sono in grado di redigere contenuti spesso coesi, persuasivi e molto curati. Tuttavia, il problema è che l'eloquenza non va confusa con la capacità di generare insight. 

Storicamente, la scrittura è stata uno degli strumenti più efficaci per gli analisti per verificare la solidità del proprio ragionamento. Spesso, argomentazioni apparentemente convincenti quando espresse verbalmente diventano deboli una volta trasferite su carta. 

L'atto della scrittura aiuta a chiarire le priorità, rivela lacune nella logica e mostra i punti in cui le prove portate a supporto delle proprie argomentazioni sono incomplete. Un analista che costruisce un'argomentazione ricava da tale operazione una chiara percezione delle parti solide e di quelle che, invece, necessitano di un'ulteriore elaborazione. 

I contenuti generati dall'IA possono rendere tali distinzioni meno evidenti, poiché le argomentazioni deboli vengono spesso presentate con la stessa convinzione e cura di quelle solide. Pertanto, gli analisti devono mettere in discussione e convalidare le conclusioni tratte con ancora maggior rigore, anziché presumere che una risposta ben scritta sia necessariamente anche ben argomentata.

L'interazione umana diventa ancora più preziosa

Probabilmente, l'area meno intaccata dall'IA è anche quella che sta acquisendo maggiore importanza.

La ricerca ha sempre comportato un confronto diretto con i team dirigenziali delle aziende, i responsabili delle politiche economiche sovrane, gli sponsor delle operazioni di finanza strutturata e una folta schiera di altri operatori di mercato. Tali conversazioni non servono solo a raccogliere informazioni. Gli analisti più capaci apprendono non solo da ciò che viene detto ma anche da come viene espresso o persino da ciò che viene taciuto.

Osservano sicurezza, esitazione, coerenza e credibilità; individuano le situazioni in cui i team dirigenziali appaiono a disagio; verificano le ipotesi e mettono in discussione le narrazioni prevalenti. Con il tempo, queste interazioni consentono di sviluppare la capacità di riconoscere schemi ricorrenti, favorendo una comprensione più profonda di ciò che caratterizza una buona gestione, dei segnali d'allarme realmente rilevanti e delle strategie destinate al successo o al fallimento. Questa conoscenza maturata è difficile da automatizzare.

L'IA può aiutare a prepararsi per le riunioni e a sintetizzarle. Non può, però, costruire l'esperienza che si matura attraverso migliaia di conversazioni in diversi settori, cicli economici e contesti di mercato differenti. Il valore di tale esperienza aumenta con l'aumentare del numero di attività di ricerca di routine automatizzate.

Quali capacità rimangono scarse?

Se l'IA semplifica la raccolta, l'organizzazione e la sintesi delle informazioni, il vantaggio per gli investimenti deve provenire da altrove. Le abilità che rimangono difficili da replicare sono la capacità di porre le domande giuste, interpretare prove contrastanti, mettere in discussione il consenso di mercato e, in ultima analisi, decidere quali opportunità meritino davvero l'allocazione di capitale. Si tratta di capacità che probabilmente diventeranno ancora più importanti man mano che l'accesso alle informazioni sarà sempre più democratico.

Pertanto, quando ci si chiede se in futuro avremo ancora bisogno degli analisti, forse ci si sta ponendo la domanda sbagliata. La domanda più importante è: in un mondo dove le informazioni sono sempre più abbondanti, chi è nella posizione migliore per generare insight distintivi a partire da questa enorme quantità di dati?

Le società che sapranno sviluppare, testare e applicare l'IA con attenzione saranno quelle che trarranno il massimo vantaggio dalle sue potenzialità. Quelle che, invece, confonderanno l'esposizione all'IA con l'obsolescenza delle competenze potrebbe scoprirne le conseguenze nel momento meno opportuno.

Perché gli investitori dovrebbero essere sensibili a questo tema?

La vera utilità dell'IA non risiede nel fatto che determinate attività di ricerca possano essere accelerate, ma nel modo in cui le organizzazioni sceglieranno di utilizzare la capacità aggiuntiva generata dalla tecnologia. Quelle che otterranno il maggior successo saranno quelle che la utilizzeranno non solo per redigere più report o coprire un maggior numero di emittenti, ma anche per liberare tempo da dedicare ad analisi più approfondite, a un ventaglio più ampio di opportunità e a verifiche più rigorose delle idee d'investimento. L'IA non svalorizza la ricerca, bensì alza lo standard della sua attendibilità.

Man mano che le informazioni diventano più abbondanti e gli strumenti per elaborarle più sofisticati, ciò che distinguerà un'azienda da un'altra non sarà tanto l'accesso alle informazioni quanto la qualità del giudizio umano ad esse applicato.

Quando ci si domanda se gli analisti saranno ancora necessari in futuro, spesso si guarda al loro ruolo dal punto di vista delle attività svolte, anziché dei risultati ottenuti. Molte attività specifiche cambieranno senza dubbio e alcune potrebbero addirittura sparire completamente, ma l'obiettivo sottostante rimane quello di sempre: sviluppare insight che conducono a decisioni d'investimento migliori. 

Per questo motivo, la capacità di generare insight distintivi diventerà sempre più preziosa. E, per questo motivo, è improbabile che il futuro della ricerca veda l'IA sostituire gli analisti. È molto più probabile, invece, che sarà caratterizzato da un divario sempre più evidente tra chi utilizza l'IA per rafforzare il proprio giudizio e chi si affida ad essa per sostituirlo.