El lanzamiento de ChatGPT y la incorporación de Bing ha dado lugar a una serie de lanzamientos de inteligencia artificial de alto perfil. Si bien el momento de precipitación de la singularidad de AGI (inteligencia general artificial) aún no está sobre nosotros, la IA generativa y estos chatbots de prueba de Turing ciertamente cambiarán el panorama en muchas industrias, incluida nuestra propia industria de finanzas e inversiones. 

Aquí analizamos las áreas dentro de las finanzas que probablemente se verán afectadas, cómo se verán afectadas, los riesgos de las mismas y dónde entran nuestros propios productos, ya sea que esos productos ya estén en el mercado o en la hoja de ruta. 

Algoritmos comerciales

La IA generativa puede ayudar a desarrollar algoritmos comerciales más avanzados mediante el análisis de grandes conjuntos de datos, el reconocimiento de patrones y la generación de predicciones o decisiones para capitalizar las ineficiencias del mercado. La forma en que los algoritmos de negociación tempranos afectaron a los mercados, esto podría conducir a un aumento de las estrategias de negociación algorítmica y de alta frecuencia, lo que podría afectar la dinámica y la liquidez del mercado. Una pregunta es si la IA generativa exacerbaría las fallas repentinas o mitigaría su gravedad. 

Otra cuestión es la composición de los "grandes conjuntos de datos", y creemos que esto irá mucho más allá de las entradas numéricas para incluir contenido lingüístico, especialmente porque la psicología del mercado depende en gran medida de los acontecimientos actuales. Nuestros propios datos, es decir, noticias y otras fuentes textuales de información, están listos para formar la base de las recomendaciones impulsadas por NLU. Ya podríamos hacerlo con algunos de nuestros clientes que están basados en algoritmos.

 

Gestión de la cartera

Las herramientas impulsadas por IA pueden optimizar las carteras de inversión mediante el análisis de datos históricos, la generación de predicciones y la recomendación de estrategias de asignación de activos. La IA generativa también puede ayudar a identificar activos no correlacionados para mejorar la gestión de riesgos a través de la diversificación. Con grandes conjuntos de datos, esta identificación puede ser particularmente complicada, especialmente para los inversores minoristas y en el hogar que no tienen un equipo que los ayude a encontrar correlaciones. La parte "generativa" estaría transformando los patrones ocluidos en un lenguaje accionable por humanos para notificar a los humanos que dos activos serían un gran par de diversificación.

 

Análisis e investigación financiera

La IA generativa puede procesar grandes cantidades de información, incluidos estados financieros, artículos de noticias e informes económicos, para generar información y recomendaciones para los inversores. Esto podría conducir a un enfoque más basado en datos para la investigación de inversiones y la toma de decisiones, incluso para los inversores tradicionales que se basaron principalmente en el "instinto" y la intuición al tomar la decisión final para apretar el gatillo de esa gran inversión.

Debido a que nuestros productos están fuertemente orientados hacia el análisis y la investigación financieros, vemos dos advertencias importantes aquí que nuestros productos podrían mejorar: las "alucinaciones" de IA y el mapeo de fuentes. Como Microsoft mostró vergonzosamente durante una demostración, la IA generativa bien puede estar a la altura de su nombre y generar resultados completamente falsos basados en datos extraídos del éter. Estos a veces se denominan alucinaciones. 

Además, debido a que la precisión es primordial en la investigación y la toma de decisiones financieras, tener acceso a las fuentes originales es fundamental. Con CityFALCON, los usuarios siempre pueden encontrar los artículos originales o los archivos de la empresa u otro material fuente para realizar una verificación final de la integridad de los datos. En nuestra industria, la precisión es casi tan importante como tener cualquier dato.

 

Análisis de los sentimientos

Otra área en la que ya tenemos un producto utilizable es el análisis de sentimientos. La IA basada en NLP puede analizar grandes volúmenes de datos de texto, como artículos de noticias, publicaciones en redes sociales y llamadas de ganancias, para medir el sentimiento de esas fuentes. Nuestro análisis de sentimiento se aplica a artículos individuales (y en realidad a nivel de cláusula), y los datos resultantes se asignan a temas y grupos de temas (incluso agregado a nivel de país). 

Nuestro enfoque utiliza métodos supervisados para garantizar que los algoritmos se mantengan encaminados, y podemos controlar la perspectiva: un problema con los enfoques no supervisados y/o de colaboración colectiva aquí es que diferentes personas tendrán diferentes sentimientos sobre el mismo evento; esto es inevitable cuando tienes compradores y vendedores en lados opuestos.

Además, debido a esa dicotomía de compra/venta, no damos una recomendación de compra/venta sino un sentimiento positivo/negativo para el artículo o tema. Creemos que este enfoque es el más sensato para nuestros usuarios, quienes pueden estar del lado de la compra o de la venta de cualquier transacción.  

 

Robo-asesores y finanzas personales

La IA generativa puede impulsar las plataformas de asesoramiento robótico, brindando asesoramiento financiero personalizado y servicios de gestión de inversiones a inversores minoristas a un costo menor que los asesores humanos tradicionales. Los servicios de asesoría robótica han estado en el mercado por un tiempo y es muy probable que aumenten sus enfoques actuales con cada nueva iteración de la tecnología de IA. También necesitan los datos para asesorarlos, algunos de los cuales podrían ser noticias, presentaciones e informes de la empresa, que podríamos proporcionar a través de nuestra API, una hermosa red automatizada de flujos de datos.

 

Gestión de riesgos

Con su fortaleza central de analizar grandes cantidades de datos (¿ya se ha establecido el motivo?), Los modelos de IA pueden ayudar a evaluar y administrar el riesgo de manera más efectiva al identificar patrones y predecir posibles pérdidas o incumplimientos. Por supuesto, esta área está lista para la discriminación algorítmica y es muy probable que las regulaciones controlen estrictamente cómo se pueden usar los algoritmos, algún día, ya que hasta ahora los gobiernos han estado muy atrasados en la regulación de nuevas tecnologías. La diversificación antes mencionada podría ser la gestión de riesgos para personas (e incluso equipos corporativos internos), en función de los números. y información de texto procesada a través de NLU.

 

Cumplimiento normativo

La IA generativa puede ayudar a las instituciones financieras a automatizar las tareas de cumplimiento, como la presentación de informes, en función de los formularios y estructuras que dichas instituciones ya tienen. Regtech es un espacio popular para nuevas empresas y esperamos que esta área solo crezca. Esto es tangencial para nosotros, pero podríamos ayudar a proporcionar algunos de los informes y noticias para complementar el uso de las tecnologías de registro de datos existentes.

 

CHATBOTS

Un tipo específico de IA generativa (actualmente muy promocionada), los chatbots, pueden desempeñar un papel valioso en los mercados financieros a través de una multitud de aplicaciones.

 

Atención al cliente

Los chatbots pueden manejar consultas de clientes de rutina y tareas de soporte, como verificaciones de saldo de cuenta, historial de transacciones y restablecimiento de contraseña. Poner todo esto en un solo lugar y accesible a través de una sola oración es el verdadero valor agregado, ya que incluso los bancos de la vieja escuela han automatizado esto de una forma u otra para 2023. 

Para nuestro propio chatbot, los usuarios pueden verificar el sentimiento de su lista de observación, encontrar precios para sus activos observados, consultar tablas de métricas financieras y solicitar la presentaciones de fuentes originales todo en una sola ventana. Con un componente de voz, esto podría volverse tan fácil como hablar. Esto no solo mejora la experiencia del usuario, sino que también podría ayudar a los usuarios a procesar la información en conocimiento de una manera nueva e iluminar ideas de inversión previamente ocultas.

 

Educación financiera

Una parte de la misión de CityFALCON es educar a los usuarios sobre los mercados financieros. Nuestro blog puede hacer esto para temas más complejos, y el chatbot de CItyFALCON podría brindar más información sobre productos, estrategias de inversión y tendencias del mercado. Esto puede ayudar a aumentar la educación financiera y empoderar a los usuarios para que tomen decisiones informadas sobre sus inversiones. Por supuesto, un riesgo importante son las malas recomendaciones, y siempre presionaremos a los usuarios para que verifiquen sus estrategias: no estamos pasando de NLP y NLU a robo-asesoramiento solo porque tenemos un chatbot.

 

Asesoramiento personalizado

Si bien actualmente no hacemos recomendaciones, otras empresas pueden usar chatbots para ofrecer asesoramiento financiero personalizado en función de los objetivos financieros, la tolerancia al riesgo y las preferencias de inversión del usuario. Al aprovechar los algoritmos impulsados por IA, los chatbots pueden recomendar estrategias de inversión personalizadas, lo que ayuda a los usuarios a crear y administrar sus carteras de manera más efectiva. Esto sería particularmente útil para que los asesores robóticos expliquen la asignación de activos y reciban comentarios en tiempo real de sus usuarios, un potencial intrigante para los bucles de comentarios basados en NLU de chatbot a usuario y viceversa.

 

Noticias y análisis del mercado.

Por el contrario, nosotros son en el negocio de proporcionar a los usuarios noticias, actualizaciones y análisis del mercado en tiempo real. Los usuarios pueden recibir información relevante sobre acciones, bonos u otros instrumentos financieros directamente en el chatbot. Visualizamos nuestro chatbot permitiendo que un usuario interactúe con nuestra plataforma y cualquier dato que ya exista, lo que significa no solo noticias sino Documentos corporativos, el sentimiento e incluso elementos como los activos de tendencia se pueden entender dentro del chatbot CityFALCON.

 

Negociación y ejecución

En algún momento, podemos integrarnos con corredores para permitir el comercio desde CityFALCON, y nuestro chatbot podría permitir a los usuarios ejecutar intercambios directamente a través de la interfaz de chat. Por supuesto, es muy probable que los corredores tengan sus propios chatbots que también ayudarán a los usuarios en este sentido. El procesamiento NLU de las entradas de los usuarios sería absolutamente crítico aquí, porque los intercambios de dedos gordos basados en chatbots serían catastróficos para la reputación de los intermediarios.

 

RIESGOS Y CONTRAMEDIDAS

Si bien la IA generativa y los chatbots ofrecen varios beneficios potenciales, persisten riesgos importantes y es probable que surjan otros nuevos. Estos incluyen preocupaciones sobre la privacidad de los datos (¿de quién son los datos que se utilizan como fuente y se filtrarán?), sesgo y discriminación algorítmicos, infracción de derechos de autor y crédito robado, mayor volatilidad del mercado (especialmente si esos colapsos repentinos empeoran) y el potencial de inteligencia artificial. generó manipulación del mercado. Además, a medida que avanzan los sistemas de IA, el panorama regulatorio deberá adaptarse para abordar estos desafíos emergentes y hacerlo en un entorno de cambio acelerado.

Otra área de preocupación son los usuarios que no cuestionan, que pueden comenzar a aceptar cualquier respuesta de chatbot como infalible. (Un problema aparte sería la falta total de confianza debido a errores y alucinaciones de alto perfil). Esto aumenta enormemente las apuestas para cualquiera que implemente un chatbot en el espacio financiero. Imagine la pesadilla legal para la empresa cuyo chatbot dice "compre acciones S al precio P" y una gran cantidad de inversores minoristas se queman. Un pequeño descargo de responsabilidad "esto es solo para fines educativos" puede no satisfacer a los tribunales si el mensaje corporativo claro es "u. Esta es una de las principales razones por las que estamos adoptando un enfoque de aprendizaje supervisado, aunque los esfuerzos son mayores que los enfoques no supervisados y no estamos haciendo recomendaciones sino la base de información para tomar tales decisiones.

El enfoque supervisado también nos permitirá rectificar el sesgo antes, ya que podemos estar atentos y volver a entrenar los modelos cada vez que el sesgo comience a aparecer. está, para ser claro, mucho menos regulado que los que se ocupan de los pagos, transacciones y flujos de capital reales).

En general, la IA generativa, las aplicaciones NLU y los chatbots tienen el potencial de mejorar las experiencias de los usuarios, agilizar las operaciones y mejorar la entrega de contenido financiero para los usuarios, ya sean empresas o minoristas. También es probable que planteen muchos desafíos para los reguladores y quienes implementan las tecnologías, y estamos preparados no solo para brindar los servicios demandados, sino también para mitigar los riesgos con aprendizaje supervisado y ser conscientes de esos riesgos desde el principio.