Bridgewater quiere construir un inversor artificial: Dentro de AIA Labs y el futuro de la inteligencia en inversiones

Bridgewater quiere construir un inversor artificial: Dentro de AIA Labs y el futuro de la inteligencia en inversiones

Bridgewater Associates está llevando la inteligencia artificial más profundamente al mundo de las inversiones institucionales. A través de AIA Labs, el fondo de cobertura está intentando algo considerablemente más ambicioso que construir otro asistente de investigación con IA: quiere crear un inversor artificial capaz de igualar —y eventualmente superar— a los inversores humanos expertos en todo el proceso de inversión.

La inteligencia artificial está entrando rápidamente en la gestión de activos, pero Bridgewater Associates está llevando el concepto mucho más allá de los resúmenes de investigación automatizados, los chatbots financieros o los modelos cuantitativos convencionales.

A través de su unidad dedicada de investigación e inversión en inteligencia artificial, AIA Labs, Bridgewater afirma que está construyendo un inversor artificial diseñado para realizar la gama de actividades tradicionalmente llevadas a cabo por inversores profesionales.

El objetivo es ambicioso: desarrollar un sistema de IA capaz de igualar o superar el desempeño humano experto en investigación de inversiones y, en última instancia, usar la inteligencia artificial para transformar la forma en que se gestiona el capital.

La iniciativa está siendo liderada por el Co-CIO de Bridgewater, Greg Jensen, y se basa en algo que el fondo de cobertura ha estado desarrollando durante décadas: la representación sistemática de cómo funcionan las economías y los mercados financieros.

Pero la IA generativa y el aprendizaje automático moderno podrían permitir a Bridgewater llevar esa filosofía a una escala completamente diferente.

De la inversión cuantitativa a los inversores artificiales

La inversión cuantitativa no es nada nuevo.

Los fondos de cobertura han pasado décadas desarrollando modelos estadísticos capaces de identificar relaciones entre variables económicas, valores y precios de mercado.

El propio Bridgewater ha seguido durante mucho tiempo un enfoque sistemático para la inversión macro, traduciendo relaciones económicas y principios de inversión en reglas que las computadoras pueden aplicar de manera consistente.

Sin embargo, AIA Labs argumenta que los sistemas cuantitativos tradicionales enfrentan una limitación importante.

Los mercados están impulsados por una enorme cantidad de relaciones causales interconectadas que involucran el crecimiento económico, la inflación, la política monetaria, la política, el posicionamiento de los inversores y el comportamiento humano.

Los modelos estadísticos pueden identificar patrones en datos históricos, pero los patrones por sí solos no necesariamente explican por qué sucede algo.

Bridgewater cree que la IA moderna crea una oportunidad para pasar de sistemas que aplican principalmente relaciones predefinidas a máquinas capaces de razonar sobre esas relaciones por sí mismas.

La distinción es fundamental.

El objetivo ya no es simplemente construir un mejor modelo cuantitativo.

Es construir algo más cercano a un analista de inversiones artificial —y eventualmente a un inversor artificial.

Por qué Bridgewater cree que los mercados son la prueba definitiva para la IA

Una de las ideas más interesantes detrás de AIA Labs es la visión de Bridgewater sobre los mercados financieros en sí mismos.

La firma describe los mercados como un punto de referencia extraordinariamente difícil para la inteligencia artificial porque procesan continuamente enormes cantidades de información generada por millones de participantes.

A diferencia de un juego como el ajedrez o el Go, los mercados no pueden simplemente resolverse memorizando suficientes situaciones históricas.

Los regímenes económicos cambian. Los gobiernos cambian políticas. Emergen tecnologías. Comienzan guerras. Ocurren crisis financieras. La psicología de los inversores cambia.

Las relaciones que funcionaron históricamente pueden dejar de funcionar de repente.

Un sistema de inversión con IA, por lo tanto, necesita más que reconocimiento de patrones. Necesita cierta capacidad para razonar sobre causa y efecto en entornos que nunca antes ha encontrado.

Bridgewater cree que esto convierte a los mercados en una de las pruebas más exigentes posibles para la inteligencia artificial avanzada.

Razonamiento causal en lugar de simple reconocimiento de patrones

Este es quizás el elemento más importante de la filosofía de AIA.

Gran parte del aprendizaje automático moderno es extraordinariamente efectivo cuando existen grandes cantidades de datos históricos relevantes.

Los mercados financieros presentan un problema diferente. Puede haber cientos de recesiones en conjuntos de datos históricos, pero muy pocas situaciones que se parezcan precisamente a una combinación particular de inflación, inversión en inteligencia artificial, fragmentación geopolítica, expansión fiscal y política monetaria.

El futuro rara vez reproduce el pasado perfectamente.

Por lo tanto, AIA Labs pone un énfasis considerable en el razonamiento causal.

En lugar de preguntar solo qué sucedió históricamente cuando una variable particular se movió, un inversor artificial debería intentar entender por qué la variable es importante y a través de qué mecanismos podría influir en los precios de los activos.

Considere la inflación. Un sistema puramente estadístico podría descubrir que ciertos activos históricamente tuvieron un buen desempeño durante períodos inflacionarios. Un sistema de inversión causal intentaría ir más allá: entender qué está generando la inflación, cómo es probable que respondan los bancos centrales, cómo las tasas de interés afectan los flujos de efectivo y las valoraciones corporativas, cómo reaccionan las monedas y cómo están posicionados los inversores.

Eso se asemeja mucho más al proceso de razonamiento de un inversor macro que al reconocimiento de patrones cuantitativos convencionales.

Bridgewater ya tiene algo que las empresas de IA no tienen

Bridgewater también entra en la carrera de la IA con una ventaja inusual.

AIA Labs no comienza con una base de datos vacía. La firma dice que el proyecto puede recurrir a aproximadamente cinco décadas de investigación sistemática de inversiones acumulada por Bridgewater.

Eso incluye datos macroeconómicos y financieros que cubren las principales economías y largos períodos de historia, así como un cuerpo de investigación propio que describe un razonamiento explícito sobre cómo se comportan las economías y los mercados.

Esto podría ser particularmente importante en la IA financiera. Los modelos de lenguaje grandes disponibles para todos pueden commoditizar rápidamente la investigación financiera básica. Si miles de inversores pueden pedir esencialmente al mismo modelo que analice el mismo informe de ganancias, la ventaja de información potencialmente desaparece.

Por lo tanto, el alfa de inversión tendría que provenir de algo diferente: datos propietarios, razonamiento superior, mejor entrenamiento, modelos especializados o un marco de inversión único.

Bridgewater potencialmente posee los cuatro.

Su ventaja competitiva puede provenir, por lo tanto, no de tener acceso a la IA, sino de combinar la IA con décadas de conocimiento institucional de inversiones no disponible para los modelos de propósito general.

La IA ya está gestionando capital real

AIA Labs también está intentando distinguirse de los proyectos de investigación de IA construidos en torno a puntos de referencia teóricos.

Bridgewater dice que sus sistemas ya han sido desplegados con capital real y actualmente gestionan miles de millones de dólares mientras generan alfa.

Eso representa una diferencia importante entre la IA financiera y muchas otras aplicaciones de inteligencia artificial.

Un modelo de IA puede lograr resultados impresionantes en un punto de referencia sin necesariamente producir resultados económicamente útiles en los mercados en vivo.

Los mercados se adaptan constantemente. Una vez que los inversores descubren una relación explotable, el capital se mueve hacia ella y la oportunidad puede desaparecer.

Por lo tanto, Bridgewater argumenta que el verdadero punto de referencia para un inversor artificial no es un conjunto de datos estático. Es el mercado mismo.

Cada pronóstico, posición y movimiento del mercado genera nueva información sobre si el razonamiento del sistema fue correcto.

En este marco, el despliegue se convierte en parte del proceso de aprendizaje.

El pronosticador AIA

Uno de los proyectos que surge del laboratorio es el pronosticador AIA.

El sistema está diseñado para hacer predicciones sobre eventos donde pueden no existir grandes conjuntos de datos históricos y donde el razonamiento sobre información no estructurada se vuelve particularmente importante.

Bridgewater informó en su trabajo técnico que el sistema logró un desempeño de pronóstico comparable con pronosticadores humanos expertos a escala y superó las líneas base anteriores de modelos de lenguaje grandes.

Esto es significativo porque muchas preguntas importantes de inversión no pueden responderse mediante backtesting histórico convencional.

¿Qué hará un gobierno después de un shock geopolítico sin precedentes? ¿Cómo responderán los formuladores de políticas a una nueva tecnología? ¿Qué probabilidad deberían asignar los inversores a un evento político o económico particular?

Estas preguntas requieren juicio. Automatizar ese juicio es considerablemente más difícil que automatizar el análisis de datos.

Conozca a PAT: el analista de bolsillo de IA de Bridgewater

Otro ejemplo práctico es la herramienta Pocket Analyst Tool de Bridgewater, o PAT.

PAT está diseñado para automatizar partes del proceso de investigación exploratoria llevado a cabo por profesionales de inversiones.

Según Bridgewater, el sistema puede comprimir horas de investigación de inversiones exploratoria en minutos.

Combina modelos de lenguaje grandes con flujos de trabajo agentes, infraestructura de software y el conocimiento de inversión codificado existente de Bridgewater.

El concepto ilustra cómo la IA puede transformar inicialmente las firmas de inversión. En lugar de reemplazar inmediatamente a los gestores de cartera, los sistemas de IA pueden aumentar dramáticamente la cantidad de análisis que cada inversor puede realizar.

Un analista que anteriormente investigaba cinco preguntas podría investigar cincuenta. Un gestor de cartera podría potencialmente probar explicaciones competidoras para los movimientos del mercado casi instantáneamente.

Por lo tanto, el recurso escaso cambia del acceso a la información hacia la capacidad de formular las preguntas correctas y distinguir conclusiones significativas del ruido.

Los inversores humanos siguen siendo parte de la arquitectura

A pesar de la ambición de crear un inversor artificial, Bridgewater no está describiendo actualmente un mundo en el que los humanos simplemente desaparezcan del proceso de inversión.

AIA Labs trabaja estrechamente con la estrategia insignia Pure Alpha de Bridgewater. La investigación y las herramientas generadas por IA alimentan el proceso de inversión, mientras que los inversores experimentados proporcionan comentarios que pueden mejorar los sistemas artificiales.

Por lo tanto, la relación opera en ambas direcciones. La IA aumenta las capacidades de los inversores humanos. La experiencia humana ayuda a entrenar y evaluar la IA.

Bridgewater finalmente espera que la distinción entre los dos se vuelva cada vez más borrosa.

Esto puede proporcionar una imagen más realista de cómo la inteligencia artificial ingresa en la gestión institucional de activos.

El primer gran impacto puede no ser la IA reemplazando a los gestores de cartera. Puede ser gestores de cartera aumentados por IA superando a inversores que no usan sistemas comparables.

Por qué esto importa para la industria de gestión de activos

Si el enfoque de Bridgewater resulta exitoso, las consecuencias podrían extenderse mucho más allá de un fondo de cobertura.

La gestión de activos sigue siendo una industria inusualmente intensiva en humanos. Miles de analistas en todo el mundo pasan enormes cantidades de tiempo leyendo estados financieros, comunicaciones de bancos centrales, informes económicos, transcripciones de ganancias, desarrollos políticos e investigaciones.

Un sistema de inversión artificial suficientemente capaz podría procesar todos estos simultáneamente. Podría potencialmente monitorear miles de empresas, docenas de economías y millones de piezas de información sin las limitaciones cognitivas que enfrentan los analistas humanos.

Eso podría cambiar radicalmente la economía de la investigación de inversiones. Los grandes equipos de investigación pueden volverse más pequeños. Los analistas pueden supervisar cada vez más agentes de IA en lugar de recopilar información manualmente. Los gestores de cartera pueden pasar más tiempo evaluando hipótesis y construyendo carteras mientras las máquinas realizan gran parte de la investigación subyacente.

Y las firmas que poseen conjuntos de datos propietarios y décadas de conocimiento de inversión estructurado podrían ganar una ventaja sustancial.

La pregunta más grande: ¿Puede la IA realmente generar alfa sostenible?

Sin embargo, hay una enorme diferencia entre inteligencia y desempeño de inversión.

Los mercados financieros son sistemas competitivos. Si la IA hace que cada inversor sea mejor analizando información, los precios pueden simplemente incorporar información más rápido. El resultado podría ser capacidades de pronóstico mejores sin rendimientos excedentes correspondientemente más altos.

También está el peligro de convergencia. Si muchas firmas de inversión usan modelos similares entrenados en conjuntos de datos similares, pueden llegar a conclusiones similares y construir posiciones similares. Eso podría potencialmente aumentar el hacinamiento y crear nuevas formas de riesgo sistémico.

El propio Bridgewater reconoce que las herramientas de IA pueden producir resultados inexactos o defectuosos y que los sistemas de IA relativamente nuevos pueden contener errores, defectos o vulnerabilidades de seguridad.

Para los inversores institucionales que gestionan miles de millones de dólares, una alucinación sofisticada no es simplemente una respuesta incorrecta de un chatbot. Puede convertirse en una pérdida financiera.

La próxima carrera armamentista en finanzas

El surgimiento de AIA Labs apunta hacia una transformación más amplia que ya está comenzando en los mercados financieros.

La anterior carrera armamentista tecnológica en la gestión de activos giraba en torno a datos, poder de cómputo y modelos cuantitativos. La próxima puede girar en torno a inteligencia artificial propietaria capaz de razonar sobre los mercados.

En tal mundo, el acceso a un LLM de propósito general poderoso probablemente no sea suficiente. La ventaja competitiva podría provenir en cambio de combinar modelos con conjuntos de datos propietarios, conocimiento institucional, entrenamiento especializado, retroalimentación continua y despliegue en el mundo real.

Ese es precisamente el territorio que Bridgewater está intentando ocupar.

Durante décadas, la firma intentó convertir el razonamiento de los inversores en reglas sistemáticas que las computadoras pudieran ejecutar. La inteligencia artificial potencialmente revierte la ecuación. En lugar de que los humanos expliquen cada regla a la máquina, la máquina puede aprender cada vez más a razonar como el inversor.

Y el objetivo final de Bridgewater va un paso más allá. Quiere que la máquina eventualmente razone mejor que el inversor.

Si eso sucede, AIA Labs representará mucho más que otra aplicación de la IA generativa. Podría marcar un paso temprano hacia un modelo fundamentalmente diferente de gestión de activos, uno en el que algunas de las decisiones de inversión más importantes sean investigadas, razonadas y eventualmente tomadas por inteligencia artificial.