Hace unas semanas, una compañera con la que comparto Consejo en CFA Society Spain me comentaba que tenía creados diez agentes basados en Chat GPT, que realizan análisis fundamental partiendo de la publicación de resultados trimestrales de las compañías cotizadas que formaban su universo de inversión, además de redacción y presentación de ciertos informes, adaptados a las necesidades de la empresa para la que trabaja.
El avance en las capacidades de estos sistemas es tan asombroso que apenas tiene uno tiempo de pararse a pensar sobre amenazas y oportunidades. Si uno quiere sobrevivir en este entorno, la principal recomendación de los expertos en esta materia pasa por dedicar como mínimo una hora al día a aprender y utilizar los modelos más avanzados, y con espíritu de superación de la obsolescencia continua a la que nos enfrentaremos.
La cuestión para el profesional de la inversión ha pasado de la necesidad o no de incorporar IA agéntica a qué modelo organizativo adoptar, ante la capacidad de planificar y ejecutar tareas cada vez más complejas con un creciente nivel de autonomía. Es decir, el cambio reside en que, si en el pasado se usaba la tecnología como herramienta pasiva, ahora se convierte en un colaborador activo con capacidad para sustituir las labores de un analista junior.
Pero cuando hablamos de IA agéntica, ¿a qué nos referimos exactamente? La respuesta la encontramos en un sistema que aglutina ciertas capacidades, como la utilización de un modelo de lenguaje avanzado (LLM), acceso a sistemas o bases de datos externas, que planifica tareas con mecanismos de evaluación y corrección en un entorno de memoria estructurada.
El ahorro de tiempo, costes directos y por tanto el incremento en productividad es considerable. Es verdad que puede sustituir determinados puestos de trabajo, especialmente durante los primeros cinco años de vida profesional, pero también implicará la creación de nuevos roles en las empresas, además de que para muchos trabajadores aumentarán sus responsabilidades y funciones.
En el momento en que un agente de IA realice funciones de análisis macroeconómico, valore empresas de acuerdo a criterios específicos, sea capaz de integrar en el análisis datos alternativos, noticias, e identifique riesgos de diferente índole, permitirá al gestor de inversiones concentrarse en la interpretación estratégica y en la reflexión sobre la idoneidad de una inversión. El criterio y la capacidad de juicio no desaparecen.
Pero es que además, puede ayudar en la capacidad de supervisión de los analistas de riesgos, optimizar los procesos de cumplimiento normativo y reporting a los organismos reguladores o clientes, reduciendo mucho la carga administrativa, errores operativos y tiempos de entrega.
Es verdad que en paralelo resultará crítico implementar unos mecanismos robustos de supervisión y control humanos, sobre todo porque dada la intensidad regulatoria en la industria de los mercados financieros, la gobernanza tecnológica será indispensable.
En cualquier caso, la responsabilidad final en las inversiones y en la labor fiduciaria sobre el cliente seguirá residiendo en el gestor, quien habrá experimentado un cambio más o menos radical en su día laboral, pero cuya misión en sí, no se habrá modificado en absoluto.
La historia reciente de la digitalización financiera demuestra que la ventaja no suele estar en ser el primero en adoptar tecnología, sino en integrarla con coherencia organizativa.
La IA agéntica representa un cambio cualitativo en la forma en que las organizaciones financieras pueden estructurar su trabajo. No se trata de reemplazar profesionales, sino de ampliar su capacidad operativa mediante sistemas capaces de planificar y ejecutar tareas complejas.
