Algoritmos inteligentes...¿inversión más inteligente?

Tradicionalmente, el asesoramiento financiero lo elaboraban asesores humanos mediante la recopilación de datos, el establecimiento de objetivos y el análisis personalizado, lo que a menudo daba como resultado relaciones a largo plazo con los clientes. Ahora, las herramientas de inteligencia artificial generativa prometen gestionar todo, desde la planificación financiera hasta los ahorros para la jubilación, y se vuelven más inteligentes con el tiempo al integrar datos personales, preferencias de los usuarios y amplios conocimientos económicos.

Estas herramientas, utilizadas directamente por los inversores o en colaboración con asesores, pueden mejorar las predicciones, optimizar la eficiencia y mejorar la comunicación con los clientes. Sin embargo, a medida que el sector considera la adopción de asesoramiento financiero generado por IA, debe sopesar cuidadosamente las implicaciones.

La IA generativa es cara. Y aunque el director ejecutivo de Alphabet, Sundar Pichai, sostiene que el riesgo de invertir poco en IA supera con creces el riesgo de invertir demasiado, no todos los inversores están convencidos. La reciente caída de las acciones tecnológicas demuestra la presión que tienen las empresas relacionadas con la IA para demostrar mayores ingresos, menores costes y mayor productividad gracias a la inversión en IA. Las empresas deben evaluar y proyectar el retorno de la inversión en iniciativas de IA, asegurándose de que las inversiones en IA se traduzcan en valor tanto para la empresa como para sus clientes.

En cuanto a la seguridad de la IA, las alucinaciones siguen siendo un problema fundamental para la IA generativa. Las alucinaciones de la IA se producen cuando las herramientas de IA generativa proporcionan con seguridad información falsa o engañosa. En otras palabras, no todos los consejos financieros de la IA generativa se vuelven más inteligentes con el tiempo.

Algunas herramientas producirán pequeñas imprecisiones, como tergiversar un hecho histórico intrascendente. Otras darán como resultado información muy engañosa, como recomendar una cantidad excesiva de riesgo en la cartera de inversiones de un jubilado.

Otro problema importante en los consejos generados por IA es el sesgo. Un estudio de 2023 de más de 5000 imágenes generadas con Stable Diffusion concluyó que amplificaba los estereotipos raciales y de género. Debido a que los modelos de IA generativos deben entrenarse inherentemente con un conjunto de datos, existe el riesgo de que el sesgo en los datos de entrenamiento conduzca a un sesgo en los resultados del modelo. Más específicamente, el consejo ofrecido por el modelo de IA discriminará en su trato a individuos o grupos.

En el contexto del asesoramiento financiero, un ejemplo sería que el asesoramiento no recomendara productos de inversión atractivos y adecuados para una población históricamente desfavorecida, perpetuando así la posición de esa población. Este problema es similar a un desafío similar en el ámbito de los préstamos minoristas. Los datos históricos de formación en los modelos de crédito pueden dar lugar a la denegación reiterada de créditos a personas que sí tienen la capacidad de devolver el préstamo y que más lo necesitan.

Los beneficios potenciales de la IA en el asesoramiento financiero son demasiado grandes como para ignorarlos.

A pesar de estos desafíos, los beneficios potenciales de la IA en el asesoramiento financiero son demasiado grandes como para ignorarlos. Hay medidas que tanto los individuos como los asesores pueden adoptar para navegar este nuevo panorama de manera responsable.

En primer lugar, hay que abordar la cuestión del coste frente al valor. Los inversores individuales deberían considerar si el asesoramiento basado en IA puede aportar valor más allá de las herramientas en línea existentes o de su asesor financiero humano. En el caso de los asesores, hay que proyectar la reducción de costes y el beneficio añadido de utilizar una herramienta de IA generativa. Priorizar las iniciativas de IA, centrándose en aquellas que prometan el beneficio más significativo y tangible.

En segundo lugar, asegúrese de que haya un ser humano involucrado. Las personas nunca deben aceptar sin pensar las recomendaciones de asesoramiento financiero basado en IA. Por ejemplo, ChatGPT puede explicar conceptos financieros, pero actualmente no es adecuado para ofrecer asesoramiento financiero. Las alucinaciones son reales y los inversores deben estar atentos a ellas. Los asesores que utilizan IA deben hacer preguntas sobre cómo funciona el modelo de asesoramiento, estar atentos a los problemas y seguir educándose sobre cómo se está desarrollando la IA generativa.

En tercer lugar, tanto para los inversores individuales como para los asesores, comprueben si su aplicación de asesoramiento cuenta con medidas de seguridad para abordar los sesgos. Si bien no existe una solución sencilla que elimine los sesgos en el asesoramiento basado en IA, una sólida gobernanza de la IA, la gobernanza de los datos y el cumplimiento normativo adecuado pueden ayudar.

La gobernanza de la IA garantiza que la aplicación u organización tenga un conjunto de políticas para guiar el desarrollo de su IA, como métodos para evaluar si existen sesgos, prácticas éticas y de privacidad, y procedimientos para mantener la integridad de la información presentada por el modelo. La gobernanza de datos puede mejorar la precisión y la coherencia de los datos, controlar quién tiene acceso a ellos y trabajar para optimizar la arquitectura de los datos y del sistema para facilitar la accesibilidad.

Por último, si los asesores utilizan un modelo basado en IA para mejorar su práctica, deben confirmar si la aplicación tiene la licencia, el registro y la conformidad correspondientes. Considere los requisitos para los asesores robóticos. Aunque los servicios que prestan están automatizados, los asesores robóticos deben cumplir con las leyes de valores aplicables a los asesores de inversión registrados por la SEC o por el estado. Si un asesor robótico está registrado como asesor de inversiones ante la SEC, está sujeto tanto a los requisitos sustantivos como a las obligaciones fiduciarias de la Ley de Asesores de Inversión de 1940. La SEC ha propuesto reglas similares para los modelos de asesoramiento basados ​​en IA y sus usuarios, incluidas reglas que exigen que los corredores de bolsa y los asesores de inversión aborden los conflictos de intereses asociados con el uso de análisis de datos predictivos.

Está claro que el asesoramiento financiero basado en IA no es solo una novedad tecnológica, sino una fuerza poderosa en la industria de la inversión. Implementar una sólida gobernanza de datos e IA, garantizar la supervisión humana y cumplir con las normas regulatorias puede ayudar a mitigar los riesgos del asesoramiento basado en IA y, al mismo tiempo, aprovechar todo su potencial. Al combinar la destreza algorítmica con la visión y la supervisión humanas, podemos liberar el potencial del asesoramiento financiero basado en IA y forjar un camino hacia una adopción exitosa y responsable.

Sarah Hammer es directora ejecutiva de la Wharton School, profesora adjunta de la Facultad de Derecho Carey de la Universidad de Pensilvania, ex funcionaria del gobierno federal y estatal y ex ejecutiva de gestión de activos.