A inteligência artificial generativa dominou as manchetes no ano passado e promete revolucionar vários setores, incluindo a gestão de ativos. A Bloomberg organizou recentemente um painel de discussão em Cingapura para se aprofundar em como os gestores de ativos utilizam a IA generativa, o ambiente regulatório associado a ela e os desafios que a tecnologia apresenta — como citabilidade, escalabilidade e alucinações.
Empresas estão explorando inúmeros casos de uso
As empresas do buy-side estão utilizando a IA cada vez mais para tarefas como programação, análise de documentos e produção de emails/materiais de marketing para melhorar a eficiência interna. Ao mesmo tempo, estão sendo feitos experimentos para desenvolver programas mais personalizados de IAs generativas. As empresas do buy-side têm desenvolvido inúmeras aplicações utilizando IAs generativas e têm explorado o seu uso para a gestão de ativos ou análise de investimentos, disse um dos participantes.
Os casos de uso mais comuns e promissores, até agora, são:
- Resumo: a IA pode ajudar a resumir e listar pontos críticos de um formulário 10-K ou outro documento recente, auxiliando os analistas ou gestores de portfólio a analisar uma grande quantidade de informações.
- Extração de opiniões ou análise de sentimentos: utilizando aprendizado de máquina e grandes modelos de linguagem, a IA pode realizar análises de texto em várias fontes — chats online, estudos de caso, notícias, redes sociais e muito mais — para oferecer uma visão do sentimento geral do mercado.
- Análise de cenários: imagine ser capaz de responder perguntas como: “Se as taxas de juros tivessem subido 25 pontos-base em 2018, como isso teria afetado a economia em 2020?”. Os gestores de portfólio podem explorar diferentes teorias ou hipóteses, como o impacto de um novo CEO em uma empresa ou setor, e os argumentos a favor ou contra uma determinada negociação.
Por ser uma tecnologia recente, nosso conhecimento sobre as capacidades e limitações da IA generativa continua em evolução. Gary Kazantsev, diretor global de estratégia de tecnologia quantitativa da Bloomberg, observou que os clientes continuam com dificuldade para encontrar casos de uso reais. Segundo ele, os modelos são pouco treinados e — como os modelos são muito grandes — ainda não são adequados para fluxos de trabalho em tempo real.
Citabilidade, alucinação e outros desafios
Embora a IA generativa abra as portas para muitas aplicações inovadoras, ainda há desafios que precisam ser superados. As possibilidades são gigantescas, mas os participantes do painel recomendaram cautela. Os gestores de ativos precisam ver as citações das fontes dos dados gerados, e os dados inventados (conhecidos como “alucinações”) ainda são comuns.
Essas alucinações podem ser minimizadas quando há garantia de que as citações e referências estejam presentes, tornando a fonte de informações rastreável. Porém, a solução não é infalível. Às vezes, mesmo com a rastreabilidade, as alucinações ainda acontecem. Um membro do painel observou que a questão é se os analistas de investimentos estão dispostos a aceitar isso.
Kazantsev, da Bloomberg, acrescentou que ainda há questões técnicas sobre como projetar arquiteturas ou treinar os modelos. Esse aspecto está evoluindo rapidamente. Ao longo dos últimos 12 meses, por exemplo, quase todos os modelos construídos em torno do último trimestre foram treinados de forma insuficiente.
Há também desafios na criação de uma espécie de memória, para permitir que as perguntas complementares tenham melhores respostas. Além disso, a aplicação precisaria fazer isso em tempo real com conjuntos de dados enormes, especializados e continuamente atualizados.
Seria o pico do hype?
O potencial da IA generativa é empolgante, mas há um risco de que tal empolgação seja prematura. Os custos de desenvolvimento da tecnologia são significativos e há uma verdadeira luta na busca por talentos.
Muitas startups de IA generativas tiveram problemas com retenção de talentos. Após a animação inicial, a base de usuários mensais ativos diminuiu. Um membro do painel observou que muitos usuários ainda estão determinando o ROI real do investimento nessa nova tecnologia.
Um exemplo do mundo da gestão de ativos é que as empresas investem quantias significativas na análise de documentos, mas o tempo economizado pode não valer a pena. Ele observou que a análise de documentos pode levar alguns dias, mas usar um aplicativo de IA para ler os novos documentos e depois ter que fazer uma verificação para garantir a precisão é demorado e caro. Nesse caso, os custos podem ser maiores que os benefícios.
Um representante de um regulador financeiro comentou que muitas instituições financeiras estão explorando a eficácia do uso da IA para funções do back-end, principalmente na área de programação ou análise de documentos. Desenvolver novos casos de uso pode ser muito caro para as empresas individualmente, então o regulador está explorando áreas onde o setor possa trabalhar de forma colaborativa para uma maior eficiência. O custo do desenvolvimento da IA generativa é significativo, o que gera uma motivação para encontrar formas de cooperar e alavancar a tecnologia de maneiras que beneficiam a todos.