Bloomberg — Chris Pulman costumava passar dois dias preparando as prévias das reuniões dos bancos centrais. Agora, o economista-chefe da Balyasny Asset Management pode levar apenas 30 minutos.
Graças à nova geração de inteligência artificial (IA), os chatbots estão fazendo suas tarefas diárias que consomem mais tempo.
Desde resumir as opiniões de economistas de Wall Street, gerar gráficos e até extrair os últimos pronunciamentos de autoridades monetárias, o programa de inteligência artificial consegue unir toda essa sabedoria do mercado em um modelo para apresentar a projeção de Pulman de taxa de juros.
Leia mais: Este banqueiro saiu do Goldman para apostar em uma tese secular no real estate
“Descobrimos que, na verdade, eles são muito mais poderosos do que imaginávamos”, disse o economista da Balyasny, referindo-se aos modelos de linguagem ampla. “Mas eles não funcionam logo de cara.”
Mais de 20 meses depois que a OpenAI apresentou o ChatGPT, os gestores de fundos hedge, incluindo a Two Sigma Investments e o Man Group, estão correndo para explorar o potencial disruptivo da tecnologia, integrando chatbots nos processos diários de pesquisa e investimento.
Os bancos também estão aproveitando as ferramentas, com o JPMorgan (JPM) lançando seu próprio ChatGPT no mês passado para os funcionários de wealth management, enquanto o Goldman Sachs (GS) está construindo sua própria plataforma.
Para esses primeiros usuários, que há muito tempo estão no negócio de implantar novas tecnologias para obter uma vantagem de investimento, os chatbots podem fazer as tarefas ingratas como qualquer estagiário, incluindo a filtragem de registros regulatórios, resumindo pesquisas e escrevendo códigos básicos.
Mas um analista pleno em forma de chatbot que possa apresentar ideias de investimento inteligentes, pesquisa granular e previsões confiáveis? Isso continua longe, assim como Wall Street teme que a nova tecnologia tenha dificuldades para justificar a frenética alta das ações deste ano.
Destemidos, muitos permanecem firmes na convicção de que seus investimentos trarão ganhos tangíveis agora que há um maior entendimento sobre as limitações práticas dos chatbots.
Com mais tempo livre, Pulman, por exemplo, acredita que pode levar a IA geracional a um nível mais avançado, usando-a para criar códigos sofisticados e previsões econômicas por conta própria.
Ele diz que é “plausível” que a IA possa lidar com 70% a 80% do que um economista faz dentro de dois ou três anos.
Leia também: JPMorgan eleva probabilidade de recessão nos EUA até o final do ano para 35%
Para chegar lá, o setor precisa enfrentar alguns problemas importantes. Entre eles está o fato de que a IA generativa pode simplesmente inventar coisas, lançando um artigo de pesquisa falso ou um evento de mercado errôneo. Ela também tem dificuldade para lidar com perguntas abstratas ou com várias camadas, sem a orientação intensiva de um humano.
Em um caso, um gestor da Balyasny queria ver se seu chatbot conseguia descobrir quais eram as ações vencedoras ou perdedoras em um cenário de juros mais altos — uma pergunta razoável que o programa não conseguiu responder logo de início.
Os engenheiros tiveram que treinar o modelo primeiro, dividindo esses cenários em uma série de subperguntas. Foram necessários 99 minutos para digitalizar 20.000 documentos e seguir passo a passo antes de formular uma resposta satisfatória.
“Estamos contando com a capacidade de um estagiário júnior: se você pedir à IA para fazer uma análise simples com fontes de dados internas, ela o fará. Caso contrário, será preciso dar muitas instruções específicas”, disse Charlie Flanagan, chefe de IA aplicada da Balyasny, que movimenta cerca de US$ 22 bilhões.
“Então, como podemos passar de um estagiário júnior para um estagiário sênior e para um analista júnior para que, no final de 2024, as pessoas sejam capazes de fazer perguntas robustas?”
Nada disso sai barato. O Goldman Sachs estimou que a construção da infraestrutura de IA em toda a economia custará mais de US$ 1 trilhão nos próximos anos. Balyasny tem uma equipe de 12 pessoas para IA, enquanto a Man está prestes a ter seis pessoas dedicadas especificamente à tech.
Sistemas totalmente treinados, como o ChatGPT ou o Claude, da Anthropic, cobram por cada uso incremental, enquanto a construção de um sistema a partir de modelos de código aberto, como o Llama, da Meta, exige um grande investimento em talento e capacidade de computação.
Um robô capaz de interpretar texto para negociação não é novidade em Wall Street. Durante anos, os computadores têm examinado notícias e balanços trimestrais para identificar suas implicações no mercado.
Mas o grande atrativo do ChatGPT é que ele eleva tudo isso a um nível superior: analisando o contexto, respondendo a perguntas de forma coerente e recorrendo a uma série de fontes para chegar a conclusões sofisticadas.
“Estamos além do ponto de ficarmos impressionados com seus recursos nativos”, disse Tim Mace, chefe de dados e aprendizado de máquina do Man Group. “Tem que ser tão bom, ou melhor, do que o que um ser humano poderia potencialmente fazer.”
Busca por eficiência
Na gestora de US$ 178 bilhões em Londres, a IA tem sido usada para tornar os humanos mais produtivos, gerando gráficos de preços ou extraindo informações de prospectos de títulos de renda fixa.
Por enquanto, a empresa acha que ainda é cedo demais para inserir os LLMs diretamente nos modelos de negociação sistemática, na qual há menos supervisão humana direta, acrescenta Mace.
No entanto, esse realismo desmente as grandes ambições, com a Man falando sobre a possibilidade de que a IA um dia seja capaz de pesquisar seu banco de dados de research, gerar uma hipótese e criar um código para testá-la.
Pode também ser capaz de identificar relações econômicas sutis a partir da enorme quantidade de dados que ingeriu, informando negociações que, por exemplo, comprem um título e vendam outro.
E, mesmo quando a IA atualmente está atrás dos humanos em termos de proeza cognitiva, ela tem a vantagem da velocidade e da escala, diz Ben Wellington, vice-chefe de previsão de recursos da Two Sigma.
Ele aponta o exemplo do rastreamento de saídas de executivos corporativos. Enquanto quants, como ele, costumavam escrever uma fórmula para identificar isso por meio de palavras-chave ou expressões específicas, agora ele pode fazer essa tarefa com muito mais rapidez consultando um LLM.
Muitos casos de uso bem-sucedidos, contudo, exigem muito mais do que um GPT pronto para uso. Flanagan, da Balyasny, mostrou um exemplo em que seu chatbot leu um artigo acadêmico sobre uma estratégia de negociação e calculou como ela teria se saído historicamente.
Para fazer isso, o modelo estava, na verdade, usando uma calculadora codificada por sua equipe, e não apenas o chatbot.
A geração de IA “contará a você uma história totalmente inventada e terá certeza”, portanto, o julgamento humano continuará sendo o guardião final, disse Claudia Perlich, chefe de ciência de dados estratégicos para gestão de investimentos da Two Sigma, na conferência Bloomberg Invest em junho.
Para evitar o risco de fabricar fatos, muitas empresas usam uma técnica chamada geração aumentada de recuperação, em que a IA é levada a buscar em fontes adicionais específicas. A boa formulação dos prompts também faz uma grande diferença.
Para alguns gestores de recursos, a aposta é que o investimento antecipado os colocará à frente dos rivais se os avanços futuros conseguirem aproximar os LLMs da inteligência humana, como os que a OpenAI está prevendo.
Isso ainda não é certo. Na Atalaya Capital Management, uma empresa de crédito privado de aproximadamente US$ 10 bilhões, a IA acelerou o processo de busca de possíveis tomadores de empréstimos em seu negócio de locação de equipamentos e de elaboração de contratos legais.
No entanto, os seres humanos continuam encarregados de escolher investimentos e negociar termos, diz o chefe de ciência de dados Andy Halleran.
Por isso, embora possa ser o estagiário mais esforçado de Wall Street, o nível para ser promovido a analista pleno é alto. Eles ainda não estão no nível em que você pode simplesmente dar a eles uma tarefa muito ampla, então não dá para dizer: “Ei, esse é um bom investimento?”, disse ele, referindo-se aos prompts do ChatGPT.
— Com a colaboração de Sam Potter
Veja mais em Bloomberg.com
©2024 Bloomberg L.P.
