Por Jorge Manrique, Rector del Colegio Jurista y director general de Gobierno de calidad, consultoría de políticas públicas
La Inteligencia Artificial se perfila como un socio estratégico para los inversionistas. Concretamente en la selección de informes y estudios que les permitan obtener una visión lucrativa.
Los modelos extensos del lenguaje, los llamados LLM, ganan popularidad gracias a ChatGPT de OpenAI, un chatbot avanzado impulsado por una serie de modelos de lenguaje transformador generativos pre entrenados. OpenAI tiene varias versiones de su LLM, entre las que se encuentran GPT-3.5, GPT-4 y GPT-4o entre las más recientes.
Aunque durante mucho tiempo los números fueron los únicos datos en los modelos de predicción, ahora el análisis de texto está en ascenso.
Así, mientras que un ser humano dependerá de la experiencia pasada y la intuición, los LLM utilizan datos y patrones de su formación. Logran operar a una escala que supera las capacidades humanas y permite a los operadores e inversores extraer información de forma más rápida y precisa.
Otra ventaja de la IA es que puede conectar ideas de diferentes partes de un texto para crear una mejor comprensión de su contenido general. Los LLM incluso pueden personalizarse y convertirse en expertos en áreas específicas como contables, generadores de contratos y otros.
Asimismo, los LLM pueden crear señales de trading directas (instrucciones para comprar o vender) o desarrollar nuevas variables predictivas.
Hoy los investigadores todavía buscan nuevas formas de aplicar la IA para desentrañar información sobre inversiones y oportunidades comerciales. Además, las nuevas fuentes de datos que abarcan texto, imagen, audio y vídeo, logran descubrir información que no se valora tan fácilmente en los mercados.
Por otra parte, los LLM modernos aumentan las capacidades del procesamiento del lenguaje natural, ya que aprenden de conjuntos de datos gigantes que representan una gran franja de conocimiento humano.
Algunas investigaciones, incluso, asumen que puede ser posible crear LLM más especializados y específicos, al grado de superar a los modelos de propósito general como GPT-4.
Aunque el panorama parece muy promisorio, no debe olvidarse que la calidad de los datos es muy importante. Ahora, un LLM entrenado en menos puntos de datos puede funcionar bien si son de alta calidad. Los hallazgos destacan las capacidades de los LLM más pequeños que se personalizan para diversas tareas o dominios, funcionan más rápido y cuestan menos que los modelos grandes y generalizados.
Conviene considerar, asimismo, que cierta información es relativamente sencilla de extraer de las presentaciones corporativas y las llamadas de ganancias. Sin embargo, otra resulta más complicada, como ciertos tipos de riesgos que enfrenta una empresa. Enfocarse en este lenguaje y ambiguo podría ser de utilidad para los potenciales inversores.
Aún hay extensos campos de posibilidades en los LLM y la IA en general. Al tiempo.