En un mundo ideal para los inversores se podría evitar los riesgos y la incertidumbre. Aunque habrá quien piense que eso no sería tan maravilloso, si desapareciese la volatilidad algún inversor igual se moría de aburrimiento. Otros, por el contrario, estarían encantados disfrutando de la tranquilidad.
Existen webs, aplicaciones y redes sociales que ofrecen análisis sobre valores financieros. Algunos se publicitan diciendo que sus predicciones son obtenidas por un ordenador (computer driven). Los servicios se ofrecen a través de internet y las interacciones de millones de usuarios proporcionan trillones de datos, ¿supone esto una ventaja que se puede explotar? ¿se usan para mejorar las predicciones y recomendaciones? ¿o para incentivar a que los consumidores operen más?
En la gestión de productos financieros, ¿qué aporta actualmente la inteligencia artificial? No hablemos de los fondos y ETFs que invierten en empresas de tecnología relacionada con ese concepto, que en general han ido muy bien, por cierto, si no a aquellos que usan algoritmos, Big Data o incluso machine learning en su proceso de inversión. En 2017 se lanzó un ETF que proclamaba estar gestionado íntegramente por una inteligencia artificial. El AI Powered Equity ETF invierte en acciones americanas y, si juzgamos sus resultados por la rentabilidad frente a otros fondos de inversión o ETFs comparables, no parece destacar. Tampoco mejora la relación entre rentabilidad y riesgo, si medimos este último por la volatilidad. Sin embargo, algunos fondos cuyas gestoras utilizan desarrollos tecnológicos como soporte a su gestión sí tienen resultados con mejor consistencia y pueden controlar de forma más eficiente aspectos cualitativos que algunos inversores les demandan, indican desde El País/Cinco Días.
Es definitivo que la tecnología ayuda a la gestión, así como en el análisis y la selección de productos, pero para obtener resultados extraordinarios frente a lo que conocemos, vamos a tener que esperar algún año más.
Pero lo que genera más curiosidad es el papel que tendrán en el futuro las máquinas cuando los inversores busquen asesoramiento personalizado. ¿Evitarán los efectos negativos del miedo o de una irracional ambición? La verdad que eso sería ideal. Claro que habrá quien imagine un futuro distópico con robots que utilicen el análisis de nuestros datos buscando el beneficio de una empresa y no del inversor.
Si finalmente, como seres sociales que somos, buscamos por defecto recomendaciones en redes sociales ¿cuáles triunfarán? ¿redes como Wikipedia o como Facebook? ¿tendrá en cuenta preferencias personales, filias y fobias? ¿para explotarlas económicamente o para advertirnos y que no nos perjudiquen en nuestras inversiones? Los roboadvisors españoles existentes son una versión on-line de recomendación de carteras modelo en función del perfil de riesgo que se obtiene una vez que el usuario responde a un cuestionario (test de idoneidad). De momento, no se ven innovaciones a la hora de diseñar carteras frente a la forma tradicional e, incluso, puede haber carencias en el asesoramiento si no se puede personalizar.
A nivel mundial los robots conversacionales o chatbots impulsados por la inteligencia artificial están creciendo exponencialmente. Según McKinsey, en 2020 las compañías gastaron un billón de dólares en algoritmos con capacidad de aprendizaje (machine learning). Un estudio reciente de Statista calcula que para 2024 el negocio de los chatbots sobrepasará los 994 millones de dólares (curiosa cifra para ser una estimación, deben usar inteligencia artificial y no necesitan redondear).
En el futuro los asesores financieros humanos se enfrentan a la competencia de los chatbots, pues éstos parecen enganchar. Engagement no lo traduciría como compromiso, pero las nuevas generaciones aprecian la experiencia. Para la tecnología el reto será entender las necesidades de sus usuarios, incluso su lenguaje, los algoritmos que lo interpretan todavía tienen carencias con los matices, los tonos y las ironías. Para las empresas, la ética será algo importante a considerar, ojalá las máquinas aprendan a beneficiar al usuario tanto como a la empresa, o incluso más.