Los robots también apuestan y juegan en la bolsa

Oportunidades, desafíos y riesgos que impone la inteligencia artificial en el universo bursátil y en las finanzas. El machine learning empieza a ocupar un lugar cada vez más relevante.

Se vio claramente en Terminator o con la HAL-9000 de 2001: Odisea en el espacio. Tarde o temprano, los robots se alzan contra los seres humanos. Sin embargo, seducidos en esta época de auge de la Inteligencia Artificial (IA) y de machine learning (ML), se les da cada vez más poder a las máquinas. En el mundo de las finanzas, los algoritmos están transformando la manera en que se realizan inversiones. No siempre por las buenas: diversos medios y analistas consideran que la brutal caída de Wall Street de febrero de este año, que arrastró a su vez una buena parte de las bolsas de Europa, se debió, precisamente, a la ausencia de humanos en el proceso: una máquina “vende” cuando se produce un sobresalto. Y lo hace a una velocidad tal (un robot puede realizar millones de operaciones de compraventa en apenas algunos nanosegundos) que el mercado se hunde antes de que la noticia se estabilice. El potencial para la existencia del llamado “lunes negro”, que constituyó la peor baja en la bolsa neoyorquina de los últimos seis años, había sido advertido por Mark Gorton, presidente de Tower Research Capital, en 2016. “La falta de control de las máquinas de inversión de alta frecuencia puede provocar una catástrofe en los próximos años”, lo cita un artículo de El Diario, de España. Con el mismo disfraz de Nostradamus bursátil, Gorton afirmó que los controles que estaba implementando la bolsa de Nueva York al respecto eran “insuficientes”. Sin embargo, la tecnología avanza a ritmo imparable y promete beneficios por encima de cualquier riesgo. Según un estudio de Boston Consulting Group (BCG) para las 10 mayores entidades del mundo, la aplicación de IA a brokers e inversores mejorarían un potencial de resultados en US$ 220.000 millones. “Tener una herramienta de IA que, por ejemplo, pueda realizar en forma autónoma el análisis de un instrumento financiero y su impacto al incorporarlo en un portafolio de inversión le permitirá al analista enfocarse en los aspectos más sofisticados del proceso”, explica Jackie Maubré, directora de Cohen, especialista en mercado de capitales con presencia en el país desde 1938. “Del lado del cliente, es útil disponer de una herramienta que conozca su perfil de inversión y le acerque únicamente los instrumentos disponibles que mejoren el rendimiento y el riesgo de su cartera”, agrega la especialista. Uno de los primeros efectos de la IA en el mundo de las inversiones es la democratización. “Hace unos años, invertir sin dedicar gran parte del día a analizar los movimientos del mercado o sin ser un experto se convertía en una lotería. Hoy, el inversor medio puede hacerlo de forma inteligente con solo dedicar unos pocos minutos”, sostiene Ariel Spak, CFO de Microsoft Argentina. Mientras tanto, el mercado se muestra entusiasta y optimista ante un panorama que se abre con innumerables posibilidades. “La IA sirve para crear portfolios más inteligentes y eficientes, rastrear algoritmos o personalizar avisos financieros”, define Rodrigo Marques Dos Santos, CEO y fundador de Atlas Quantum, startup brasilera de tipo fintech con una plataforma automatizada por algoritmos que analiza en tiempo real la oferta y la demanda del valor de bitcoins. “Las técnicas tradicionales para predecir valores de una serie de tiempo usan pocas variables. En el caso más simplificado, solo los valores históricos de la serie. Las basadas en ML combinan big data, computación en la nube y algoritmos de aprendizaje, y evalúan millones de datos que pueden explicar el comportamiento de una serie de tiempo”, explica Javier Mihondo, vicepresidente de

Tecnología del estudio de AI de Globant. “No hablamos de acertar a los valores numéricos, pero sí poder reconocer qué oportunidades serán las más rendidoras”, aclara. Sebastián Ramacciotti, director de Negocio de la consultora especialista en innovación Neoris para Argentina, agrega como ejemplos “la confección automática de portfolios de acciones analizando miles de valores bursátiles, la identificación y explotación de relaciones nointuitivas entre indicadores de mercado y valores o la toma decisiones automática sobre cuándo entrar o salir de determinados valores”. En la misma línea se ubica Carlos Abril, CEO de Atos Argentina, Colombia y Uruguay, para quien “las noticias, las redes sociales, el tráfico en la web o aún datos insignificantes se correlacionan y así es posible seguir su impacto en las transacciones, ver cómo se modifica una posición de mercado y qué medidas se pueden tomar: cuanto mayor el volumen de datos analizado, mayor la precisión”. El ejecutivo aclara que esto requiere de gran capacidad de procesamiento. “La gran revolución vendrá cuando comiencen a estar comercialmente disponibles las computadoras cuánticas, aunque ya se trabaja con sistemas computacionales de alto rendimiento (HPC) que simulan los algoritmos cuánticos”, aclara. Atos trabaja junto con Google en la creación de tres centros de investigación y desarrollo centrados en IA y ML.

Todos ganan

La ganancia es tanto para el broker como para el cliente. “Es posible examinar el historial de un inversor, sus respuestas a las preguntas declarativas que acompañan la adhesión a un servicio, su personalidad, su grado de aversión al riesgo, qué etapa de su vida está transitando, sus gustos particulares, su necesidad de liquidez. Esto, combinado con información no estructurada, genera una recomendación personalizada, lo que le garantiza una experiencia única y relevante”, enfatiza Fernando Larralde, ejecutivo de Desarrollo de Negocios de IBM Argentina. La inclusión de esta tecnología, por lo tanto, se vuelve natural para las organizaciones del sector. “Apostamos a esta nueva forma de integrar servicios y desde hace seis meses ofrecemos nuestras APIS para que firmas y usuarios finales puedan utilizar sus propios algoritmos e integrarlos con nuestra plataforma de manera programática y automatizada”, señala Juan Ladetto, gerente de Sistemas de Invertironline.com. Ladetto destaca el rol de las quant trading firms, empresas dedicadas a la generación de este tipo de algoritmos. “Es importante encontrar la que mejor se adapte a las necesidades del cliente y genere las señales más acertadas”, concluye. También despierta todo tipo de servicios laterales. “El mundo financiero se encuentra repleto de información, reglas y regulaciones y las técnicas de ML pueden colaborar para acercar y resolver requerimientos de los inversores bajo un modelo supervisado, es decir, donde el intérprete de la nueva información defina el próximo paso sobre la base de informaciones pasadas”, detalla Claudio De Siervi, especialista senior en Transformación Digital y Experiencia de Clientes en el área de tercerización de documentos de Xerox Argentina. La compañía promueve el uso de tecnologías de video personalizado interactivo, chatbots determinísticos y landing pages personalizadas para apoyar las comunicaciones y proce-

sos de las instituciones financieras, que pueden por ejemplo establecer comunicaciones con un cliente con videos personalizados interactivos en los que un experto le explica los contenidos de su resumen de cuenta o cómo pagar su tarjeta de crédito, le propone un nuevo seguro que se ajuste a sus necesidades o lo asesora sobre un portfolio de inversión adecuado a su perfil y le permite interactuar con el contenido, realizar preguntas y completar trámites de manera digital. IBM, por su parte, ofrece Watson for Wealth Management, una herramienta para el asesor financiero que le permite obtener información valiosa de diferentes fuentes para guiar a un cliente. La misma plataforma de IA se utiliza para emparentar las personalidades de los clientes con reconocidos inversores de la industria financiera. “A través del análisis de personalidad desde texto escrito –sus cuentas de Twitter, por ejemplo– es posible ofrecer a pequeños inversores una cartera acorde a las decisiones financieras tomadas por los expertos mundiales”, explica Larralde.

Se invierte el resultado

“Una de las ventajas de la IA de las que menos se habla es su capacidad de impulsar la innovación a medida que penetra en la economía”, advierte Corina Arosteguy, directora Ejecutiva de Accenture. Esto no se debe a la sustitución del capital y del trabajo existentes, sino al hecho de que permite usarlos con mucha más eficacia. “El verdadero potencial de la IA reside en su capacidad de complementar y enriquecer los factores de producción tradicionales”, señala. Para Elías Bethencourt, director de AIS Group en la Argentina, empresa de consultoría estratégica, financiera y tecnológica con sede central en Barcelona, “el principal beneficio es la mayor precisión: proyectos recientes revelan que el nivel de acierto en los modelos mejora entre un 25 y un 50 por ciento con algoritmos de ML frente a las técnicas tradicionales. Estos resultados quedan reflejados en el Índice Gini, la medida de exactitud más utilizada en este campo, que pasa del 50 o 60 por ciento a superar el 90 por ciento, cifra impensada hasta hace poco tiempo”. ¿Cómo choca tanto optimismo con los datos que abren este artículo? ¿Hasta qué punto los beneficios están por encima de los riesgos o viceversa? Pablo Retes, director de la unidad de negocios Banca, Salud y Educación de la empresa de IT y desarrollo Snoop Consulting, asegura que “el balance es positivo”. En el debe sitúa los robo-advisors, asesores financieros que aportan un servicio de gestión del patrimonio online con casi nula intervención humana. “Se posicionan como una opción sencilla, económica y hasta divertida, en términos de gamification, para invertir en línea”, dice. También destaca los modelos sofisticados de detección de fraudes basados en IA, capaces de, a la hora de entregar un crédito online, “ver desde si el sistema operativo del usuario que solicita es muy viejo hasta el monto al cual desea acceder, la hora a la que entra a la app o el lugar de donde está realizando la solicitud, pasando por datos no estructurados, inferidos de redes sociales, perfiles y hábitos de navegación”, agrega. Pero el haber también es importante. “Los sucesivos avances en IA y ML permiten tomar decisiones sólidas en tiempo real, que podrían llevar varias horas de análisis matemático y estadístico, sin necesidad de ser un experto en el tema y con un nivel de exactitud nunca antes visto”, destaca Rosana Mazza, socia de PWC Argentina, especialista en Digital Services. En esa fortaleza radica su debilidad. “Un paso en falso podría también provocar grandes crisis sin darnos demasiado margen de maniobra por la velocidad que se está manejando”, agrega. Y sostiene que “a más automatización, mayor dependencia respecto a algoritmos o sistemas de administración de datos inteligentes y mayor vulnerabilidad de las entidades financieras frente a riesgos sistémicos”.

Zonas de riesgo

Luis Rego, vicepresidente de Instituciones Financieras para América latina de Unisys, apunta a establecer mayores controles. “Todo cambio trae un riesgo, pero con los controles adecuados podremos dejar en las máquinas varias tareas. Recién estamos comenzando a aprovechar y entender las posibilidades que nos ofrece acceder a toda la información que por años las empresas han almacenado sin darle mayor uso: ahora el reto es ver quién la aprovecha mejor, la rentabiliza y construye más valor para sus accionistas, empleados y clientes”, señala. “Las máquinas no son más que otra herramienta, novedosa y en la mayoría de los escenarios muy efectiva, que nos ayuda en la toma de decisiones apoyadas en la IA”, describe Joaquín Suárez Bodean, desarrollador de software de Increase, startup que integra el portafolio de Wayra, la aceleradora de Telefónica, dedicada al empleo de la tecnología para potenciar negocios y comercios. “De todos modos, es importante considerar el contexto sobre el cual las aplicamos: no es lo mismo detectar un objeto dentro de una foto que evaluar el riesgo de una inversión considerando variables económicas, políticas y sociales inherentemente complejas de un país”, agrega. Increase acaba de implementar una solución para conocer los patrones que siguen los usuarios dentro de su pla-

“El peligro mayor no está en dejar en manos de máquinas ciertas operaciones sino en la pérdida del empleo”. Mario Bolo, director Adjunto de Ingeniería Informática del ITBA.

taforma para reaccionar ante comportamientos que indican una posible baja u ofrecer recomendaciones a quienes utilicen alguno de sus productos de manera exhaustiva. “Evaluamos además la posibilidad de acercar créditos a nuestros usuarios utilizando modelos de ML para identificar de manera particular a quienes no pueden acceder fácilmente a un crédito convencional y así ayudarlos a alcanzar sus objetivos”, concluye Suárez Bodean. Oriol Solans, gerente General de BCG, enumera desaf íos que varían desde la obtención de resultados con falta de sentido común (como la asignación de precios no realistas por parte de un bot mal calibrado) hasta el bajo nivel de transparencia en los resultados obtenidos por los algoritmos, pasando por la escasa capacidad de supervisión y entendimiento por parte de los humanos y el riesgo al rechazo cultural (como el miedo a ser reemplazados por máquinas). “Para cada uno, existe una medida para minimizar el riesgo y maximizar la obtención de los impactos previstos: mejora de capacidades de testeo y muestra, desarrollo de interpretación de algoritmos, fortalecimiento de la gestión del cambio”, sostiene.

Velocidad y precisión

El volumen de amenazas es amplio. “El problema se presenta en los casos de excepción, como ocurre en nuestro mercado con las crisis y los black swans”, sentencia Maubré. “Es importante establecer las reglas de automatización desde el inicio para minimizar el riesgo”, señala Claudio Logaldo, socio de KPMG especializado en transformación digital para América latina. “En la realidad, la opinión y el conocimiento de un broker son asistidos por IA”. Hay una tendencia de investigación y desarrollo, las RNN (siglas en inglés de “redes neuronales recurrentes”), que permiten crear modelos basados en grandes volúmenes de datos y permite a los algoritmos aprenderlos sin que sea necesario programarlos explícitamente. “Si bien la llamada etapa de entrenamiento del modelo (cuando está aprendiendo de datos históricos) lleva un tiempo considerable, una vez entrenado el modelo puede tomar decisiones de manera extremadamente rápida”, señala Mihondo. “Los modelos basados en RNN o en deep learning funcionan como una ‘caja negra’: los algoritmos arrojan resultados que son muy dif íciles de explicar, muchas veces contraintuitivos”, explica. “Pueden ocurrir errores debido a la escasa calidad de los datos o existir sesgos en la información, que por ejemplo provoque el rechazo de un solicitante de un crédito por vivir en un determinado lugar”, cuenta Retes. “Cuando los procesos se movían a la velocidad del papel, las organizaciones tenían el espacio y el tiempo para detectar problemas y solucionarlos. En el mundo digital todo se mueve a la velocidad de la luz. Un error digital tendría efectos multiplicadores en distintas áreas de las instituciones, generaría serios inconvenientes a su imagen, a su negocio y, por sobre todo, a sus clientes”, explica De Siervi. Otro riesgo que destaca Ramacciotti es la sobreoptimización de los algoritmos: “Esto ocurre cuando, para la definición de un determinado modelo, nos pegamos demasiado a la curva histórica de precios estudiada. Esto penaliza su capacidad predictiva y su potencial para generar beneficios futuros en el mercado real”. “La IA podrá lograr una mejor utilización de datos duros y en ningún punto el análisis de datos se verá influenciado por sensaciones, creencias o incluso por experiencias (positivas o negativas) del pasado. Sin embargo, en el mundo financiero, un sinnúmero de eventos está regido por datos blandos, incluyendo rumores y charlas informales: estamos lejos de determinar hasta qué punto podrá utilizarse una tecnología basada exclusivamente en factores lógicos puros, aun cuando pueda autoajustarse”, explica Guerrero.

Robots versus humanos

Otra amenaza relacionada con la inserción de la inteligencia artificial es la resistencia de los propios usuarios, ante el temor de perder sus fuentes de trabajo. Mario Bolo, director Adjunto de Ingeniería Informática del ITBA, asegura que “el peligro mayor no está tanto en dejar en manos de máquinas ciertas operaciones, que, por otra parte, son precisamente operaciones automatizables que una máquina ejecutará de manera más confiable que un humano, sino en la pérdida de puestos de trabajo que estas tecnologías pueden traer aparejada”. Agrega que si bien se puede argumentar que esas personas dejarán un trabajo de bajo nivel por otro más satisfactorio, “esto tal vez sea verdad para el largo plazo, pero la transición podría llegar a ser complicada”. “En toda operación de servicios financieros uno de los costos más elevados proviene de los recursos humanos y su entrenamiento. En una actividad que tiene un alto nivel de burn out de empleados y límites sensibles en cuanto a los tiempos en que se ejecutan las operaciones”, señala Alejandro Guerrero, CEO de Marsh Argentina y Uruguay, empresa especializada en brokerage de seguros y soluciones innovadoras en administración de riesgos con presencia en 130 países. “Una tecnología de esta naturaleza reduciría tiempos a fracciones de segundos, eliminaría riesgos de errores u omisiones humanos, y nunca se cansaría”, aporta. Para Larralde, “se trata de trabajar juntos, es decir, humano-máquina, no humano versus máquina”. “La IA enriquece el trabajo, ya que complementa las capacidades humanas y ofrece a los empleados nuevas herramientas con las que pueden aumentar su inteligencia natural”, agrega Arosteguy. “La tecnología está disponible para potenciar nuestras capacidades, para incrementar el ingenio humano, no para reemplazarlo”, indica Spak. Juan María Aguirre, especialista de Preventas en Soluciones de Finanzas de Oracle Argentina, asegura que “particularmente en este mercado, el criterio humano seguirá siendo crítico ya que en determinados momentos suele ser clave la interpretación tanto del contexto como de la necesidad o emocionalidad del cliente, requiriendo de un alto grado de aplomo y empatía”. El juego beneficios-riesgos es infinito. Sin embargo, hay un punto que está fuera de toda discusión: dif ícilmente un robot caiga fulminado por un infarto durante una ronda bursátil particularmente estresante.