Gestoras querem promover o ChatGPT de estagiário a analista

Graças à nova geração de inteligência artificial, os robôs agora realizam suas tarefas de pesquisa que antes consumiam muito tempo. Eles fazem de tudo, desde resumir as opiniões de economistas de Wall Street e gerar gráficos até extrair as últimas declarações de autoridades monetárias, e mais. Com a ajuda de Pulman, o programa de IA organiza esse conhecimento em um modelo para destacar suas previsões sobre taxas de juros.

“Descobrimos que eles são muito mais poderosos do que você imagina inicialmente”, disse o economista da Balyasny, referindo-se aos grandes modelos de linguagem. “Mas eles não funcionam perfeitamente logo de cara.”

Mais de 20 meses após a OpenAI lançar o ChatGPT com grande alarde, gestores de fundos de hedge, incluindo a Two Sigma Investments e a Man Group, estão correndo para explorar o potencial disruptivo da tecnologia, integrando “bots” em seus processos diários de pesquisa e investimento. Bancos também estão aproveitando as ferramentas, com o JPMorgan Chase & Co. lançando seu próprio ChatGPT no mês passado para funcionários de gestão de ativos e fortunas, enquanto o Goldman Sachs Group Inc. está desenvolvendo sua própria plataforma.

Para esses usuários pioneiros, que há muito tempo utilizam novas tecnologias para obter vantagem nos investimentos, os bots podem realizar tarefas ingratas, como qualquer estagiário ansioso por agradar, filtrando documentos regulatórios, resumindo pesquisas e escrevendo códigos básicos.

Mas um analista totalmente funcional em forma de robô, capaz de gerar ideias de investimento inteligentes, pesquisas detalhadas e previsões confiáveis? Isso ainda está longe de acontecer.

Imperturbáveis, os defensores permanecem firmes em sua convicção de que seus investimentos trarão ganhos tangíveis, agora que há uma compreensão maior sobre as limitações práticas da IA logo de cara.

Com mais tempo livre, Pulman acredita que pode levar a IA a um nível mais avançado, usando-a para criar códigos sofisticados e previsões econômicas de forma autônoma. Ele diz que é “plausível” que a IA possa lidar com 70% a 80% do que um economista especializado em finanças faz dentro de dois a três anos.

Para chegar lá, a indústria precisa enfrentar grandes desafios. Entre eles, o fato de que a IA generativa pode simplesmente inventar coisas, criando um artigo de pesquisa fantasma aqui ou um fato de mercado incorreto ali. Ela também tem dificuldades com perguntas abstratas ou de múltiplas camadas — sem um intenso treinamento de um supervisor humano.

LEIA MAIS: Huawei prepara novo chip para desafiar Nvidia e contornar sanções dos EUA

LEIA MAIS: IA Modo de Usar: você não precisa ser ‘o cara da TI’ para usar o ChatGPT como um cientista de dados

LEIA MAIS: ‘Dar um Google’ vai ser coisa do passado. E a culpa é da inteligência artificial, claro

Em um caso concreto, um gestor de portfólio da Balyasny queria ver se o chatbot poderia identificar os vencedores ou perdedores de ações com o aumento de tarifas — uma pergunta razoável que ele não conseguiu responder de imediato. Os engenheiros precisaram primeiro treinar o modelo, dividindo esses cenários em uma série de subperguntas. Foram necessários 99 minutos analisando 20 mil documentos e seguindo passo a passo até formular uma resposta satisfatória.

“Estamos confiando nas capacidades equivalente a um estagiário júnior: você pede à IA para fazer uma análise simples com fontes de dados internas, ela faz, mas ou você precisa dar muitas instruções específicas ou a análise em si é bastante rudimentar”, disse Charlie Flanagan, chefe de IA aplicada na Balyasny, que administra cerca de US$ 22 bilhões. “Então, como movemos isso de um estagiário júnior para um estagiário sênior e, depois, para um analista júnior, de modo que, no final de 2024, as pessoas possam fazer perguntas bastante robustas?”

Nada disso é barato. O Goldman Sachs estimou que construir a infraestrutura de IA em toda a economia custará mais de US$ 1 trilhão nos próximos anos. A Balyasny tem uma equipe de 12 pessoas dedicadas à IA, enquanto a Man está prestes a ter seis pessoas focadas exclusivamente em IA generativa. Sistemas totalmente treinados como o ChatGPT ou o Claude, da Anthropic, cobram por cada uso incremental, enquanto desenvolver um a partir de modelos de código aberto como o Llama, da Meta, exige um grande investimento em talento e poder computacional.

Um robô que pode interpretar texto para operações de mercado não é novidade em Wall Street. Por anos, computadores têm escaneado artigos de notícias e transcrições de balanços para entender suas implicações no mercado. Mas o grande apelo do ChatGPT é que ele leva tudo isso a um novo nível: analisando o contexto, respondendo a perguntas de forma coerente e utilizando uma infinidade de fontes para chegar a conclusões sofisticadas.

“Já passamos do ponto de estarmos impressionados com suas capacidades nativas”, disse Tim Mace, chefe de dados e aprendizado de máquina da Man Group. “Ele precisa ser tão bom ou melhor do que o que um humano poderia potencialmente fazer.”

Na gestora de US$ 178 bilhões em Londres, o ponto de partida tem sido usar a IA para tornar os humanos mais produtivos, gerando gráficos de preços ou extraindo informações de prospectos de títulos. Por enquanto, a empresa acha que é muito cedo para integrar os grandes modelos de linguagem diretamente em modelos de negociação sistemática, onde há menos supervisão humana direta, acrescenta Mace.

No entanto, esse realismo esconde ambições grandiosas, com a Man falando sobre a possibilidade de que a IA, um dia, possa pesquisar seu banco de dados, gerar uma hipótese e criar um código para testá-la. Ou que ela possa identificar relações econômicas sutis a partir da enorme quantidade de dados que ingeriu, informando operações que, por exemplo, compram um título e vendem outro.

E mesmo quando a IA atualmente fica atrás dos humanos em termos de capacidade cognitiva, ela tem a vantagem da velocidade e da escala, diz Ben Wellington, vice-chefe de previsão de características da Two Sigma. Ele cita o exemplo de rastrear a saída de executivos corporativos. Enquanto os “quants” como ele costumavam escrever uma fórmula para identificar esses casos por meio de palavras-chave ou expressões específicas, ele agora pode fazer isso muito mais rápido consultando um grande modelo de linguagem.

“Se eu tinha uma lista de 50 ideias, talvez antes eu pudesse estudar 10”, disse ele. “Agora posso passar de 10 para 25 com um custo relativamente baixo, porque não preciso montar uma equipe ou ferramenta para estudar cada ideia.”

Muitos dos casos de uso bem-sucedidos exigem muito mais do que um GPT pronto para uso. Flanagan, da Balyasny, mostrou um exemplo em que seu GPT leu um artigo acadêmico sobre uma estratégia de negociação e calculou como ela teria se comportado historicamente. Para fazer isso, o modelo, na verdade, usava uma calculadora codificada por sua equipe, em vez de depender apenas do bot.

A IA generativa “vai contar uma história totalmente inventada e estará absolutamente certa”, então o julgamento humano continuará sendo o principal guardião, disse Claudia Perlich, chefe de ciência de dados estratégica para gestão de investimentos na Two Sigma, na conferência Bloomberg Invest em junho.

Para evitar o risco de fabricar fatos, muitas empresas usam uma técnica chamada geração aumentada por recuperação, onde a IA é instruída a procurar fontes adicionais específicas. Formular bem os comandos também faz uma grande diferença.

“É fascinante ver como ela funciona, porque você pode realmente vê-la pensando: ‘Eu consegui essa informação, esse é o próximo passo que devo dar’”, disse Flanagan, ex-engenheiro do Google. “Mas ainda estamos forçando o modelo a se comportar assim.”

Para alguns gestores de recursos, a aposta é que investir cedo os coloca à frente dos rivais, caso avanços futuros consigam aproximar os grandes modelos de linguagem da inteligência humana, como a OpenAI e outras empresas estão imaginando.

Isso ainda não é certo. Na Atalaya Capital Management, uma empresa de crédito privado de aproximadamente US$ 10 bilhões, a IA generativa acelerou muito o processo de busca por potenciais tomadores de empréstimos em seu negócio de leasing de equipamentos e a redação de contratos legais. No entanto, os humanos ainda estão firmemente no controle da escolha dos investimentos e na negociação dos termos, diz Andy Halleran, chefe de ciência de dados.

Portanto, embora possa ser o estagiário mais trabalhador de Wall Street, o nível de exigência para uma promoção a analista pleno é alto.

“Eles ainda não estão no nível em que você pode simplesmente dar a eles uma tarefa super ampla, então você não pode dizer: ‘Ei, isso é um bom investimento?’”, disse ele, referindo-se aos comandos do ChatGPT. “Se alguém já tem um fluxo de trabalho e você quer que eles façam algo novo, isso não precisa ser apenas um pouco melhor, um pouco mais conveniente — precisa ser dramaticamente melhor.”