¿Qué parte de la investigación de inversión ha cambiado primero la IA generativa?

  • Los participantes en la conferencia de Bernstein señalaron que la IA aporta mayores beneficios incrementales a los inversores discrecionales: los equipos cuantitativos ya utilizaban ampliamente la automatización y el aprendizaje automático antes de que se generalizara la IA generativa. Por ello, la IA complementa sobre todo tareas como la programación y la recopilación de información; en la investigación discrecional, permite reducir las barreras técnicas para procesar información no estructurada.
  • La evolución de la plataforma AlphaPai refleja el cambio en el foco de aplicación: en 2023 convirtió primero información como las reuniones en texto y actas estructuradas; en 2024 empezó a cubrir la investigación de empresas y sectores, así como los flujos de trabajo de los analistas; y en 2025, PaiWork integró datos, flujos de trabajo, herramientas de investigación y agentes de IA en un único entorno de trabajo. La IA ha pasado gradualmente de ser una herramienta puntual a formar parte de los flujos de trabajo cotidianos de investigación.

¿Hasta qué punto se ha extendido el uso real y dónde se observa el valor de estas aplicaciones?

  • AlphaPai afirma que presta servicio a más de 120 mil usuarios profesionales y cubre aproximadamente 8000 instituciones. En el último año, el uso de tokens en la plataforma se multiplicó por 80, pero 5,5% de los usuarios consumió 50% de los tokens, lo que indica que la intensidad de uso no es uniforme y que la actividad se concentra en una parte de los usuarios.
  • Los bots de reuniones convierten el contenido de presentaciones a inversores, conversaciones con expertos y actividades similares en información consultable, mientras que las herramientas de seguimiento continuo actualizan automáticamente la evolución de empresas, sectores, tecnologías y cadenas de suministro. Se ocupan de tareas laboriosas de recopilación, organización y mantenimiento manual de información, en lugar de sustituir directamente las decisiones finales de inversión.

¿Pueden las mejoras de eficiencia traducirse en un rendimiento excedente de inversión?

  • Los participantes señalaron que algunos fondos cuantitativos que utilizan intensivamente la IA han obtenido buenos resultados, pero eso no permite atribuirles el éxito de inversión. La IA permite a los inversores probar más señales; cuanto mayor es el número de señales probadas, mayor es el riesgo de seleccionar por azar una estrategia con un ratio de Sharpe elevado, por lo que los resultados de las pruebas retrospectivas deben descontarse en consecuencia.
  • La capacidad de la IA para procesar información es más directamente relevante para los inversores de alta frecuencia; para los de frecuencia media, las pruebas de que la IA pueda mejorar las decisiones son limitadas. Hay menos datos históricos para las estrategias macro de frecuencia media, lo que dificulta determinar si una mayor complejidad del modelo dará lugar a mejores resultados futuros.
  • Por tanto, la IA es más adecuada para encargarse del procesamiento de información y de las tareas de eficiencia dentro de los flujos de trabajo de investigación. Los profesionales de la inversión todavía deben evaluar, validar y mejorar las conclusiones generadas por la IA.

¿Qué factores determinarán si la IA puede seguir transformando el sector de la inversión?

  • A medida que la IA asume más tareas de recopilación y síntesis de información, el valor de las personas se orienta más hacia la investigación sobre el terreno, las entrevistas con expertos, el criterio independiente y el control de calidad. Las grandes plataformas tienen ventajas de escala y talento, pero las firmas especializadas también pueden usar la IA para ampliar su cobertura de investigación.
  • Al procesar más rápidamente la nueva información, la IA podría hacer que los mercados la reflejen antes a corto plazo. Si distintos inversores utilizan sistemas similares y llegan a conclusiones parecidas, sus posiciones también podrían converger, lo que generaría una mayor volatilidad del mercado y periodos de ineficiencia. Los participantes también plantearon que los procesos con menor dependencia de la IA podrían convertirse en una vía de diferenciación.
  • El ritmo de adopción depende de que las herramientas puedan integrarse en el trabajo cotidiano y de que los usuarios perciban mejoras claras de productividad o rentabilidad de la inversión. Las pruebas de que la IA mejora las decisiones y los resultados de inversión siguen siendo un obstáculo importante.