IN FOCUS6-8 min read

Revolución de la IA: ¿Qué consecuencias tendrá para los inversores en mercados privados?

La Inteligencia Artificial (IA) ya se utiliza para hacer que ciertos procesos sean más eficientes, pero recién ahora se empezó a conocer su verdadero potencial en el mundo de los inversores en activos privados.

20/07/2023
Wooden blocks with an artificial intelligence symbol

Authors

James Ellison
Head of Private Assets Data Insights

El impacto de la revolución de la IA respecto de la inversión en mercados privados

La IA tendrá un impacto inmediato en algunos sectores que será de gran magnitud. La inteligencia artificial ya cambió completamente la manera de operar de algunas empresas.

En la mayoría de los demás sectores, incluso el de inversión en mercados privados, creemos que habrá un crecimiento en la productividad en la mayoría de los profesionales durante los próximos seis meses. Sin embargo, esa IA no revolucionará por completo lo que se está haciendo. 

Por ahora.

Modelos Grandes de Lenguaje y su propiedad fundacional

Los Modelos Grandes de Lenguaje (LLM,  Large Language Model) son el subgrupo de IA que más se utiliza actualmente en la inversión en mercados privados. Estos modelos contienen mil millones de parámetros y fueron creados con una gran cantidad de datos de texto extraídos de Internet. Son excelentes para resolver problemas del lenguaje humano como ser: generar texto, resumir y traducir.

Un factor clave de estos modelos es su propiedad fundacional, que permite que los modelos de lenguaje de uso general creados por las grandes empresas tecnológicas se perfeccionen para resolver problemas específicos. Cabe destacar que para perfeccionarlos solo es necesaria una fracción de la potencia de cálculo y de datos de los modelos originales.

¿Cómo utilizarán la IA los inversores privados?

Las herramientas de escritorio, como el asistente virtual de Schroders, denominado "Genie", impulsarán los tipos de aumentos en la productividad de la IA que percibe la mayoría de la gente. Esta fase inicial de la revolución debe comprenderse de manera similar al momento en que las computadoras o las hojas de cálculo cambiaron la industria.

La asistencia en la redacción, el diseño de presentaciones, el proceso de síntesis de textos y la codificación se están integrando en herramientas de negocio esenciales y ya están demostrando cuánto valen.

Si los modelos fundacionales se combinan con otras funcionalidades y datos protegidos, esto podría multiplicar su valor, al ofrecer soluciones novedosas frente a tareas que requieren mucho tiempo. La combinación de dichos modelos con otras funcionalidades (como la capacidad de realizar cálculos) y con datos protegidos (como documentos internos) reduce significativamente o incluso elimina el riesgo de lo que se conoce como “alucinación”, la tendencia a inventar respuestas que a veces tienen los modelos grandes de lenguaje.

Los inversores privados manejan una gran cantidad de información: informes de socios colectivos (GP), documentación de empresas y del sector, artículos periodísticos e inteligencia de mercado. La extracción masiva de esta información no estructurada proporcionada por los LLM les permite a los inversores concentrarse en la información más importante.

Uno de los desafíos a los que se enfrentan desde hace tiempo los inversores en private equity (PE) es la elaboración de una lista de "comparables" con el objetivo de llevar a cabo una valoración. Antes, para identificar a los homólogos de una inversión, se dependía de la clasificación sectorial y la geografía de las operaciones; ahora, es posible elaborar un "mapa de similitudes" más detallado que crea una lista más representativa utilizando el contenido de los sitios web de las empresas junto con los LLM. Y en tiempo récord.

Dentro de poco tiempo, veremos salas de datos dotadas de IA, en las que un asistente de IA tendrá acceso a todos los documentos e información de la sala de datos y podrá resumir rápidamente el contenido, responder preguntas e incluso destacar los puntos más importantes. Esta situación hará que se aumente la velocidad, se ahorre tiempo y que la diligencia debida sea aún más exhaustiva.

¿De qué manera se adaptarán los inversores, los gestores de fondos, las empresas de inversión y los proveedores de servicios?

Las organizaciones que están preparadas para liderar el mercado del futuro son las que pueden dominar los desafíos de ingeniería que plantea la combinación de los modelos fundacionales con los datos internos, las que pueden educar y capacitar rápidamente a su personal para utilizar la IA como una herramienta para la productividad y las que fomentan la cultura de la innovación en toda la organización. A su vez, las organizaciones que forman alianzas estratégicas con líderes clave de la industria de la tecnología obtendrán una importante ventaja inicial al tener acceso a los últimos modelos y al talento de los especialistas. Finalmente, la experiencia nos ha demostrado que las habilidades técnicas como la ciencia de datos han tenido un mayor impacto en los negocios al ser integradas en los equipos de inversión; y esto también sucederá con la IA.

Al igual que la industria del software, la IA generativa puede dividirse en modelo y aplicación. En la actualidad, se están desarrollando numerosas herramientas sobre los modelos básicos, como el recientemente anunciado Microsoft Office Co-Pilot para tareas de trabajo o Github Copilot para codificación.

En un futuro no muy lejano, los proveedores externos ofrecerán herramientas que son útiles en muchas empresas. Las herramientas de uso específico de una determinada empresa y que pueden significar una ventaja competitiva se desarrollarán internamente. Las herramientas externas se utilizarán en todas las empresas para hacer negocios. En donde haya ventaja competitiva, las herramientas desarrolladas internamente estarán presentes.

Al automatizar tareas de rutina y repetitivas, la IA tiene el potencial para incrementar la productividad de manera significativa, lo cual liberará a los humanos de esas tareas para que se concentren en aquellas más complejas y creativas que requieren ingenio humano.

Limitaciones y desafíos

Si bien la IA tiene el potencial para revolucionar la inversión en mercados privados, es importante reconocer los riesgos asociados a su utilización.

Existen tres grandes categorías de tareas "no aptas para la IA" que necesitan la presencia de seres humanos que tomen decisiones clave.

  • Pensamiento crítico
  • Resolución de conflictos
  • Mayor conocimiento del contexto

Estas habilidades ya son esenciales para los inversores y lo serán aún más en el futuro cuando la IA ayude en otras tareas.

Un enfoque centrado en el ser humano puede ser necesario para supervisar el sistema de IA y garantizar que el resultado sea correcto y se pueda explicar. Es importante reconocer, además, que la tecnología tiene sus limitaciones: si bien las IA pueden analizar grandes cantidades de datos e identificar patrones, no brindan soluciones mágicas y pueden cometer errores.

Es requisito previo considerar cuestiones legales, de compliance, privacidad y seguridad, ya que los sistemas de IA deben respetar las normas y los lineamientos éticos. Finalmente, es crucial tener mecanismos de gobernabilidad establecidos para evaluar y aprobar casos de uso, y así asegurar que la IA se utiliza de forma responsable.

Al analizar detenidamente estos riesgos y aplicar las medidas de protección adecuadas, los inversores de mercados privados pueden aprovechar el potencial de la IA y minimizar los posibles problemas.

Authors

James Ellison
Head of Private Assets Data Insights

Temáticas

Private Equity
Activos privados
En profundidad
Global
Español

Schroders México

Reservados todos los derechos en todos los países