De la investigación a la gestión responsable: el siguiente paso de la IA en la inversión responsable

Preguntamos a un grupo de inversores institucionales, reunidos en uno de los mayores encuentros anuales sobre inversión responsable del mundo, el PRI in Person, dónde veían el mayor potencial para la inteligencia artificial y los datos alternativos. La gestión responsable y el compromiso obtuvieron un 71 %, por delante del análisis de riesgos de la cartera, con un 55 %, y la selección de activos, con un 52 %.

No me lo esperaba. La mayor parte del debate sobre la IA en la inversión responsable se ha centrado en la investigación, la selección y la construcción de carteras, y es precisamente en esos ámbitos donde las herramientas están más avanzadas. De todos modos, la participación activa ocupó el primer puesto, lo que indica dónde hay margen de mejora. Eso encaja con el ambiente que se respiraba esta semana en Ámsterdam, donde la edición de este año de la conferencia anual del PRI reunió a casi 2.000 participantes.

Los inversores se ven sometidos a una presión cada vez mayor para demostrar qué resultados obtiene su compromiso, en lugar de cuántas reuniones han celebrado, y ese es un problema de medición para el que la inteligencia artificial resulta bastante adecuada.

Las capacidades para ello ya existen. Las desarrollamos para leer la información divulgada y analizar la cobertura mediática, porque ahí es donde se encontraban los datos y donde surgía la demanda inicial. Lo que los inversores nos piden ahora es que les acompañemos hasta el final, de modo que el proceso se desarrolle de principio a fin, en lugar de detenerse en la fase de análisis.

Lo que necesita la IA para realizar bien este trabajo es precisamente lo que analizamos durante la sesión en la que participé en PRI in Person: «La próxima generación de inteligencia de inversión: cómo sacar partido a los datos alternativos y al análisis de IA». Compartí mesa redonda con James Phare, de Neural Alpha; el profesor Peter Schwendner, de la ZHAW y PanGeo Nature Risk; y Tim Verheyden, de Goldman Sachs Asset Management.

Qué aportan los datos no estructurados a un proceso de inversión

Mientras me preparaba para la sesión, intenté exponer qué puede aportar, potencialmente, la información no estructurada a un proceso de inversión. Al final, llegué a seis ventajas que, casualmente, forman la palabra MOSAIC.

• La diversidad de puntos de vista te ofrece perspectivas que complementan o cuestionan la versión de la dirección.
• La originalidad te ofrece indicios que van más allá de las pruebas que todo el mundo ya utiliza.
• La especificidad te ofrece información detallada sobre los activos y las actividades que las métricas a nivel de empresa no recogen.
• La disponibilidad cubre las lagunas en las que la información facilitada es escasa, lo cual cobra mayor importancia ahora que se ha reducido el ámbito de aplicación de la CSRD.
• La inmediatez permite obtener información fuera del ciclo anual, extrayendo datos de las reuniones trimestrales o de fuentes complementarias.
• El contexto explica por qué ha variado una métrica y si el problema se repite.

Cuál de estas opciones necesitas depende, obviamente, de la cuestión de inversión con la que partiste y del conjunto de datos no estructurados o alternativos con el que estés trabajando. Se trata de posibles ventajas, más que de una lista de requisitos que todo conjunto de datos vaya a cumplir. Por ejemplo, las imágenes por satélite pueden aportar detalles inmediatos sobre un activo concreto, mientras que la cobertura informativa puede ayudar a identificar controversias emergentes que difieran de la versión oficial de la dirección. La clave está en si la fuente ayuda a responder a la cuestión de inversión.

Qué pueden revelar los datos no estructurados a los inversores

Dos estudios propios nos dan una idea de cómo se traduce esto en la práctica.

En el primer estudio, utilizamos la inteligencia artificial para extraer texto y datos cuantitativos de la información corporativa de 900 empresas de sectores con altas emisiones que informaban sobre su inversión en activos fijos (CapEx) «verdes». Las empresas con objetivos alineados con el objetivo de 2 °C o inferiores destinaban, de media, un 27 % de su CapEx a proyectos «verdes», frente al 25 % de aquellas que no habían establecido ningún objetivo. La ambición de los objetivos, por sí sola, dice menos de hacia dónde se dirige el capital de lo que cabría suponer.

En la segunda, utilizamos el procesamiento del lenguaje natural para identificar controversias relacionadas con la sostenibilidad en la cobertura informativa y, a continuación, analizamos más de 12 000 incidentes. El rendimiento inferior estimado a lo largo de seis meses en comparación con empresas similares osciló entre aproximadamente el 2 % en el caso de los incidentes de menor gravedad y el 5 % en el de los de mayor gravedad.

Los estudios abordan diferentes cuestiones relacionadas con la inversión. El análisis de CapEx evalúa si las ambiciones climáticas se reflejan en la asignación de capital; el estudio sobre controversias examina la relación entre los incidentes relacionados con la sostenibilidad y la evolución posterior del precio de las acciones.

Ambos estudios muestran cómo los datos no estructurados pueden ayudar a los inversores a poner a prueba sus hipótesis e identificar las preguntas que deben plantear a las empresas. Estos estudios se enmarcan en el ámbito de la investigación y la selección, ya que es ahí donde se ha llevado a cabo el trabajo. El siguiente paso que desean dar ahora los inversores es trasladar ese nivel de evidencia a las conversaciones que mantienen con las empresas.

Para eso se ha diseñado nuestra solución «Climate Intelligence», desarrollada por nuestros nuevos compañeros de Glass Lewis. Combina la información divulgada, el análisis basado en inteligencia artificial y una metodología especializada para evaluar la estrategia de transición y su ejecución, y transforma los resultados en preguntas concretas que plantear a la dirección.

Diseño y gobernanza de la IA en la inversión responsable: qué se necesita

En primer lugar, empieza por definir un objetivo de inversión claro: ¿qué decisión pretendes fundamentar o qué quieres conseguir? Ese objetivo debe guiar la elección de los datos y las herramientas. Por desgracia, sigo viendo a muchos actores que se entusiasman con la IA y empiezan por la herramienta. ¡No es de extrañar que tantos proyectos de IA parezcan no dar los resultados esperados en relación con su inversión!

Igualmente importante es que, para alcanzar ese objetivo, es necesario que tres capacidades clave actúen de forma conjunta:

• Conjuntos de datos de buena calidad que sean pertinentes para la cuestión, con una cobertura suficiente y fuentes fiables.
• Conocimientos especializados en materia de sostenibilidad para determinar qué aspectos son relevantes e interpretar los datos en su contexto.
• Competencias en inteligencia artificial y tecnología para desarrollar, probar y supervisar las herramientas utilizadas para extraer y analizar esas pruebas.

Por último, el resultado funciona siempre y cuando la gobernanza tenga el mismo peso, y yo lo agruparía en cuatro pilares:

1. La integridad abarca la forma en que se obtienen y protegen los datos, así como los derechos de autor, la fiabilidad y la imparcialidad.
2. La precisión se refiere a si el modelo ha extraído la información correcta y a si esta se ajusta a las definiciones, los ámbitos y los periodos de tiempo con los que estás trabajando.
3. La transparencia implica que las fuentes, los métodos y los supuestos sean visibles, incluso cuando una cifra sea una estimación.
4. La rendición de cuentas deja claro quién es responsable de las decisiones analíticas individuales, quién supervisa el proceso y quién responde del sistema en su conjunto. Esas responsabilidades pueden repartirse entre los equipos de inversión, sostenibilidad y tecnología, así como entre proveedores externos. Deben estar claramente definidas, incluyendo quién puede cuestionar un resultado o modificar el sistema.

Esa división de responsabilidades también se aplica cuando un proveedor aporta datos extraídos, una evaluación analítica o ambas cosas. El proveedor es responsable de los servicios que presta, mientras que el inversor sigue siendo responsable del uso que se haga de esos resultados y de las decisiones de inversión o de gestión que de ellos se deriven. La decisión debe recaer siempre en el inversor.

¿Desarrollar o adquirir capacidades de IA? Cada vez más, ambas cosas

La investigación del profesor Dr. Peter Schwendner pone de manifiesto el alcance que tienen actualmente los datos abiertos. Su equipo analizó las presas de residuos mineros de una cartera de proyectos utilizando conjuntos de datos públicos a escala mundial sobre altitud, cursos fluviales y población, sin que las empresas revelaran información alguna, y descubrió que el tamaño de una presa predice las consecuencias de una rotura mucho menos que el número de personas que viven aguas abajo.

Los inversores también están abordando este tipo de cuestiones a nivel interno, incluidas las implicaciones financieras del riesgo climático físico y la adaptación al mismo. La recopilación de datos y la elaboración de modelos han dejado de ser un ámbito exclusivo de los proveedores. Aun así, los inversores presentes en la conferencia compartieron sus datos empíricos, según los cuales entre el 80 % y el 90 % de esta información sigue llegando a los inversores a través de un proveedor, por lo que los socios especializados siguen desempeñando claramente un papel importante.

El lugar en el que cada organización trace esa línea variará. Lo que no debería variar es el proceso de adquisición que hay detrás, que debe verificar los datos, la experiencia y la gobernanza de la IA de cualquier producto que se adquiera.

El futuro de la inteligencia artificial en la inversión responsable

La ventaja en cuanto a la rapidez es la más evidente: un trabajo familiar, realizado más rápido y a menor coste. Me interesa más la segunda: detectar lo que, de otro modo, se nos escaparía gracias a una cobertura más amplia y a las conexiones entre los datos. El procesamiento seguirá siendo cada vez más sencillo, mientras que los datos que se pasan por alto y la incertidumbre seguirán ahí, por lo que el criterio y la interpretación no harán más que ganar valor.

La capacidad ya existe en gran medida. Se ha centrado principalmente en aquellas partes del proceso que resultaban más fáciles de automatizar. Si se aplica a la gestión responsable, la documentación debe cumplir el mismo nivel de exigencia, aunque de forma diferente. Se debate con la empresa a la que se refiere, por lo que debe ser lo suficientemente específica como para poder plantearle preguntas al respecto, y debe quedar constancia de ello, de modo que el compromiso del año pasado pueda figurar junto al de este año.

Es un producto más difícil de desarrollar y de evaluar. A juzgar por la encuesta realizada entre el público en Ámsterdam, es el que demandan los inversores.