La próxima frontera en la gestión de inversiones: GenAI para carteras más inteligentes y eficientes

Argumentos para integrar la IA en los datos y análisis de sostenibilidad

La IA Generativa (GenAI) podría aportar a la economía entre 2,6 y 4,4 billones de dólares anuales, al tiempo que aumentaría el impacto de la inteligencia artificial -término que engloba a todos los sistemas inteligentes- entre un 15 y un 40 por ciento, según una investigación de McKinsey. El estudio señala que: "De hecho, parece posible que en los próximos tres años todo lo que no esté conectado a la IA se considere obsoleto o ineficaz" .

Un área clave que se beneficia del despliegue de estas nuevas tecnologías es la gestión de activos financieros. Según una encuesta reciente de Boston Consulting Group (BCG), el 88 % de los gestores de activos están experimentando con al menos un caso de uso de GenAI, como "conocimientos habilitados por IA para una gestión de datos más potente en toda la organización" o "informes de fondos".

La adopción de tecnología innovadora en la gestión de activos adquiere aún más importancia a medida que entran en juego consideraciones de sostenibilidad y ASG, lo que añade complejidad a los flujos de trabajo de datos y a los requisitos de información. 

Sobre la base de casi una década de experiencia en sostenibilidad y tecnología, Clarity AI ha lanzado nuevas capacidades de copilotaje para ayudar a los gestores de activos, que crean, comercializan y gestionan productos financieros, a extraer información práctica para fundamentar mejor su toma de decisiones. Al recurrir al poder de la IA, los participantes en los mercados financieros pueden dedicar su tiempo a tareas más estratégicas que impulsen el crecimiento del negocio y la satisfacción del cliente.

Este artículo profundiza en los retos de la gestión de activos para integrar con éxito la sostenibilidad en el proceso de inversión y el papel de la IA y GenAI en particular para ayudar a salvar las distancias. 

Presión sobre las competencias y escalabilidad

La mano de obra necesaria para gestionar las inversiones relacionadas con la sostenibilidad se está convirtiendo en una preocupación creciente en el sector de los servicios financieros. Especialmente a medida que aumentan la presión reguladora, el escrutinio público y la demanda de los clientes, lo que aboga por una mayor transparencia y divulgación para validar las afirmaciones de sostenibilidad.

Según los Principios de Inversión Responsable (PRI), más del 80% de los propietarios de activos de todo el mundo aplican estrategias de financiación sostenible. Sin embargo, más del 75% de los profesionales financieros señalan "una escasez de competencias en sostenibilidad en su organización."

Con la previsión de que los activos ESG mundiales alcancen los 40 billones de dólares en 2030, y el compromiso del 85% de los gestores de activos de impulsar los activos sostenibles, estos retos estructurales no harán sino aumentar si no se abordan.

Aunque la IA puede ayudar a reducir las diferencias de cualificación y mejorar la eficiencia de los equipos, la tecnología debe considerarse un medio para alcanzar un fin, y no puede sustituir al poder de decisión de los seres humanos. 

La gestión de la colaboración entre humanos y la IA es, por tanto, una cuestión crítica de gobernanza de procesos por derecho propio. Si se hace bien, los "guardarraíles" humanos se incorporan al proceso para garantizar que las estrategias respaldadas por la IA funcionan como se espera y que las decisiones de inversión resultantes son acertadas.

En el resto de esta breve nota de análisis se describen algunos de los principios fundamentales en los que se basa la nueva función de copiloto de Clarity AI(su Asistente de Inteligencia Artificial) para ayudar a los gestores de activos a integrar las consideraciones relacionadas con la sostenibilidad en la inversión.

En particular, la calidad de los datos subyacentes, la transparencia y la explicabilidad de los conocimientos proporcionados por el nuevo Asistente de Inteligencia Artificial dotan a los inversores de información en la que pueden confiar para tomar decisiones de inversión e informar con confianza a sus grupos de interés.

Datos completos y fiables en el centro

Aparte de buscar en los datos autodeclarados disponibles , que a su vez están sujetos a variaciones, incoherencias y definiciones vagas, hay muchas lagunas y omisiones en las declaraciones de las empresas. Por ejemplo, el análisis deClarity AI muestra que, aunque más del 80% de las empresas de petróleo y gas deberían informar sobre las emisiones de los activos que no controlan en la categoría de inversiones de Alcance 3, sólo el 9% lo hace realmente.

Para llenar los vacíos de datos, la extracción automatizada impulsada por IA encuentra métricas y valores a partir de datos no estructurados. Los datos no estructurados pueden ser informes, documentos, gráficos, comunicados de prensa y mucho más. Los modelos de Procesamiento del Lenguaje Natural (PLN) procesan texto no estructurado (por ejemplo, artículos de noticias) para extraer temas de interés (por ejemplo, controversias). En los casos en los que simplemente no se dispone de datos clave de dominio público, las potentes aplicaciones de IA pueden utilizar modelos sofisticados para estimar los factores que faltan. Por ejemplo, las imágenes por satélite pueden utilizarse para aumentar la precisión de las estimaciones de las emisiones de gases de efecto invernadero, como en nuestra investigación antes mencionada sobre las emisiones de gases de efecto invernadero que faltan en las empresas de petróleo y gas. 

Todo esto lo podrían hacer los humanos, pero no con la misma fiabilidad de alcance y evitando los errores humanos. A medida que aumenta el volumen de trabajo con el continuo incremento de instrumentos emitidos relacionados con la sostenibilidad, las soluciones basadas en la tecnología pueden ampliarse rápidamente allí donde los recursos humanos no pueden. Sin embargo, la experiencia humana es crucial para el éxito de los modelos de IA, en términos de formación del modelo con conocimientos muy específicos, taxonomías (definiciones de categorías) y datos de casos de uso.

Más allá de la exhaustividad de los datos, a los gestores de activos les preocupa la fiabilidad de los datos en los que basan sus decisiones de inversión y los ajustes de sus carteras. Pero, ¿hasta qué punto es un problema la fiabilidad? Clarity AIEl análisis de los datos de emisiones directas de 6.500 empresas realizado por la Comisión Europea reveló que en el 42% de los casos se detectaron discrepancias en los datos. En el 13% de los casos, esas discrepancias superaban el 20% de divergencia respecto a la verdad.

Por lo tanto, un objetivo clave para los gestores de activos es elegir herramientas basadas en IA que identifiquen y marquen la información de sostenibilidad potencialmente inexacta de una empresa, basándose en:

• Coherencia con el historial de informes de la propia empresa
• Coherencia con su sector, teniendo en cuenta el tamaño y otros factores de la empresa declarante.
• Coherencia con otras fuentes para la misma empresa-año métrico

Clarity AIcon la calidad de los datos

• Datos de referencia para una identificación y clasificación precisas
• Procesamiento del lenguaje natural que gestiona los términos imprecisos e interpretables para evitar el lavado verde
• Captura mediante IA de datos notificados y conjuntos de datos adicionales (noticias, imágenes por satélite, etc.)
• Superposiciones de datos en tiempo real que mejoran los datos notificados de evolución lenta.
• Modelos de IA altamente entrenados que validan los datos con respecto a normas y puntos de referencia.
• Modelos de estimación que colman las lagunas de información utilizando parámetros y normas del sector
• Supervisión humana para revisar los indicadores y las anomalías en los datos

Transparencia y explicabilidad de los datos para impulsar la acción

La IA es de poca utilidad para los gestores de activos si no ofrece el razonamiento y/o la explicación que hay detrás de cada punto que revela. Está claro que interpretar miles de puntos de datos de sostenibilidad es una tarea muy compleja y que requiere mucho tiempo, incluso para los analistas especializados. La automatización impulsada por la IA es muy necesaria, pero la automatización en los mercados financieros altamente regulados no sirve de nada sobre la base de una "caja negra".

En la siguiente sección se describe cómo las funcionalidades del copiloto pueden apoyar las decisiones de inversión de los gestores de activos, a través de recomendaciones proactivas y orientación sobre cómo crear y gestionar carteras, basándose en datos completos y fiables y ofreciendo acceso a los fundamentos y el contexto que subyacen a cada información facilitada.

Presentación de Clarity AI's Assistant

Basándose en casi una década de especialización en sostenibilidad y tecnología, Clarity AI aporta ahora nuevas capacidades GenAI al mercado para impulsar la acción informada y aumentar la eficiencia de los equipos de inversión y los analistas ESG.

A través del Asistente de Inteligencia Artificial, proporcionamos información y recomendaciones avanzadas a los inversores basadas en inteligencia conversacional que se alimenta de una base de datos única y seleccionada de más de 1.000 métricas, más de 70.000 empresas, 450.000 fondos y 400 gobiernos nacionales y locales.

Esta nueva función acerca la información al usuario, automatizando el proceso de análisis de datos y permitiéndole centrarse en su estrategia y sus objetivos. 

Transparencia y contexto de los datos

• Ofrece puntos de referencia pertinentes para comparar los resultados en materia de sostenibilidad con agrupaciones comparables relevantes (por ejemplo, S&P 500).
• Detección de valores atípicos en las carteras
• Analiza en profundidad los valores atípicos u otras empresas de la cartera para comprender la naturaleza precisa del rendimiento y el detalle de las subcategorías.
• Explica detalladamente las metodologías y las fuentes de las métricas.
• Permite profundizar en los informes de sostenibilidad de las empresas para investigar más a fondo sus datos y planes de compromiso.

Recomendaciones para la cartera

• Identifica y proporciona un análisis claro de las empresas de bajo rendimiento de las carteras.
• Ofrece opciones para mejorar la puntuación de la cartera sin cambiar la asignación sectorial
• Ofrece una justificación detallada y transparente de las recomendaciones
• Señala empresas con riesgos potenciales para la cartera
• Ofrece la opción de investigar empresas específicas en detalle, extrayendo información cuantitativa y cualitativa en forma de informes de empresa similares a los de los analistas.

La IA puede cambiar las reglas del juego a la hora de recopilar información y analizarla de forma significativa para comprender mejor los resultados de sostenibilidad de las empresas, pero siempre debe seguir siendo una herramienta de apoyo y ampliación de las decisiones humanas.

Póngase en contacto con nosotros para obtener más información sobre nuestra oferta y sobre cómo podemos apoyar mejor sus esfuerzos de sostenibilidad.