El impacto de la inteligencia artificial en la gestión de activos.

Descargar PDF para impresión

La IA está transformando el panorama de los servicios financieros tal como lo conocemos.

Los consejos de administración y los altos ejecutivos comprenden que la tecnología es un componente crucial del ADN de sus organizaciones, para garantizar su éxito en el futuro. La IA generativa es capaz de crear contenido nuevo y es lo que la mayoría de los consumidores piensan cuando oyen hablar de IA. Esto puede ser muy valioso en el sector de la gestión de activos.

La IA generativa posee capacidades que pueden aprovecharse como herramienta para diferenciar a los gestores de activos dentro del sector. Algunos factores importantes al considerar la preparación para la IA son la identificación de objetivos, la consideración de los casos de uso actuales, alineados con los objetivos, y estrategias del negocio, la identificación de las partes interesadas, los procesos existentes, el entorno de TI actual, la gobernanza y la adopción.

Al considerar los casos de uso de la IA, en concreto la IA general en la gestión de activos, los participantes se centran en mejorar la productividad, aprovechar los datos automatizados para optimizar la toma de decisiones y crear productos personalizados para los clientes. En concreto, la IA puede utilizarse para generar informes personalizados y entrenar modelos para generar contenido de marketing o liderazgo de opinión adaptado a cada sector o segmento. También puede generar automáticamente respuestas a propuestas y procesos de diligencia debida. La IA puede reducir significativamente el tiempo necesario para los procesos de diligencia debida, lo que beneficia tanto a los inversores como a las evaluaciones de proveedores.

Ambos procesos implican proporcionar información a terceros que, históricamente, ha sido muy manual y requiere mucho tiempo. Si la IA pudiera procesar las solicitudes, agilizaría y proporcionaría respuestas estandarizadas. La IA también puede ayudar a predecir cuándo es probable que los clientes abandonen sus cuentas o realicen movimientos significativos en los activos bajo gestión (AUM) y simular escenarios macroeconómicos.

Los participantes también pueden considerar una mayor productividad mediante tareas simplificadas, como la generación automatizada de resúmenes a partir de eventos de mercado relevantes para las tenencias o clases de activos, o la extracción automatizada de información de informes de analistas, presentaciones regulatorias e informes de cumplimiento para proporcionar compilaciones de datos mejoradas que permitan tomar decisiones informadas. La IA también puede beneficiar a una empresa al estandarizar las tareas de registro, contabilidad y operaciones que se ejecutarán de la misma manera cada vez.

Los casos de uso avanzados de la IA incluyen el uso de bots o agentes, entidades de software autónomas capaces de percibir su entorno, realizar tareas y tomar decisiones en nombre de un usuario u otro sistema. Los agentes de IA aprenden de las interacciones y adaptan su comportamiento a las condiciones cambiantes.

En esencia, la IA se basa en grandes modelos de lenguaje (LLM) y algoritmos de aprendizaje automático entrenados con grandes cantidades de datos, con canales de datos que alimentan continuamente el sistema de IA con nuevos datos para garantizar que los agentes se mantengan actualizados con la información más reciente.

Para facilitar las interacciones en tiempo real, estos sistemas de IA agéntica utilizan técnicas que permiten a los agentes comprender y generar respuestas similares a las humanas, a la vez que mejoran su rendimiento a lo largo del tiempo mediante el aprendizaje de interacciones y retroalimentación previas. Comprender y responder a las entradas de lenguaje natural hace que los agentes de IA sean altamente versátiles y capaces de adaptarse a diversos escenarios.

Específicamente, en la gestión de activos, se consideran las consideraciones para usar agentes de IA para gestionar carteras personalizadas según las preferencias y objetivos de inversión del cliente, identificar posibles oportunidades de inversión según criterios específicos de una estrategia de inversión específica o la minería de datos autónoma basada en consideraciones específicas del mercado.

Una vez identificados los casos de uso que están alineados con los objetivos y las estrategias, los participantes deben considerar a las partes interesadas clave de los datos y las herramientas existentes para la integración con los sistemas o procesos actuales para desarrollar un plan de implementación, que incluya la infraestructura y la gobernanza de las herramientas de IA para garantizar el uso ético, la seguridad y la mitigación de riesgos.

Las consideraciones de IA para problemas de privacidad y ciberseguridad incluyen datos confidenciales expuestos y la posible elusión de las salvaguardas existentes. Los resultados de IA inexactos pueden llevar a que se presente información errónea como un hecho, por lo que es esencial revisar los datos generados por IA para verificar su precisión antes de su uso.

Además, la IA debe cumplir con las leyes y regulaciones aplicables, tanto nacionales como internacionales, para evitar riesgos legales. Para mitigar estos riesgos, las organizaciones deben implementar sistemas de monitoreo dedicados a revisar los resultados de IA generados automáticamente, y realizar auditorías regulares. Las organizaciones pueden proteger los datos y reducir la probabilidad de incidentes o infracciones al garantizar una gobernanza adecuada y la supervisión humana.

La IA ofrece numerosas opciones de mejora en la gestión de activos; aprovecharla para ser más eficiente puede optimizar los procesos y ahorrar tiempo valioso en las tareas. Las capacidades de la IA siguen evolucionando y deben supervisarse constantemente. Baker Tilly ofrece servicios de consultoría en IA que pueden ayudar a su empresa a adaptarse a este nuevo entorno.

Britney DeSouza

Baker Tilly International