\n<\/p>\n
En las \u00faltimas d\u00e9cadas, ha surgido un conjunto de rituales distintivos en las finanzas en torno al fen\u00f3meno conocido como \u201cFedspeak\u201d. Cada vez que un banquero central hace un comentario, los economistas (y los periodistas) se apresuran a analizarlo mientras los comerciantes hacen apuestas de inversi\u00f3n.<\/p>\n
Pero si los economistas de la Reserva Federal de Richmond tienen raz\u00f3n, este ritual podr\u00eda cambiar pronto. Recientemente le pidieron a la herramienta de inteligencia artificial generativa ChatGPT que analizara las declaraciones de la Reserva Federal, y concluy\u00f3 <\/a>que \u201cdemuestra[s] un s\u00f3lido desempe\u00f1o en la clasificaci\u00f3n de las oraciones de Fedspeak, especialmente cuando se ajustan con precisi\u00f3n\u201d. Adem\u00e1s, “el rendimiento de los modelos GPT supera al de otros m\u00e9todos de clasificaci\u00f3n populares”, incluidas las llamadas herramientas de “an\u00e1lisis de sentimiento” que ahora utilizan muchos comerciantes (que analizan las reacciones de los medios para predecir los mercados).<\/p>\n S\u00ed, ley\u00f3 bien: los robots ahora podr\u00edan ser mejores para descifrar la mente de Jay Powell, presidente de la Fed, que otros sistemas disponibles, seg\u00fan algunos miembros del personal humano de la Fed. <\/p>\n \u00bfEs esto algo bueno? Si usted es un fondo de cobertura que busca una ventaja competitiva, podr\u00eda decir “s\u00ed”. Lo mismo sucede si es un gerente de finanzas que espera optimizar su personal. El documento de Richmond enfatiza que ChatGPT solo debe usarse actualmente con supervisi\u00f3n humana, ya que si bien puede responder correctamente el 87 por ciento de las preguntas en una “prueba estandarizada de conocimiento econ\u00f3mico”, “no es infalible”. [and] a\u00fan puede clasificar err\u00f3neamente las oraciones o no capturar los matices que un evaluador humano con experiencia en el dominio podr\u00eda capturar\u201d. <\/p>\n Este mensaje se repite en el torrente de otros documentos financieros de AI<\/a> ahora cayendo, que analizan tareas que van desde la selecci\u00f3n de valores<\/a> a ense\u00f1anza de la econom\u00eda<\/a>. Aunque estos se\u00f1alan que ChatGPT podr\u00eda tener potencial como “asistente”, para citar el documento de Richmond, tambi\u00e9n enfatizan que confiar en la IA a veces puede fallar, en parte porque su conjunto de datos es limitado y desequilibrado.<\/p>\n Sin embargo, todo esto podr\u00eda cambiar, ya que ChatGPT mejora. Entonces, como era de esperar, algo de esto nueva investigaci\u00f3n<\/a> tambi\u00e9n advierte que los trabajos de algunos economistas pronto podr\u00edan verse amenazados. Lo cual, por supuesto, har\u00e1 las delicias de los reductores de costos (aunque no de los economistas humanos reales).<\/p>\n Pero si quiere tener otra perspectiva sobre las implicaciones de esto, vale la pena echarle un vistazo a papel prof\u00e9tico<\/a> on AI coescrito por Lily Bailey y Gary Gensler, presidente de la Comisi\u00f3n de Bolsa y Valores, en 2020, mientras era acad\u00e9mico en el MIT.<\/p>\n El documento no caus\u00f3 un gran revuelo en ese momento, pero es sorprendente, ya que argumenta que, si bien la IA generativa podr\u00eda brindar beneficios incre\u00edbles para las finanzas, tambi\u00e9n crea tres grandes riesgos para la estabilidad (al margen de la preocupaci\u00f3n actual de que los robots inteligentes podr\u00edan querer matarnos, que no abordan.)<\/p>\n Una es la opacidad: las herramientas de IA son absolutamente misteriosas para todos excepto para sus creadores. Y aunque podr\u00eda ser posible, en teor\u00eda, rectificar esto exigiendo a los creadores y usuarios de IA que publiquen sus pautas internas de manera estandarizada (como la luminaria tecnol\u00f3gica Tim O’Reilly ha propuesto sensatamente<\/a>), parece poco probable que esto suceda pronto. <\/p>\n Y muchos inversores (y reguladores) tendr\u00edan dificultades para comprender dichos datos, incluso si surgiera. Por lo tanto, existe un riesgo creciente de que \u201clos resultados inexplicables puedan conducir a una disminuci\u00f3n en la capacidad de los desarrolladores, ejecutivos de la sala de juntas y reguladores para anticipar las vulnerabilidades del modelo. [in finance]\u201d, como escribieron los autores. <\/p>\n El segundo problema es el riesgo de concentraci\u00f3n. Quienquiera que gane las batallas actuales entre Microsoft y Google (o Facebook y Amazon) por la participaci\u00f3n de mercado en IA generativa, es probable que solo un par de jugadores dominen, junto con un rival (o dos) en China. Luego se construir\u00e1n numerosos servicios sobre esa base de IA. Pero la similitud de cualquier base podr\u00eda crear un “aumento de monocultivos en el sistema financiero debido a que los agentes optimizan usando las mismas m\u00e9tricas”, como observ\u00f3 el documento.<\/p>\n Eso significa que si surge un error en esa base, podr\u00eda envenenar todo el sistema. E incluso sin este peligro, los monocultivos tienden a crear reba\u00f1os digitales, o computadoras que act\u00faan de la misma manera. Esto, a su vez, aumentar\u00e1 los riesgos de prociclicidad (o cambios de mercado que se refuerzan a s\u00ed mismos), como Mark Carney, ex gobernador del Banco de Inglaterra, ha notado<\/a>. <\/p>\n \u201c\u00bfQu\u00e9 pasa si un modelo de IA generativa que escucha Fedspeak tiene un contratiempo? [and infected all the market programs]?\u201d Gensler me dice. \u201c\u00bfO si todo el mercado hipotecario depende de la misma capa base y algo sali\u00f3 mal?\u201d<\/p>\n El tercer problema gira en torno a las “brechas regulatorias”: un eufemismo por el hecho de que los reguladores financieros parecen estar mal equipados para entender la IA, o incluso para saber qui\u00e9n deber\u00eda monitorearla. De hecho, ha habido muy poco debate p\u00fablico sobre los temas desde 2020, aunque Gensler dice que los tres que identific\u00f3 ahora se est\u00e1n volviendo m\u00e1s, no menos, serios a medida que prolifera la IA generativa, creando “riesgos reales de estabilidad financiera”.<\/p>\n Esto no impedir\u00e1 que los financieros se apresuren a adoptar ChatGPT en su intento de analizar Fedspeak, elegir acciones o cualquier otra cosa. Pero deber\u00eda dar a los inversores y reguladores una pausa para pensar. <\/p>\n El colapso de Silicon Valley Bank brind\u00f3 una lecci\u00f3n horrible sobre c\u00f3mo la innovaci\u00f3n tecnol\u00f3gica puede cambiar inesperadamente las finanzas (en este caso al intensificar el pastoreo digital). Los recientes colapsos repentinos ofrecen otra. Sin embargo, estos son probablemente un peque\u00f1o anticipo del futuro de los bucles de retroalimentaci\u00f3n viral. Los reguladores deben despertar. Tambi\u00e9n deben hacerlo los inversores y los adictos a Fedspeak.<\/p>\n