Ei, ChatGPT, o que você faria se fosse o Warren Buffet?

A expressão inteligência artificial (IA), embora muito cativante, simplifica excessivamente um conjunto heterogêneo de métodos computacionais que procuram reproduzir aspectos da inteligência humana.

Por meio da IA, programas de computador podem realizar tarefas variadas, tais como jogar xadrez, identificar padrões em séries de dados (tais como reconhecimento facial ou diagnósticos clínicos), fazer previsões e, com a IA generativa, produzir textos, sons, imagens e vídeos.

Nesse texto, exploro diferentes possibilidades de aplicação da IA na oferta de produtos e serviços financeiros, inclusive na detecção de fraudes e na prevenção (ou amplificação) de abusos que exploram vieses cognitivos dos investidores.

Spacca

Máquinas realmente aprendem alguma coisa?
A matéria-prima da IA consiste em dados históricos. Para “prever o futuro” ou “criar”, esses métodos — ou, mais precisamente, algoritmos — precisam de pontos de partida. Por isso, fala-se também em “aprendizado de máquina” (machine learning), em analogia ao aprendizado humano, no qual, a partir de objetivos desejados, somos expostos a conteúdos, reagimos e somos avaliados, ou seja, um processo de aprendizado sob supervisão.

As técnicas de IA avançaram a ponto de serem obtidos resultados sem a intervenção humana para “treinar” esses sistemas, daí surgiu o rótulo “deep learning“, que denota um aprendizado autônomo, por assim dizer. Mesmo diante de dados não estruturados e da ausência de referências sobre padrões, esses sistemas são capazes de inferir associações, correlações, categorias e outros aspectos relativos aos dados que podem satisfazer a determinados objetivos.

Embora ainda não saibamos o que é consciência, estamos distantes de algoritmos capazes de reproduzir plenamente os aspectos de seres conscientes, ainda que sejam capazes de nos convencer do contrário.

IA e o mercado financeiro
Ainda não temos um “ChatGPT das Finanças”, isto é, uma ferramenta acessível e versátil capaz de endereçar várias necessidades relativas à oferta de produtos e serviços financeiros. Além disso, o idioma das finanças transcende a linguagem natural, de modo que as aplicações específicas de large language models (LLMs) são importantes, mas não suficientes para cobrir todo o espectro de soluções financeiras.

Assim, discutir IA em soluções para o mercado financeiro é, em grande medida, escrever um novo capítulo na história da negociação baseada em modelos quantitativos, a qual sempre teve relação com modelos estatísticos e, eventualmente, automação das operações por meio de algoritmos.

O “santo graal” das finanças, por assim dizer, é a busca por “alfa”, uma vantagem com relação ao mercado, de forma agregada. Há quem acredite que estratégias ativas jamais irão superar estratégias passivas, relativas a índices — essa é uma discussão importante no campo econômico, envolvendo o que chamamos de hipótese do mercado eficiente. O fato de que muitos fundos não conseguem superar o seu próprio benchmark parece corroborar essa hipótese. Apesar disso, gestores seguem à procura de ideias e ferramentas que possam melhorar o desempenho de suas carteiras.

Nesse quadro, a evolução das técnicas de IA é bem-vinda, porque permite o desenvolvimento de modelos de análise de dados de negociação em conjunto com dados de diversas fontes, inclusive notícias, comunicados oficiais e relatórios. É possível inferir sentimentos e tendências nos agentes de mercado ou, então, “ler nas entrelinhas” de um pronunciamento de executivos de uma companhia sobre as demonstrações financeiras divulgadas, comparando o que é dito com dados factuais.

As soluções de IA também podem ajudar a criar simulações mais complexas para testar modelos e interações entre agentes econômicos, reagindo a novos produtos financeiros ou a certos tipos de eventos, tais como crises políticas e guerras.

Uma possibilidade interessante é a criação de estratégias de investimento que tentem imitar a tomada de decisão de indivíduos como Warren Buffet e outros gurus do mercado. Sabemos que o ChatGPT pode ser utilizado para imitar o estilo de autores, mas o processo decisório de investimentos requer mais do que processamento de textos. Por isso, seguir gurus em um contexto que extrapole a mera replicação de carteiras requer um conjunto de dados sofisticado para que a máquina realmente personifique um profissional de finanças.

Em suma, podemos afirmar que a principal aplicação da IA no mercado financeiro é a capacidade de otimizar o processo de coleta, validação, análise e utilização de dados para dar suporte à tomada de decisão de investimentos.

Nesse ponto, podemos nos perguntar: se você tem uma ferramenta de apoio à decisão tão boa, prefere utilizá-la para gerir seus próprios recursos ou vendê-la como uma solução de software? Assim, embora tenhamos produtos customizáveis de negociação algorítimica, muitas soluções permanecem “in house”, pois representam vantagens competitivas cujo compartilhamento com o mercado não compensa.

Nunca saberemos o que há dentro da “caixa preta” dos algoritmos, inclusive quando utilizam IA, por isso é recomendado ter cautela com soluções dessa natureza, afinal, bom “track record” não garante rentabilidade futura. E não temos evidências, por ora, de que a IA quebrou esse paradigma.

IA tornará os profissionais de finanças obsoletos?
A preocupação com a substituição de trabalhadores humanos por sistemas inteligentes é um ponto relevante na formulação de políticas públicas e no próprio planejamento de vida das pessoas. Antes, a automação se limitava a trabalhos “físicos”, com máquinas que ofereceram maior rapidez, eficiência e precisão. Com a nova geração de ferramentas de IA, a automação agora abrange tarefas intelectuais como a de advogados, auditores, analistas e planejadores financeiros, por exemplo.

Não seria incorreto presumir que a geração atual de investidores ainda precisa de contato humano, da confiança que se constrói ao longo do tempo em interações ricas, as quais não se limitam a conversas técnicas. Algumas profissões financeiras têm caráter personalíssimo, baseando-se na confiança. Assim, ao menos enquanto os hábitos e a cultura associada à experiência dos investidores não mudar significativamente, parece haver pouco espaço para sua substituição por algoritmos.

Por outro lado, os profissionais podem se valer de soluções de IA para otimizar sua rotina de trabalho, criando modelos, gerando relatórios e testando hipóteses de maneiras que antes não lhe eram possíveis. Ainda, a automação de tarefas pode permitir o aumento da capacidade de atendimento sem sacrificar a personalização do serviço prestado, combinando dados de diversas fontes com os dados específicos de seus clientes.

IA e compliance
Empresas de auditoria independente já sinalizam que, com auxílio da IA, seus processos se tornaram mais eficientes e houve aumento de qualidade nas suas detecções e análises. A IA tem o potencial de otimizar significativamente o monitoramento de transações para a prevenção de fraudes, manipulação, insider trading e lavagem de dinheiro, dentre outros ilícitos.

No mercado de capitais brasileiro, os dados das posições e transações na B3 são analisados pela CVM e pela BSM e, ainda, pelos próprios participantes do mercado. Por ora, ainda não há soluções adaptáveis de baixos custos e temos notícias apenas de iniciativas “in house”, com programas de capacitação das equipes de TI e de compliance e a elaboração de guias de melhores práticas.

Sabemos que o governo tem dificuldade em contratar soluções caras, especialmente quando não há concorrência suficiente para realizar licitações. Esse pode ser um fator que, juntamente com a capacitação insuficiente dos agentes públicos sobre o tema, atrase a adoção de ferramentas mais modernas baseadas em IA para a supervisão de mercado. Nesse contexto, a autorregulação será fundamental para suprir essa necessidade, pois entidades como BSM, Anbima e Apimec podem ser mais ágeis.

IA e psicologia financeira
Toda a regulação do mercado de capitais é baseada na premissa de que há investidores racionais e que, se tiverem acesso equitativo às informações, teremos um bom mercado. Na realidade, sabemos que vieses cognitivos dos investidores podem ser explorados para levar a decisões irrefletidas, desnaturando a bolsa em um cassino.

O economista Robert Shiller foi laureado com o prêmio Nobel em 2013 por descrever essa “exuberância irracional” do mercado juntamente com Eugene Fama, economista responsável pela tese contrária – a da racionalidade e eficiência informacional do mercado. Então, não há consenso sobre isso e a regulação segue exigindo transparência, enquanto muitos investidores seguem comprando e vendendo sem ter a menor ideia do que estão fazendo.

Sabemos que as redes sociais têm algoritmos baseados em IA que praticamente “viciam” seus usuários, retendo sua atenção e permanência ao máximo. Técnicas semelhantes podem ser usadas para a criação de conteúdo destinada a estimular emoções em investidores, especialmente medo e euforia, levando-os a tomarem decisões pouco refletidas e ignorar o risco de certos produtos.

Muitos investidores não possuem um planejamento financeiro abrangente de suas vidas. Não sabem quais são seus objetivos financeiros de curto, médio e longo prazo, não têm ideia clara sobre suas necessidades de liquidez, capacidade de poupar e não programam suas despesas, ficando ao sabor do vento. E, quando não se sabe para onde se quer ir, qualquer direção serve, diz o ditado.

Muitos começam a fazer cursos sobre como viver de day trade achando que alcançarão a sonhada liberdade financeira em pouco tempo e não têm a menor ideia sobre o quanto as probabilidades estão contra eles. Soluções inteligentes baseadas em IA podem ajudar na interação com esses investidores e mitigar esses problemas.

Estamos em uma bolha de IA?
O frenesi em torno da IA tem todas as chances de ganhar contornos de uma nova bolha financeira, especialmente se empresas com estratégias pouco claras começarem a receber aportes significativos com valuations exagerados, como ocorreu recentemente com empresas da criptoeconomia, fintechs e outras startups. Ainda é cedo para dizer que estamos em uma bolha, precisamos observar o comportamento de fundos de private equity, o surgimento de ativos temáticos, o grau de adoção das ferramentas desenvolvidas.

Sejam tulipas, ações de companhias como a South Sea Bubble, créditos subprime, avestruzes, boi gordo, NFTs, as bolhas sempre exploram a euforia e a incapacidade de analisar investimentos com lucidez. Infelizmente, em alguns casos, essas bolhas ganham proporções que nos levam a chamá-las de crises, levando à perda de confiança dos investidores, retração de investimentos, desemprego, recessão e à incapacidade de o mercado financiar a atividade econômica, como ocorreu em 2008.

Nos resta torcer que a IA nos torne mais inteligentes para evitar que essas tragédias se repitam.