La próxima frontera de la IA: la adaptación
14 OCT, 2026
Por Pictet AM
La inteligencia artificial está desvelando patrones antes invisibles en los mercados financieros que impulsan la rentabilidad. Sin embargo, en plena revolución tecnológica, los algoritmos que sustentan estos motores no pueden ser estáticos: deben adaptarse a la evolución de la tecnología, los datos y los mercados.
Si se hace bien, la recompensa es una rentabilidad muy superior a la de los índices de referencia de renta variable por un coste adicional moderado.
Mayor, mejor, en menos tiempo
Tomemos Quest AI como ejemplo. Desde su lanzamiento en julio de 2023, la estrategia ha superado a su índice de referencia gracias a la información que genera sobre los factores que subyacen a los precios de las acciones. Esto ha sido posible por la adaptabilidad de un proceso capaz de seguir el aumento de los datos y la complejidad tecnológica.
Las reglas tradicionales explican patrones generales a largo plazo, pero en empresas concretas y plazos cortos los precios responden simultáneamente a muchos factores. Algunos —difusión de información, psicología del inversor u organización del mercado— se comprenden; otros son difíciles de determinar.
Renta variable cuantitativa activa
Pictet - Quest AI-Driven Global Equities
Ahí entra la IA. En vez de partir de pocas ideas preseleccionadas, introducimos una descripción exhaustiva de miles de empresas y múltiples tipos de información. La IA analiza el historial para aprender qué datos importaron, cuándo y cómo interactúan, captando tanto influencias conocidas como patrones sutiles difíciles de detectar por el ser humano.
Esta complejidad exige ampliar continuamente la infraestructura tecnológica y evaluar innovaciones como los LLM o la informática cuántica. También requiere anticiparse: la mayoría de los inversores cuantitativos aún no ha implantado significativamente la IA, según Bloomberg Research.
Nuestra estrategia “long-only” comenzó con unas 200 características que evaluaban títulos a lo largo del tiempo. El algoritmo analizaba sus interdependencias para aislar señales de selección. Desde entonces, las características se han duplicado y las observaciones superan varios miles de millones, más de diez veces el nivel inicial. Incluyen revisiones de beneficios, dispersión de previsiones, precios objetivo e indicadores intradía de liquidez.
Esta expansión requirió un aumento equivalente de la potencia informática. Las CPU utilizadas pasaron de menos de cien a más de tres mil, los servidores se duplicaron con creces y las GPU se multiplicaron por cuatro: el equivalente a pasar de 7 a 120 PlayStation 5. La mayor capacidad de las GPU reduce sustancialmente el tiempo de entrenamiento, permitiendo más experimentos y mejoras más rápidas.
Internalizar esta capacidad también evita quedar expuestos a fuertes aumentos de precios de proveedores de nube y otros terceros conforme crece la demanda de computación avanzada.
Lenguaje en general
Los LLM pueden inferir el sentimiento de las noticias y crear señales de inversión, pero aún no resultan útiles para Quest AI. Nuestro horizonte rara vez supera unas semanas y el contenido predictivo suele estar ligado a resultados y análisis ya procesados por el algoritmo. Por ahora, nuestras señales propias son más eficaces.
Nuestra experiencia mantiene al algoritmo por delante de los LLM. Estos dominan el texto y las matemáticas, un lenguaje formal, pero los mercados dependen del comportamiento humano, la competencia y las restricciones. Además, sus pruebas retrospectivas pueden incorporar información no disponible entonces y distorsionar los resultados. Por ello, son útiles para analizar información, pero no para predecir de forma viable la rentabilidad en condiciones reales.
No obstante, seguimos de cerca sus avances y los utilizaremos si demuestran que pueden generar nuevas señales predictivas.
También usamos LLM para elaborar comentarios de cartera y hacer más eficientes la generación de código, las presentaciones y la recopilación de investigación, siempre en sistemas protegidos que evitan filtrar información confidencial.
¿Un futuro agentivo?
La IA avanza hacia agentes capaces de interpretar instrucciones complejas y ejecutarlas de forma independiente. Si la IA descubre patrones y oportunidades de inversión, la IA agentiva puede ir más allá: hacer más eficiente el propio proceso de inversión, controlar costes y aplicar sistemáticamente la información obtenida.
Por ahora es más una promesa que una realidad, aunque el sector espera verla operativa en algunas aplicaciones en uno o dos años.
Para Quest, probablemente optimizaría la elaboración de informes y la generación de ideas. En servicios financieros ya existen proyectos para automatizar tareas de analistas junior de banca de inversión, como modelos de valoración, presentaciones y estandarización de documentos.
También podemos imaginar agentes que generen ideas de inversión extrayendo rápidamente conclusiones de nuevas investigaciones académicas. Los seres humanos seguirán siendo necesarios, no para competir en velocidad o procesamiento, sino para garantizar que los sistemas autónomos funcionen según lo previsto.
Ch-ch-changes
Las ventajas de usar IA para optimizar decisiones de inversión son cada vez más claras. Sin embargo, los inversores deben considerar el ritmo del cambio tecnológico y la expansión de las fuentes de datos. Todo modelo de IA debe ser adaptable, y sus responsables, ágiles y tecnológicamente avanzados.
Muchos logros del equipo han surgido de fuentes inesperadas, pero la buena suerte exige trabajo y flexibilidad. La mentalidad es clave: aprendizaje continuo, experimentación e intercambio de conocimientos.
La flexibilidad y el conocimiento técnico permiten adaptarnos rápido. Ampliamos el algoritmo con mejores estimaciones y señales de mercado, triplicamos su complejidad y adoptamos CPU y GPU internas especializadas. Así procesa más información sin elevar el riesgo ni el coste para los clientes.
Esto no consiste solo en reaccionar a las tendencias, sino en darles forma. Con la IA, volvemos a adaptarnos redefiniendo la interfaz persona-máquina y convirtiéndola en una extensión de la creatividad humana. Aceptamos los riesgos de una adopción temprana porque el coste de no avanzar es mucho mayor.
Aunque hoy nos centramos en la IA, adoptaremos cualquier tecnología que genere mejores rentabilidades. El equipo ha demostrado saber cuándo cambiar de dirección y cómo hacerlo con eficacia. Confiamos en seguir adaptándonos a nuevos métodos para remunerar a nuestros inversores.
Para acceder al informe completo y conocer más sobre Pictet AM, accede aquí.
