A IA pode gerir sua carteira? Bruce Keith, da InvestorAI, responde no 'Zero Sum'

A inteligência artificial está avançando cada vez mais nos investimentos, desde hedge funds e mesas quantitativas até carteiras de varejo e execução automatizada.

Mas à medida que o acesso a ferramentas com IA se expande, surge uma questão mais importante: os investidores podem realmente confiar em uma máquina com seu dinheiro?

Bruce Keith, CEO e cofundador da InvestorAI, acredita que a tecnologia pode melhorar drasticamente a forma como as pessoas investem, mas somente quando é usada para a tarefa certa.

Falando no episódio mais recente de Zero Sum, Keith explicou por que pedir ao ChatGPT ou a outro modelo de linguagem de grande porte para dizer o que comprar a seguir pode ser a abordagem errada, por que a IA pode ser melhor em decisões de mercado de curto prazo do que em investimento de longo prazo, e o que os investidores devem exigir antes de entregar capital a uma estratégia conduzida por IA.

As diferentes facetas do investimento com IA

A distinção de Keith entre IA de uso geral e modelos de investimento feitos para uma finalidade específica é central na discussão.

Modelos de linguagem de grande porte são treinados para responder perguntas usando enormes quantidades de informação.

Isso os torna úteis para entender o que aconteceu em uma carteira, resumir notícias e explicar por que um ativo se moveu.

Mas prever um movimento específico de mercado é um problema diferente.

Keith argumentou que modelos de investimento eficazes precisam identificar padrões recorrentes de mercado, potenciais rompimentos e pontos em que esses padrões mudam, em vez de simplesmente recuperar informação já disponível online.

Para isso, sua empresa adotou uma abordagem não convencional: adaptar visão computacional, a mesma tecnologia usada em reconhecimento facial e carros autônomos, para analisar dados de mercado.

Ao traduzir conjuntos massivos de dados em representações visuais, a IA deles pode "ver" padrões complexos de rompimento que analistas humanos, ou LLMs baseados em texto, simplesmente perderiam.

Essa distinção importa à medida que mais investidores de varejo começam a tratar chatbots de IA como conselheiros financeiros informais.

A verdadeira vantagem em investir pode ser saber quando sair

Um dos argumentos mais interessantes de Keith é que entrar em uma posição é relativamente fácil. O problema mais difícil é saber quando sair.

"Ninguém te diz quando sair."

Seu ponto mais amplo é que os investidores tendem a concentrar-se fortemente em encontrar a próxima operação vencedora, enquanto a gestão de risco frequentemente determina se esses ganhos realmente sobreviverão.

Keith disse que a IA é particularmente útil para decisões de curto prazo, definindo esse período como aproximadamente dois a três meses.

Na visão dele, os humanos continuam mais adequados a julgamentos de longo prazo porque conseguem trabalhar com informação incompleta e incorporar fatores que são difíceis de quantificar por máquinas.

Isso sugere um modelo híbrido em vez de um totalmente automatizado: máquinas processam muito mais informação do que um investidor individual pode, enquanto humanos mantêm a responsabilidade pela visão mais ampla.

Investimento com IA precisa de mais transparência antes que investidores possam confiar

Isso levanta outro problema: como um investidor determina se uma estratégia com IA realmente funciona?

Keith defende que a indústria precisa de padrões mais claros para apresentar desempenho.

Investidores não devem se contentar com um único número de destaque ou com um backtest que parece impressionante.

"Se o que você busca é consistência — consistência de resultados, consistência de superação — então a questão tem de ser: quão consistente isso tem sido?"

Ele recomenda olhar primeiro para a taxa de acerto e a taxa de superação, seguidas pelos retornos médios e pelas retrações máximas.

Uma estratégia que vence frequentemente ainda pode destruir capital se suas operações perdedoras forem suficientemente grandes.

A implicação é direta: investidores devem julgar uma ferramenta de IA da mesma forma que julgariam um gestor humano, com um histórico verificável, metodologia clara e entendimento de como ela se comporta em mercados em alta e em queda.

Reguladores tentam acompanhar uma tecnologia que não para de avançar

Keith também espera que a regulação se torne parte importante do debate sobre investimento com IA.

Ele afirmou que os reguladores estão intrinsecamente em modo de acompanhamento, mas defendeu que uma abordagem baseada em princípios pode ser mais eficaz do que tentar escrever regras detalhadas para cada nova aplicação.

O mais importante, segundo ele, é que a responsabilidade não pode ser terceirizada para a máquina.

Para empresas financeiras que implementam IA, isso significa manter supervisão humana, controles de risco e responsabilização mesmo quando as decisões se tornam cada vez mais automatizadas.

A próxima fase é uma IA que faz mais do que recomendar operações

A tecnologia pode eventualmente ir além da geração de sinais e avançar para a execução.

Keith disse que a execução automatizada já está se tornando mais comum, com a IA potencialmente decidindo quando negociar, quando parar e quando pausar após perdas.

Mas ele enfatizou que os controles de risco necessários devem ser construídos ao redor do sistema antes que os investidores entreguem quantias significativas de capital.

Esse pode ser o verdadeiro próximo passo da IA nos mercados financeiros: não substituir totalmente os investidores, mas tornar-se uma camada cada vez mais poderosa entre a informação e a execução.

As próprias recomendações finais de Keith refletiram esse equilíbrio. Ele citou os gastos com infraestrutura na Índia e a JSW Steel entre suas ideias de alta, enquanto apontou a liderança dos EUA como sua chamada de baixa e "ouvir os jovens" como seu coringa.

Assista ao episódio completo de Zero Sum para a conversa completa sobre investimento com IA, transparência, automação e o que é necessário para confiar uma máquina com dinheiro real.