Tecnologia

IA PARA RI: COMO CRIAR SEU PRÓPRIO LLM PODE AJUDAR A PENSAR E AGIR COMO SEUS INVESTIDORES por William Cox

CLONAGEM DE INVESTIDORES DE IA PODE ELIMINAR A INCERTEZA NO RELACIONAMENTO COM INVESTIDORES
Recentemente, a Blackstone anunciou seus planos de investir US$ 500 bilhões de dólares na Europa nos próximos anos. Você esperava por isso? Imagine se o seu departamento de relações com investidores pudesse prever com alguma certeza o que os seus investidores estão pensando, dizendo e fazendo em relação à sua empresa.

Na verdade, fazer isso se tornou muito mais fácil e preciso usando o conjunto de ferramentas de IA para clonar programas de IA de investidores.

A maioria dos artigos sobre como a IA pode ajudar os investidores, trata da detecção de tendências gerais dos investidores, análise de sentimento e, assim, otimização da comunicação entre o departamento de RI e os investidores.

Embora todas essas áreas sejam válidas e muito úteis para a eficácia do RI, meu ponto aqui é usar um modelo de IA para clonar a IA dos seus investidores, ajudando potencialmente você a saber o que eles estão pensando e o que podem fazer.

Clonagem de investidores com IA
Investidores institucionais, em particular, estão cada vez mais dependentes de modelos e algoritmos impulsionados por IA, para analisar empresas e decidir se compram, mantêm ou vendem suas ações. Isso torna seu comportamento muito mais previsível, se você souber mais sobre como seus modelos proprietários funcionam.

A IA pode permitir que você crie um modelo que irá clonar os modelos de IA de seus investidores ao longo do tempo. O aprendizado de máquina (ML) e seu subsegmento, os grandes modelos de linguagem (LLMs), podem avaliar grandes quantidades de dados sobre avaliações e comportamento de investidores públicos para detectar regularidades e, por fim, clonar o modelo de cada investidor.

Os LLMs são como cérebros capazes de entender e gerar linguagem humana - eles ainda não 'pensam' ou 'agem' por conta própria. Um LLM geraria recomendações informadas por um modelo comportamental orientado por dados, envolvendo personas de investidores, padrões históricos e sinais contextuais.

O resultado é que os departamentos de Relações com Investidores podem pensar como seus investidores e antecipar suas ações. É importante que um modelo de aprendizado de máquina personalizado seja desenvolvido e implementado para cada instituição investidora. A maioria dos investidores utiliza análises proprietárias, programas que orientam as decisões de compra, manutenção ou venda das ações da sua empresa. Mas começar com modelos que espelham seus cinco principais investidores já tornará esse esforço recompensador.

A maioria dos programas de IA é projetada para identificar e prever tendências gerais e setoriais apenas. Aqui, sugerimos ir a um nível mais profundo, usando aprendizado de máquina para pensar, prever e avaliar como cada um dos seus investidores mais importantes e os gestores de ativos.

Como resultado, você pode prever o pensamento e os resultados do lado comprador, ajustando sua estratégia de RI, mensagens e até mesmo o planejamento corporativo de acordo. Seu C-level verá a crescente precisão e impacto em ganhar controle sobre os fluxos de capital e saídas. Isso também dará a eles tempo para ajustar suas estratégias, alinhando-as com as prioridades e planos dos investidores.

Como criar seu próprio LLM de investidores
Não existe uma abordagem padronizada para desenvolver um LLM, mas a maioria incluirá os seguintes componentes:

• Defina seus objetivos de desenvolvimento e métricas de sucesso: Este é o caso de negócios do seu projeto. Você quer prever decisões e ações futuras de investidores? Como esses insights ajudarão? Isso ajudará a reduzir a volatilidade do preço das ações, informar a estratégia de RI ou corporativa, e definir as comunicações com investidores? Como você pode saber se seu modelo está funcionando? Quão bem ele deve desempenhar para ter sucesso?

• Dados, o grande trabalho: Aproximadamente 80% do trabalho envolvido no desenvolvimento de um LLM gira em torno da definição, coleta e estruturação de dados. Neste caso, os dados referem-se a declarações e decisões públicas passadas de um modelo de investidor. É provável que os dados que você possui não sejam suficientemente granulares ou não estejam devidamente estruturados para atender às necessidades ou facilitar o treinamento de um modelo LLM. Uma vez que você tenha definido suas necessidades de dados, provavelmente terá que começar do zero e coletar novos dados.

Entre os tipos de dados que você precisará sobre seu investidor estão:

• Vários anos de dados históricos sobre as avaliações públicas, opiniões, bem como o comportamento real de compra, manutenção e venda de seus investidores em relação à sua empresa e setor.

• Dados e tendências macroeconômicas que podem influenciar as análises e comportamentos dos investidotes.

• Artigos sobre sua empresa e setor na mídia influente.

• Dados financeiros e documentos públicos sobre o histórico da sua própria empresa, que o ML precisará correlacionar o comportamento dos investidores com sua empresa.

• Informações regulatórias e legais.

• Seu modelo: o cérebro aprendiz: O coração do seu modelo são os algoritmos que processam grandes quantidades de dados textuais e numéricos, encontrando regularidades e correlações, gerando análises preditivas sobre seus investidores.

• Implantar seu LLM: Depois de ter tudo pronto, seu LLM ainda precisa de tempo para processar os dados, aprender com eles e começar a gerar análises preditivas sobre seus investidores. O produto final será um ‘clone de investidor de IA’ em cada instituição de investidor chave.

Considerando os riscos
Existem inúmeros riscos associados ao desenvolvimento e ao uso de qualquer tipo de LLM. Aqui estão apenas alguns:

• Baixa prontidão para IA: Pesquisas afirmam que apenas de 1% a 13% das corporações estão ‘preparadas para IA’. Isso geralmente significa que elas não sabem por onde começar, não têm um plano de implementação ou a disposição interna para esse tipo de projeto.

• Viés: Se os dados forem tendenciosos de alguma forma, os resultados refletirão esses vieses, ressaltando a importância de ter dados ‘limpos’ e objetivos.

• Desinformação: Os LLMs podem produzir análises que parecem plausíveis, mas estão distorcidas ou erradas.

• Violações de privacidade: Um LLM pode encontrar e processar informações internas e confidenciais sem que você necessariamente consiga detectá-las, expondo sua empresa a riscos legais.

• Riscos éticos: Seu modelo pode levar você a fazer declarações públicas que não são populares na sociedade, incorrendo em riscos reputacionais e financeiros.

---------------------------------------------------------------------------------------------------------
Nota: Artigo foi publicado originalmente em IR Impact: https://www.ir-impact.com

William Cox
é sócio global da HiQo Solutions Inc. Consultou mais de 50 empresas de grande porte, incluindo 15 grandes empresas brasileiras listadas, ao longo de décadas sobre os impactos financeiros dos processos corporativos, ESG e tecnologia nas empresas, incluindo atualizações e inovações tecnológicas. Ele recebeu seu doutorado na London School of Economics e outros diplomas em Oxford, Boston e na Harvard Kennedy School.
bill@hiqo-solutions.com