El fundador de Citadel, Ken Griffin, afirma que "la IA generativa no sirve": no puede descubrir Alpha, Wall Street aún debe superar al mercado manualmente.

Ken Griffin en la conferencia de JPMorgan Robin Hood afirmó que GenAI aún no ha logrado extraer Alpha para los fondos de cobertura, lo que llevó al mercado a reevaluar la utilidad del AI generativo en el comercio, el riesgo y la colaboración humano-máquina (Resumen: ChatGPT analiza el momento del retroceso del mercado de criptomonedas: ¿es este el “intermedio” del bull run?). (Contexto adicional: probando tres asistentes AI en los principales intercambios con el “1011 Gran caída”: Hexagonal, El Enigmista, y uno más que es “Android Thinking”). Ayer (15), la conferencia de inversores de JPMorgan Robin Hood en Nueva York atrajo a figuras de peso de Wall Street y Silicon Valley, el fundador de Citadel, Ken Griffin, en su discurso, vertió agua fría sobre la inteligencia artificial generativa (GenAI), señalando que aunque GenAI puede aumentar la productividad, “aún no es capaz de descubrir Alpha”. “GenAI ciertamente puede aumentar la productividad, pero para descubrir Alpha (rendimiento superior), sigue sin ser suficiente.” En un momento en que las acciones relacionadas con AI están en auge, la actitud de Griffin ha llevado a la reflexión sobre el verdadero valor de esta ola tecnológica. La actitud cautelosa detrás de Citadel no significa que la empresa rechace nuevas herramientas; la compañía ya ha integrado modelos similares a GPT en sus procesos de investigación, ayudando en la redacción de documentos, en la obtención de información en tiempo real y en el análisis asistido por chatbots, aunque las decisiones clave aún son lideradas por inversores experimentados. En el segundo trimestre, Citadel redujo su posición en Broadcom en aproximadamente un 82% y en Palantir aproximadamente un 48%, pero aumentó su participación en Nvidia cuatro veces a más de 8 millones de acciones. Estas acciones reflejan que Citadel solo hace grandes apuestas cuando está seguro de las barreras competitivas y la posición de liderazgo en hardware, manteniendo distancia de acciones de software sobrevaloradas, y Citadel se enfoca en equilibrar la dinámica del mercado y el control de riesgos. ¿La voz del mercado apoya a GenAI?: ¿Aumento de ganancias? En contraste con la reserva de Griffin, algunas instituciones de investigación continúan emitiendo evaluaciones positivas, indicando que los fondos de cobertura que adoptan GenAI han visto un aumento en su rendimiento anual de un 3-5%, lo que beneficia especialmente a las estrategias cuantitativas y de acciones. GenAI, mediante la integración de datos sintéticos, grandes modelos de lenguaje y flujos de trabajo modularizados, ofrece una extracción de señales del mercado más rápida y pruebas de estrés de la cartera. El blog de Moody’s CreditView señala que AI Agente puede monitorear transacciones las 24 horas, marcar anomalías y fortalecer la gestión de riesgos. La investigación de AIMA también muestra que el 95% de los gerentes de fondos de cobertura ya utilizan herramientas de GenAI, y el 90% de los inversores anticipan contribuciones positivas en tres años. Desafíos en la adopción de Wall Street Sin embargo, a pesar de los datos optimistas, aún existen desafíos significativos. El análisis del CFA Institute señala que los modelos de GenAI reaccionan insuficientemente en escenarios complejos de alta incertidumbre, como los impactos geopolíticos, y tienden a perder precisión en momentos de alta volatilidad. En cuanto a la regulación, los problemas de opacidad de los modelos y sesgos aún deben ser resueltos; una vez que los criterios de juicio no puedan ser rastreados, esto generará presión sobre el cumplimiento de las instituciones financieras. Para que GenAI realice su potencial en 2030, el campo de los fondos de cobertura aún necesita 140,000 especialistas calificados, lo que representa un desafío tanto para la infraestructura como para la capacitación del talento. La universalización también podría aumentar la homogeneidad del mercado, incrementando el riesgo sistémico y la preocupación por la debilitación de las capacidades analíticas humanas. Colaboración humano-máquina híbrida: un plano más realista Bajo la tensión entre eficiencia, riesgo y regulación, muchos profesionales están enfocando su atención en un modelo de “colaboración humano-máquina”, donde AI realiza una filtración inicial y búsqueda de patrones en grandes volúmenes de datos, y luego los inversores añaden experiencia y juicio contextual para confirmar la estrategia final. Este modelo aprovecha las ventajas de cálculo de AI y mantiene la sensibilidad humana ante eventos extremos y mensajes no estructurados. Para Griffin, la cautela no significa rechazar la tecnología, sino asegurar que cada inversión produzca rendimientos controlados en términos de riesgo. Una vez que el mercado comprenda este punto, tal vez podrá evaluar con más calma la posición de GenAI: solo es un asistente, no un salvador. En resumen, GenAI está sin duda remodelando el procesamiento de datos y los flujos de trabajo operativos; el aumento de ganancias a corto plazo puede ser simplemente una mejora en la eficiencia, pero para los fondos de cobertura, la capacidad de generar Alpha de manera estable y descubrir rutas para superar el mercado aún presenta variables. Mientras Wall Street y Silicon Valley debaten la próxima ola de innovación, las palabras de Griffin recuerdan a los inversores que la verdadera ventaja competitiva proviene del uso preciso de herramientas, la gestión de riesgos y un juicio claro que no es engañado por narrativas populares. Reportes relacionados: ¿Por qué las monedas estables algorítmicas como Luna y USDe repiten el ciclo de “espiral de muerte”? La empresa de infraestructura de monedas estables de Taiwán, Odin, se lista en EE.UU.! Listado directo en Nasdaq el 10/16, símbolo de acciones OWLS Última entrevista de Arthur Hayes y Tom Lee: el futuro de DAT, monedas estables y el mercado de predicción.  Este artículo fue publicado originalmente en BlockTempo, el medio de noticias de blockchain más influyente.