Antes da IA, estas três ideias mudaram as finanças

A inteligência artificial está mudando as finanças rapidamente, mas não surgiu em um vácuo intelectual.

Muito antes de os algoritmos conseguirem avaliar empréstimos, executar operações, detectar fraudes ou gerar análises financeiras, pesquisadores já tentavam responder a três perguntas difíceis:

Como devemos equilibrar risco e retorno?

Como a incerteza financeira deve ser precificada?

Por que pessoas inteligentes tomam repetidamente decisões financeiras irracionais?

No meu artigo introdutório, O impacto da IA nas decisões financeiras, examinei como a IA está se tornando um mecanismo automatizado de tomada de decisões em um dos setores mais regulamentados do mundo.

Mas, para entender aonde a IA pode levar as finanças, vale revisitar algumas das ideias que trouxeram esse campo até onde está hoje.

Markowitz e a matemática do risco

Em 1952, Harry Markowitz publicou Portfolio Selection, o artigo que ajudou a inaugurar as finanças quantitativas modernas.

Sua ideia central hoje parece quase óbvia: investidores não devem avaliar um ativo apenas pelo retorno individual. Devem considerar como ele interage com todos os demais componentes da carteira.

Isso mudou a conversa de escolher bons investimentos para construir uma combinação eficaz de investimentos.

Hoje, a IA pode analisar milhares de ativos, correlações, cenários e sinais de mercado a uma velocidade que Markowitz jamais teria imaginado. Mas a pergunta fundamental continua a mesma: quanto risco estamos aceitando pelo retorno que esperamos?

A IA torna o cálculo mais rápido. Ela não decide se as premissas por trás dele são sensatas.

Black, Scholes e o preço da incerteza

Em 1973, Fischer Black e Myron Scholes publicaram The Pricing of Options and Corporate Liabilities.

O modelo Black-Scholes deu às finanças uma forma sistemática de estimar o valor das opções. Mais importante, demonstrou que a própria incerteza poderia ser modelada e precificada.

A IA moderna vai muito além. Os modelos conseguem processar movimentos de mercado, notícias, sentimento, volatilidade e dados alternativos quase instantaneamente.

Essa capacidade é poderosa, mas traz um perigo conhecido: um resultado sofisticado pode parecer mais certo do que realmente é.

Um modelo pode produzir um número preciso e, ainda assim, depender de dados incompletos, relações instáveis ou premissas que falham em condições de mercado incomuns.

Precisão e certeza não são a mesma coisa.

Kahneman e quem toma decisões irracionais

Thinking, Fast and Slow, de Daniel Kahneman, acrescentou outra peça essencial ao quebra-cabeça.

Decisões financeiras não são tomadas por pessoas perfeitamente racionais. Elas sofrem influência do excesso de confiança, da aversão à perda, da ancoragem, da familiaridade, do medo e de inúmeros outros vieses.

A IA costuma ser apresentada como uma forma de eliminar essas fraquezas da tomada de decisões. Em algumas situações, ela consegue.

Mas os sistemas de IA aprendem com dados gerados por pessoas, operam segundo objetivos definidos por pessoas e apresentam resultados a pessoas que tomam decisões. O viés não desaparece simplesmente porque há um modelo envolvido. Ele pode se tornar menos visível e mais fácil de reproduzir em escala.

Perguntas antigas, ferramentas mais poderosas

Markowitz nos ajudou a pensar sobre risco. Black e Scholes nos ajudaram a pensar sobre incerteza. Kahneman nos ajudou a entender a pessoa que toma a decisão.

A IA agora está na interseção dos três.

Ela pode otimizar carteiras, precificar instrumentos complexos, detectar padrões de comportamento e apoiar decisões em enorme escala. Mas também herda as premissas, limitações e pontos cegos por trás dessas decisões.

É por isso que o futuro da IA nas finanças não pode ser compreendido estudando apenas a IA.

Às vezes, a melhor maneira de entender o que vem a seguir é voltar às ideias que deram início à conversa.