Los inversores utilizan la inteligencia artificial para descubrir la verdad detrás delas palabras tranquilizadoras de los ejecutivos

FT, 11/13/2023

Los analistas esperan que la inteligencia artificial pueda revelar lo que no se dice en las llamadas de ganancias

Un análisis encontró "signos de ansiedad y tensión" en los patrones de habla de Francis deSouza en una llamada de ganancias.

En su última llamada de ganancias como director ejecutivo de la empresa de
secuenciación de genes Illumina, Francis deSouza hizo lo posible por mantenerse
positivo.

Una polémica adquisición de $8 mil millones de la empresa de detección de cáncer
Grail había provocado una campaña del inversor activista Carl Icahn, enfrentamientos
con las autoridades de competencia en ambos lados del Atlántico y críticas de los
directores fundadores de Grail.

DeSouza les dijo a los analistas que el drama solo estaba afectando "una parte muy pequeña de la empresa".

Pero cada vez que le preguntaban sobre Grail, había cambios en su velocidad de
habla, tono y volumen, según Speech Craft Analytics, que utiliza inteligencia artificial
para analizar grabaciones de audio. También hubo un aumento en palabras de relleno
como "um" y "ah" e incluso un sorbo audible.

La combinación "traiciona signos de ansiedad y tensión específicamente al abordar
este tema sensible", según David Pope, científico de datos jefe de Speech Craft
Analytics.

DeSouza renunció menos de dos meses después.

La idea de que las grabaciones de audio podrían ofrecer pistas sobre las verdaderas
emociones de los ejecutivos ha llamado la atención de algunos de los inversores más
grandes del mundo.

Muchos fondos ya utilizan algoritmos para analizar transcripciones de llamadas de
ganancias y presentaciones de empresas para extraer señales de la elección de
palabras de los ejecutivos, un campo conocido como "Procesamiento de Lenguaje
Natural" o NLP. Ahora están tratando de encontrar mensajes adicionales en la forma en
que se pronuncian esas palabras.

"La idea es que el audio captura más que lo que está en el texto", dijo Mike Chen, jefe
de investigación de alpha alternativo en Robeco, la gestora de activos. "Incluso si
tienes una máquina semántica sofisticada, solo captura la semántica".

La vacilación y las palabras de relleno tienden a quedar fuera de las transcripciones, y
la inteligencia artificial también puede detectar algunos "microtremores"; que son
imperceptibles para el oído humano.

Robeco, que administra más de $80 mil millones en fondos impulsados por algoritmos,
lo que lo convierte en uno de los mayores cuantitativos, comenzó a agregar señales de
audio recopiladas a través de la inteligencia artificial en sus estrategias a principios de
este año. Chen dijo que había aumentado los rendimientos y que esperaba que más
inversores siguieran su ejemplo.

El uso del audio representa un nuevo nivel en el juego del gato y el ratón entre los
gestores de fondos y los ejecutivos.

"Hemos encontrado un valor tremendo en las transcripciones", dijo Yin Luo, jefe de
investigación cuantitativa en Wolfe Research. "El problema que ha creado para
nosotros y muchos otros es que el sentimiento general se está volviendo cada vez más
positivo... porque la dirección de la empresa sabe que sus mensajes están siendo
analizados".

Varios documentos de investigación han encontrado que las presentaciones se han
vuelto cada vez más positivas desde la aparición del NLP, ya que las empresas ajustan
su lenguaje para engañar a los algoritmos.
Un documento coescrito por Luo a principios de este año encontró que la combinación
de NLP tradicional con análisis de audio era una forma efectiva de diferenciar entre
empresas a medida que sus presentaciones se estandarizaban cada vez más.

Aunque los costos han disminuido, el enfoque todavía puede ser relativamente caro.
Robeco pasó tres años invirtiendo en una nueva infraestructura tecnológica antes de
comenzar siquiera a trabajar en la incorporación del análisis de audio.

Chen pasó años intentando utilizar el audio antes de unirse a Robeco, pero encontró
que la tecnología no estaba lo suficientemente avanzada. Y aunque las percepciones
disponibles han mejorado, todavía existen limitaciones.

Para evitar llegar a conclusiones basadas en personalidades diferentes, ya que algunos
ejecutivos pueden ser naturalmente más efusivos que otros, el análisis más confiable
proviene de comparar diferentes discursos de la misma persona a lo largo del tiempo.
Pero eso puede dificultar la evaluación del rendimiento de un nuevo líder,
argumentable mente un momento en el que la perspicacia sería particularmente útil.

"Una limitación incluso en el NLP es que un cambio de CEO desordena el sentimiento
general [análisis]", dijo un ejecutivo de una empresa que proporciona análisis de NLP.

"Este efecto de disrupción debe ser más fuerte con la voz".

Los desarrolladores también deben evitar agregar sus propios sesgos en algoritmos
basados en audio, donde las diferencias como el género, la clase o la raza pueden ser
más evidentes que en el texto.
"Somos muy cuidadosos en asegurarnos de que los sesgos conscientes de los que
somos conscientes no se incluyan, pero aún podría haber sesgos subconscientes", dijo
Chen. "Tener un equipo de investigación grande y diverso en Robeco ayuda".

Los algoritmos pueden dar resultados engañosos si intentan analizar a alguien
hablando en un idioma que no es el suyo, y una interpretación que funciona en un
idioma puede no funcionar en otro.

Así como las empresas han intentado adaptarse al análisis de texto, Pope predijo que
los equipos de relaciones con inversores comenzarán a entrenar a los ejecutivos para
monitorear el tono de voz y otros comportamientos que las transcripciones pasan por
alto. El análisis de voz lucha con actores entrenados que pueden mantenerse
convincentemente en personaje, pero replicar eso puede ser más fácil decirlo que
hacerlo para los ejecutivos.

"Muy pocos de nosotros somos buenos para modular nuestra voz", dijo. "Es mucho
más fácil para nosotros elegir nuestras palabras con cuidado. Hemos aprendido a
hacerlo desde que éramos muy jóvenes para evitar meternos en problemas".

Qué alcances tiene este avance?!

Los inversores están recurriendo cada vez más a la inteligencia artificial (IA) para
descubrir verdades ocultas en los patrones de habla de los ejecutivos durante las

llamadas de ganancias y presentaciones. Este enfoque innovador busca ir más allá del
análisis del contenido textual de estas interacciones y se centra en los matices de cómo
se pronuncian las palabras. A continuación, se presenta un análisis profesional de este
desarrollo y algunas alternativas potenciales para inversores y empresas.

Análisis:

Detección de Emociones: La IA, específicamente el Procesamiento de Lenguaje
Natural (NLP), se ha utilizado ampliamente para analizar datos textuales de llamadas
de ganancias. Sin embargo, este artículo destaca el creciente interés en analizar datos
de audio para detectar emociones y señales sutiles que los ejecutivos pueden revelar a
través de su discurso. Esto podría proporcionar información valiosa sobre sus
verdaderos sentimientos y preocupaciones, que pueden no ser evidentes solo en las
transcripciones escritas.

Limitaciones: El artículo reconoce las limitaciones del análisis de audio, incluida la
influencia potencial del estilo natural de hablar de un ejecutivo y la interrupción causada
por cambios en la dirección ejecutiva. Estos desafíos resaltan la importancia de
comparar los discursos de un individuo a lo largo del tiempo para establecer una línea
de base para el análisis. Además, los sesgos, tanto conscientes como subconscientes,
deben manejarse cuidadosamente al desarrollar algoritmos de IA para el análisis de
voz.

Costo y Tecnología: Incorporar el análisis de audio en estrategias de inversión
requiere inversiones significativas en infraestructura tecnológica y desarrollo de IA.
Aunque los costos han disminuido, sigue siendo un esfuerzo relativamente costoso.
Esto podría ser una barrera para las firmas de inversión más pequeñas o startups que
buscan adoptar enfoques similares.

Factores Lingüísticos y Culturales: El artículo menciona que analizar el lenguaje
hablado puede ser más desafiante que el texto, especialmente al tratar con hablantes
no nativos o al interpretar emociones en diferentes contextos culturales. Los inversores
y desarrolladores de IA deben considerar estos factores al implementar el análisis de
audio.

Potencial para la Capacitación: El artículo sugiere que los equipos de relaciones con
inversores pueden comenzar a capacitar a los ejecutivos en el tono de voz y el
comportamiento, reconociendo que la IA puede capturar matices que las
transcripciones no captan. Esto podría ser un enfoque alternativo para que las
empresas gestionen proactivamente su imagen pública y estrategias de comunicación.

Alternativas:

Análisis Combinado: Los inversores pueden considerar combinar el análisis
tradicional de NLP con el análisis de audio para obtener una comprensión más
completa de las comunicaciones ejecutivas. Este enfoque híbrido puede ofrecer una
visión más matizada del sentimiento y las intenciones.

Asociaciones de Investigación: Las firmas de inversión más pequeñas que no
cuentan con los recursos para desarrollar análisis de audio internamente pueden
explorar asociaciones con empresas de tecnología o instituciones de investigación
especializadas en análisis de sentimiento impulsado por IA.

Diversificación de Fuentes de Datos: Los inversores pueden diversificar sus fuentes
de datos más allá de las llamadas de ganancias y presentaciones. El análisis de
sentimiento en redes sociales, artículos de noticias e informes de la industria puede
proporcionar información adicional sobre el sentimiento del mercado y el
comportamiento ejecutivo.

Consideraciones Éticas: Dada la posibilidad de sesgos en los algoritmos de IA, los
inversores deben priorizar las consideraciones éticas. Asegurar la diversidad en los
equipos de investigación y auditar regularmente los algoritmos en busca de sesgos
puede mitigar posibles riesgos.

En conclusión, el uso de la IA para analizar los patrones de habla de los ejecutivos
representa un desarrollo emocionante en el mundo del análisis de inversiones. Si bien
ofrece información valiosa, los inversores deben ser conscientes de sus limitaciones y
costos. Explorar enfoques alternativos, como asociaciones y diversificación de fuentes
de datos, puede ayudar a superar estos desafíos y mejorar los procesos de toma de
decisiones en la industria financiera.