- Solo una ventina di asset manager a livello globale hanno integrato in modo significativo l’AI nei processi di gestione dei fondi.
- L’intelligenza artificiale viene usata soprattutto per rendere più efficiente la ricerca e l’analisi dei dati, con nuove opportunità grazie all’AI generativa.
- Difficoltà di verificare i risultati, accesso a dati di qualità, condivisioni di informazioni confidenziali e incertezza normativa frenano l’adozione dell’AI nell’industria dei fondi.
“Il gap tra retorica sull’intelligenza artificiale e reale adozione rimane ampio”. È questa la conclusione a cui giungono i ricercatori di Morningstar dopo aver esaminato circa 3.200 strategie d’investimento a livello globale per ogni anno dal 2019 al 2026 e aver scoperto che un’integrazione significativa dell’AI nei processi di gestione dei fondi è presente solo in una ventina di asset manager.
In prevalenza, sono società che hanno già una infrastruttura consolidata quantitativa o sistematica da molto tempo, come BlackRock e Goldman Sachs. Ci sono anche alcuni fund manager con strategie basate sui fondamentali o ibride, come JP Morgan e Ninety One, ma si tratta di eccezioni tra i gestori puramente discrezionali. Al di fuori di questo piccolo gruppo, l’intelligenza artificiale rimane oggetto di discussione all’interno dell’industria e di conversazione con i clienti, ma non è realmente entrata nei processi di investimento come fattore fondamentale.
Come gli asset manager usano l’AI
I gestori utilizzano l’AI soprattutto per rendere più efficiente la ricerca, l’analisi del sentiment nelle call di presentazione dei risultati trimestrali delle aziende oppure degli studi che ricevono dai broker. Usano anche modelli di machine learning per la ponderazione dei segnali di mercato e la costruzione del portafoglio e altri modelli per la selezione dei titoli. Più recentemente, i modelli linguistici di grandi dimensioni, noti come LLM, che sono sistemi di intelligenza artificiale generativa basati su reti neurali, sono impiegati per identificare temi di investimento e potenziare la ricerca.
“Nonostante la notevole attenzione che l’AI riceve nel settore, la sua effettiva adozione come componente fondamentale del processo di investimento rimane limitata”, spiega Monika Calay, tra le autrici dello studio e director del Manager Research team di Morningstar nel Regno Unito.
Tuttavia, lo studio rivela che l’industria si trova a un punto di svolta, perché l’intelligenza artificiale generativa permette di sintetizzare grandi volumi di informazioni non strutturate, analizzare documenti e ampliare la copertura della ricerca senza richiedere l’infrastruttura specializzata dei modelli di machine learning. Con l’AI generativa, i team quantitativi possono accelerare i flussi di lavoro esistenti, comprimere i cicli di sviluppo dei modelli e automatizzare le attività. I gestori fondamentali, invece, hanno a disposizione una ricerca scalabile e sistematica senza la necessità di costruire o addestrare i propri modelli.
I limiti dell’IA nei processi decisionali dei gestori di fondi
“Si tratta di un cambiamento strutturale, ma finora ha trasformato il livello della produttività nella gestione degli investimenti molto più di quanto non abbia fatto con il livello del processo decisionale”, precisa Calay.
La ragione per cui l’AI generativa non è ancora entrata con forza nei processi di investimento risiede nel fatto che i risultati dei modelli LLM sono non deterministici: lo stesso prompt può produrre esiti diversi. Inoltre, sono soggetti a un bias prospettico, in quanto i modelli vengono addestrati su enormi volumi di dati che includono conoscenze future relative ai periodi oggetto di test, rendendo inaffidabile il backtesting tradizionale.
La difficoltà di verifica è uno dei motivi per cui l’intelligenza artificiale è rimasta confinata al livello di produttività e non ha ancora influito sulle decisioni di investimento e sulla costruzione del portafoglio, secondo i ricercatori di Morningstar, i quali indicano anche un altro problema, ossia quello di avere professionisti con le competenze necessarie per verificare ciò che l’AI generativa produce.
Tra gli ostacoli, i gestori menzionano anche l’accesso ai dati e la loro qualità, insieme alla criticità di condividere ricerche interne e confidenziali con piattaforme esterne. Infine, non è secondaria la questione regolamentare. Per ora, la maggior parte delle autorità di regolamentazione ha esteso i quadri normativi esistenti in materia di condotta, governance, esternalizzazione di attività, gestione del rischio, informativa e obblighi fiduciari per includere l’AI, ma le normative potrebbero ancora cambiare.
Uno dei quadri di riferimento attuali è rappresentato dalle linee guida dell’Esma (Autorità europea degli strumenti finanziari e dei mercati) del maggio 2024, che impongono alle società di conformarsi ai requisiti pertinenti della direttiva Mifid II, in particolare per quanto riguarda gli aspetti organizzativi, la condotta aziendale e l’obbligo di agire nel migliore interesse del cliente, quando utilizzano l’intelligenza artificiale.
Come sarà l’industria dei fondi del futuro?
Gli asset manager intervistati da Morningstar hanno poche certezze su dove porterà il maggior uso dell’AI generativa nell’industria dei fondi, ma non hanno dubbi sulla direzione del cambiamento: “Vedremo più AI, non di meno”, dicono. “I gestori patrimoniali che oggi stanno effettuando gli investimenti più rilevanti nelle infrastrutture di intelligenza artificiale potrebbero crearsi un vantaggio competitivo”, commenta Calay di Morningstar. “Resta da vedere se tale vantaggio si tradurrà in una sovraperformance duratura e se gli strumenti odierni che consentono di distinguersi diventeranno domani il costo di fare business”.
