IA muda research, mas fator humano ganha peso, aponta painel Expert XP

O erro de gestão que afunda PME é achar que tecnologia resolve tudo sozinha. No mercado financeiro, o mesmo vale: a inteligência artificial muda o research, mas o fator humano ganha peso, e isso tem implicações diretas para quem decide onde colocar o dinheiro.

A inteligência artificial está transformando o trabalho dos analistas de investimentos ao automatizar tarefas repetitivas e acelerar o processamento de grandes volumes de dados, mas não deve substituí-los. Competências como interpretação de cenários, contextualização e construção de confiança seguem como diferenciais centrais, segundo especialistas que participaram do painel "Analistas vs. Inteligência Artificial: Qual o futuro do Research?", realizado durante a Expert XP, nesta quinta-feira (23).

O encontro reuniu Thiago Kapulskis, gestor de ações globais de tecnologia na São Pedro Capital, e Carlos Daltozo, engenheiro de produto na Bridgewise. Ambos concordam que a tecnologia já vem mudando a rotina dos analistas ao automatizar etapas operacionais, facilitar o acesso a informações e ampliar a capacidade de cruzar dados de diferentes fontes. Ainda assim, as decisões de investimento continuarão dependendo da interpretação humana.

IA acelera, mas não substitui os fundamentos

Para Kapulskis, a inteligência artificial representa uma evolução da forma de trabalhar, e não uma mudança dos fundamentos da análise de empresas. Metodologias tradicionais, como fluxo de caixa descontado e avaliação de modelos de negócios, continuam sendo a base do research. "O que muda são os meios para chegar aos dados e às conclusões. A produtividade cresce muito, mas isso não altera os pilares da análise", afirmou.

Ferramentas baseadas em modelos de linguagem já conseguem automatizar tarefas repetitivas e liberar tempo para que os analistas foquem mais na interpretação dos resultados. Apesar dos avanços, Kapulskis avalia que ainda existe um limite importante: compreender o contexto de cada decisão. "O contexto continua sendo algo difícil para a inteligência artificial reproduzir. É justamente isso que diferencia uma boa análise", disse.

O desafio de transformar dados em conhecimento

Daltozo destacou que o principal desafio do mercado deixou de ser o acesso à informação e passou a ser a transformação de grandes volumes de dados em conhecimento útil para decisões de investimento. Redes sociais, vídeos, notícias e bases digitais produzem diariamente uma quantidade de informações impossível de ser analisada manualmente.

Esse movimento amplia a capacidade de trabalho dos analistas e permite comparar empresas de diferentes mercados com bases padronizadas de dados. "O melhor relatório é sempre o próximo. Com a tecnologia disponível hoje, não tenho dúvida de que sou um analista melhor do que era há seis meses", disse Daltozo.

Outro ponto destacado foi o avanço das inteligências artificiais desenvolvidas para setores específicos, em vez de modelos genéricos. Na avaliação de Daltozo, soluções especializadas tendem a ganhar espaço por reduzir riscos de respostas imprecisas e aumentar a confiabilidade das análises. Ele também vê a hiperpersonalização como um diferencial crescente nas plataformas de investimento.

O risco da padronização excessiva

Kapulskis alertou para um possível efeito colateral: a padronização excessiva das análises. "A ferramenta tende a trazer respostas mais binárias. Se todos utilizarem os mesmos modelos, existe o risco de muita gente chegar às mesmas conclusões", afirmou. Para ele, a revisão humana seguirá relevante justamente para evitar esse efeito.

Os participantes também concordaram que a relação de confiança entre analistas e investidores deve continuar sendo um ativo central. Em momentos de maior volatilidade, disse Kapulskis, o investidor ainda quer falar com alguém capaz de interpretar os acontecimentos e explicar riscos, e não apenas receber uma resposta automatizada.

Perguntas Frequentes

A IA vai substituir os analistas de investimentos?

Não, segundo especialistas. A IA automatiza tarefas repetitivas e acelera o processamento de dados, mas a interpretação humana e a contextualização seguem sendo diferenciais.

Quais metodologias continuam sendo a base do research?

Metodologias tradicionais como fluxo de caixa descontado e avaliação de modelos de negócios continuam sendo a base, enquanto a IA acelera a obtenção e organização das informações.

Qual o principal desafio com o uso da IA no research?

O principal desafio deixou de ser o acesso à informação e passou a ser transformar grandes volumes de dados em conhecimento útil para decisões de investimento.

O que é hiperpersonalização nas plataformas de investimento?

É a capacidade de adaptar análises e recomendações às necessidades específicas de cada investidor, um diferencial crescente segundo Carlos Daltozo.

Como evitar a padronização excessiva das análises?

A revisão humana segue relevante para evitar que todos cheguem às mesmas conclusões ao usar os mesmos modelos de IA, alerta Kapulskis.

Por que a confiança entre analista e investidor continua importante?

Em momentos de volatilidade, o investidor quer falar com alguém capaz de interpretar acontecimentos e explicar riscos, e não apenas receber uma resposta automatizada.