Por Canuto  

Franklin Templeton desarrolla flujos de trabajo con IA para reunir investigaciones, hacer visibles los riesgos y evitar que las preferencias de los usuarios reduzcan la diversidad de perspectivas. La iniciativa combina agentes, una capa semántica y controles humanos para apoyar a sus equipos de inversión, no para reemplazar su criterio.
***

  • La firma comenzó con investigación de renta variable y quiere conectar datos, contexto de cartera y análisis de distintos equipos.
  • Su diseño busca que los sistemas muestren perspectivas diversas y riesgos de inversión, en lugar de reforzar las preferencias previas de cada usuario.
  • Franklin Templeton prueba Codex y otras herramientas bajo salvaguardas de seguridad, con participación de analistas y gestores.

Franklin Templeton desarrolla IA para conectar investigación y riesgos de inversión

Franklin Templeton trabaja en flujos de investigación asistidos por inteligencia artificial para que sus gestores de cartera comparen análisis de inversión y examinen los riesgos asociados a cada idea. El proyecto comenzó con la investigación de renta variable y busca reunir aportes de investigación, riesgo, cumplimiento y trading en un proceso que ayude a evaluar tanto los argumentos a favor de una inversión como sus posibles desventajas.

La iniciativa, descrita en un estudio de caso de OpenAI fechado el 5 de noviembre de 2026 y reseñado por Unite.AI, involucra Codex y otras herramientas de IA. OpenAI explica que Franklin Templeton desarrolla flujos de trabajo para que sus gestores comparen perspectivas y examinen riesgos. Katrina Dudley, vicepresidenta sénior de inversiones en mercados públicos de Franklin Templeton, dijo que la empresa pasó de aumentar un proceso de investigación dirigido por personas a replantear el flujo de trabajo. La distinción importa: la meta no consiste únicamente en acelerar tareas, sino en organizar mejor la información que sustenta decisiones de inversión.

De almacenar datos a relacionar su significado

En el proceso habitual que describe la firma, los analistas hacen un primer análisis de las acciones, revisan llamadas de resultados y examinan a los competidores de cada línea de negocio. Con esos insumos pueden proponer ideas nuevas o actualizar a los gestores sobre posiciones existentes, que luego se evalúan desde distintos ángulos. El reto para Franklin Templeton es que esas perspectivas no siempre aparecen reunidas de una forma que permita contrastar con claridad el razonamiento y los riesgos.

Un primer intento consistió en colocar información en una base de datos y conectar modelos de IA con ella. Según el estudio de caso, ese diseño no generó las respuestas que necesitaban los equipos, porque los modelos no comprendían cómo se relacionaban los datos entre sí. Tener acceso a documentos, por tanto, no bastaba para interpretar su contexto: el sistema debía reconocer qué significaba la información para la firma y cómo se conectaba con otros elementos de la investigación.

El enfoque evolucionó con la incorporación de agentes y de una capa semántica, descrita como un modelo estructurado del significado de los datos y de sus vínculos. Esa capa busca aportar el contexto que una consulta aislada no proporciona por sí sola, de modo que los equipos puedan encontrar conexiones relevantes para analizar una empresa o una posición. La diferencia no es menor: recuperar un documento y entender cómo se relaciona con una cartera son tareas distintas dentro de una investigación.

La firma utiliza Codex, junto con otras herramientas, para desarrollar una capa de inteligencia conectada que acerque los datos a las aplicaciones de trabajo y revele posibles hallazgos a sus usuarios. El resultado que persigue es una base gobernada y reutilizable, con conectores confiables, contexto de cartera y capacidades de agentes. Se trata de un objetivo de desarrollo, no de una afirmación de que el sistema ya haya producido mejores resultados de inversión.

Diversidad de perspectivas y riesgos explícitos

La arquitectura también responde a una preocupación concreta sobre el modo en que algunas herramientas de IA personalizan la información. Si un usuario suele consultar a un proveedor de investigación, un sistema que aprende sus preferencias podría mostrarle todavía más material de esa misma fuente. Para Franklin Templeton, ese tipo de filtrado puede reducir el contacto con opiniones diferentes y convertirse en un posible origen de sesgo durante el análisis.

Por esa razón, la empresa quiere que analistas y gestores puedan acceder a una diversidad de investigaciones y puntos de vista, en lugar de recibir únicamente contenido parecido al que ya consultan. La intención es que la exposición a perspectivas distintas forme parte del diseño del flujo de trabajo, no que dependa exclusivamente de que cada persona busque deliberadamente una opinión contraria. El estudio no detalla métricas para medir esa diversidad ni resultados cuantitativos de su implementación.

El sistema también pretende colocar los riesgos de inversión junto con los argumentos que respaldan una idea. Dudley sostuvo que identificar esos riesgos en una nota de investigación conduce a una decisión mejor informada, porque permite que el gestor considere las desventajas antes de actuar. El énfasis no implica que la IA determine si una inversión conviene: busca que las personas tengan a la vista elementos relevantes para juzgarla.

En ese planteamiento, la calidad de la investigación no depende solo de que la información esté disponible o pueda recuperarse rápidamente. También importa qué fuentes y opiniones llegan al usuario, y si el análisis de los riesgos aparece con suficiente claridad junto al razonamiento favorable. Franklin Templeton intenta unir así decisiones de diseño técnico con requisitos propios de la gestión de activos, aunque el material publicado no permite concluir todavía cómo funcionarán esas prioridades en producción.

Pruebas con equipos, controles y juicio humano

El desarrollo involucra a profesionales que podrían utilizar las herramientas en su trabajo cotidiano. Codex se ha empleado en hackatones que reúnen a expertos con profesionales de inversión para que construyan sus propias aplicaciones, mientras que laboratorios prácticos permiten probar tecnologías nuevas poco después de su lanzamiento. La empresa busca que esas instancias ayuden a evaluar la utilidad de las herramientas en tareas reales, en lugar de limitarse a experimentar desde equipos alejados de la inversión.

Franklin Templeton también cuenta con campeones de IA en inversión que trabajan para convertir experimentos en flujos listos para producción. Ese paso exige más que comprobar que una herramienta responde a una consulta: el equipo debe considerar cómo encaja en el proceso, qué información utiliza y qué controles necesita antes de incorporarla al trabajo de los analistas y gestores. El caso menciona revisión de seguridad, apoyo de expertos y acuerdos de datos como parte de ese camino.

El liderazgo de la firma, según Dudley, fomenta la innovación y la experimentación dentro de salvaguardas de riesgo claramente definidas, y acepta que no todas las iniciativas tendrán éxito. La expectativa es que incluso las pruebas que no prosperen aporten ideas para fortalecer capacidades, orientar decisiones futuras y mejorar el trabajo posterior. Esa postura deja claro que la adopción no se presenta como un proceso automático: la organización también debe aprender qué aplicaciones sirven y cuáles requieren cambios.

La meta de largo plazo de Dudley es hacer accesible la inteligencia conectada a los equipos de inversión, desde analistas hasta líderes de los grupos. También quiere que los analistas dediquen más tiempo a conversar en el terreno con expertos, profesionales y ejecutivos de empresas privadas, y que luego lleven lo aprendido de regreso a sus equipos. En esa visión, las herramientas pueden apoyar el análisis, pero el contacto humano y el criterio profesional conservan un papel central.

Una herramienta de apoyo, no una decisión automática

El proyecto reúne dos aspiraciones que pueden entrar en tensión: automatizar partes del trabajo de investigación y, al mismo tiempo, evitar que esa automatización estreche la variedad de información disponible. A ello se suma el propósito de destacar riesgos sin ocultar los argumentos que sostienen una tesis de inversión. Franklin Templeton presenta la inteligencia conectada como una forma de organizar mejor el contexto, no como sustituto del juicio de quienes toman las decisiones.

Queda por comprobar si los conectores, la capa semántica, los agentes y los controles pueden operar como una base reutilizable para distintos equipos sin introducir sesgos o perder matices. El caso describe la orientación y las prácticas de desarrollo, pero no ofrece cifras sobre rendimiento, ahorro de tiempo o impacto en las carteras. Por ahora, el punto central es el diseño de un flujo que aspire a integrar perspectivas diversas y análisis explícito de riesgos bajo supervisión humana.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados