Franklin Templeton desarrolla flujos de trabajo de investigación con IA para destacar los riesgos

Franklin Templeton está desarrollando flujos de trabajo con IA para ayudar a los gestores de cartera a comparar investigaciones de inversión y examinar riesgos, comenzando por la investigación de renta variable, según informó OpenAI en un estudio de caso publicado el 5 de noviembre de 2026. Codex es una de las varias herramientas que utilizan sus equipos de inversión.

El trabajo aborda un traspaso dentro del proceso de investigación actual. Los analistas realizan un análisis preliminar de las acciones, revisan las llamadas sobre resultados y estudian a los competidores de cada línea de negocio antes de proponer nuevas ideas o informar a los gestores de cartera sobre las posiciones existentes. Los equipos de investigación, riesgos, cumplimiento y negociación aportan perspectivas diferentes; Franklin Templeton quiere combinar esas aportaciones para que quienes toman las decisiones puedan evaluar tanto los argumentos que respaldan una idea como sus riesgos.

Katrina Dudley, vicepresidenta sénior de inversiones en mercados públicos de Franklin Templeton, describió el cambio como un paso más allá de automatizar una secuencia dirigida por personas. «Hemos pasado de ampliar las capacidades de nuestro proceso de investigación a replantear el flujo de trabajo de la investigación de inversiones», afirmó.

Del acceso a bases de datos a la inteligencia conectada

En el primer intento, se colocaron los datos en una base de datos y se conectaron modelos a ella. El método no produjo las respuestas que necesitaban los equipos, porque los modelos no entendían cómo se relacionaban los datos entre sí. El enfoque cambió al incorporar agentes y una capa semántica, definida como un modelo estructurado del significado de los datos de la empresa y de sus relaciones.

Esta distinción es fundamental para el problema de investigación: el mero acceso a la información no aportaba las relaciones necesarias para interpretarla. El equipo está utilizando Codex y otras herramientas para desarrollar una capa de inteligencia conectada que integre los datos en las herramientas y presente información útil a los usuarios.

El resultado previsto es una base gobernada y reutilizable que combine conectores fiables, el contexto de las carteras y los flujos de trabajo, y capacidades basadas en agentes que presenten información práctica para analistas y gestores de cartera.

El desarrollo también involucra a las personas que utilizarán los sistemas. Se ha usado Codex en hackatones que reúnen a expertos y profesionales de inversión para que creen sus propias herramientas, mientras que los laboratorios prácticos, introducidos poco después del lanzamiento de nuevas tecnologías, ayudan a los equipos a probar cómo encajan esas tecnologías en su trabajo. Los promotores de la IA en los equipos de inversión trabajan para convertir los experimentos en flujos de trabajo listos para producción.

El diseño de la investigación prioriza la diversidad y el riesgo

Algunos comportamientos que hacen que la IA resulte útil en otros contextos generan problemas en la gestión de activos. Muchas herramientas aprenden las preferencias de los usuarios y les muestran más contenido similar; para un inversor que prefiere a un proveedor de investigación, eso puede significar recibir más informes de ese proveedor. Franklin Templeton considera que este estrechamiento de perspectivas puede generar sesgos y, en cambio, quiere que los analistas y gestores de cartera accedan a una diversidad de investigaciones y opiniones.

Los riesgos reciben un tratamiento similar. Los sistemas están concebidos para destacar los riesgos de inversión junto con los argumentos que respaldan una idea, de modo que los gestores de cartera los tengan presentes. Identificar esos riesgos en una nota de investigación, afirmó Dudley, «contribuye a tomar decisiones de inversión mejor informadas».

Junto con el trabajo en la capa semántica, estos requisitos hacen que la exposición a distintas investigaciones forme parte del diseño del sistema: importa qué perspectivas llegan al usuario, además de si es posible recuperar la información. Por tanto, el flujo de trabajo previsto conecta la arquitectura técnica con un requisito propio de la inversión: preservar los distintos puntos de vista y hacer visibles los análisis de los riesgos a la baja.

Límites, adopción y trabajo de campo humano

La dirección fomenta la innovación y la experimentación con IA dentro de límites de riesgo claramente definidos, y acepta que no todas las iniciativas tendrán éxito. Dudley afirmó que, aun así, cada una debería generar conocimientos que fortalezcan las capacidades, orienten las decisiones futuras e impulsen la mejora continua. Entre las medidas de control que acompañan esta iniciativa figuran la revisión de seguridad, el apoyo de expertos y los acuerdos sobre datos en el camino desde la experimentación hasta las herramientas aptas para producción.

El objetivo a largo plazo de Dudley es que la inteligencia conectada esté al alcance de todos los equipos de inversión, desde los analistas hasta los responsables de cada grupo de inversión. También quiere que los analistas dediquen más tiempo al trabajo de campo y hablen con expertos, profesionales y directivos de empresas privadas, para luego compartir con sus equipos lo que aprendan. Esa perspectiva humana sigue siendo esencial a medida que se desarrollan las herramientas.

La importancia del proyecto reside en esa combinación de automatización y moderación. Franklin Templeton intenta presentar información útil y conectar más elementos del contexto que rodea a una inversión, a la vez que mantiene dentro del proceso las opiniones diversas, el análisis explícito de riesgos, los controles de seguridad y el criterio humano. La cuestión central es si esos elementos pueden funcionar juntos en un sistema gobernado y reutilizable, sin reducir la diversidad de investigaciones que el sistema pretende ampliar.