L’IA generativa può cambiare drasticamente sia il panorama economico che quello degli investimenti. Come per molte nuove tecnologie, sicuramente esistono dei rischi, ma i vantaggi dell’adozione dell’IA generativa superano di gran lunga i costi.
Di fatto, l’IA sta già avendo un impatto importante negli investimenti senza contare che i finanziamenti per l’IA generativa hanno già superato i massimi registrati nei precedenti cicli di altre tendenze.
Non si tratta, insomma, di una moda passeggera, ma affinché i benefici prevalgano sui rischi è opportuno conoscerne il funzionamento, le possibili evoluzioni e prevenirne i problemi.
La rapida ascesa di ChatGPT
L’idea di base che le macchine possano pensare come gli esseri umani esiste da quasi un secolo. Negli anni ‘40 e ‘50, lo scienziato e informatico Alan Turing scrisse un articolo sulle macchine in grado di simulare esseri umani e creò il primo “Chess-bot” (robot giocatore di scacchi) al mondo. Il termine “intelligenza artificiale” è stato utilizzato per la prima volta nel 1956 dal professor John McCarthy di Stanford, che in seguito ha definito l’IA come “la scienza e la tecnica della costruzione di macchine intelligenti e in particolare di programmi informatici intelligenti”. Di certo l’apprendimento automatico e l’intelligenza artificiale non sono concetti nuovi nell’ambito degli investimenti; in realtà, entrambi vengono utilizzati nelle strategie quantitative già da qualche tempo.
Il rinnovato entusiasmo per quest’argomento deriva dall’aspetto generativo dell’IA. A novembre 2022 OpenAI ha rilasciato ChatGPT, il primo chatbot di intelligenza artificiale generativa (GAI) che, in sostanza, è un programma informatico progettato per simulare la conversazione con utenti umani. Può fare una battuta. Può dirti che tempo fa. Potrebbe addirittura scrivere questo contenuto. Utilizzando l’IA generativa anziché l’IA tradizionale, ChatGPT non solo può “tenere una conversazione” molto meglio dei chatbot precedenti, ma può anche tradurre il linguaggio in codice o scrivere un curriculum per una posizione interamente simulata. La popolarità di ChatGPT è esplosa: a soli 5 giorni dal rilascio, il software contava oltre un milione di utenti ed è stata una delle applicazioni più veloci a raggiungere i 100 milioni di utenti.
Fonte: Goldman Sachs Global Investment Research e Goldman Sachs Asset
Management. Al 30 giugno 2023. Il grafico mostra il numero di mesi che ogni software ha impiegato per superare i 100 milioni di utenti. Questo materiale è fornito a soli fini formativi e non deve essere interpretato come raccomandazione di investimento o un’offerta o sollecitazione all’acquisto o alla vendita di titoli. Ogni riferimento a società o titoli specifici non costituisce una raccomandazione per l’acquisto, la vendita, la detenzione o l’investimento diretto nella stessa società o nei relativi titoli. Solo a fini illustrativi.
Come funziona l’IA generativa
Il meccanismo di funzionamento dell’IA generativa si basa su tre componenti chiave:
- reti neurali,
- deep learning
- elaborazione del linguaggio naturale (Natural Language Processing,·NLP).
Proprio come il cervello umano, l’IA generativa funziona con un sistema di più nodi neurali che elaborano e filtrano le informazioni in più stati. Prendiamo ad esempio un programma che insegna a un computer a riconoscere i dipinti e mostriamogli le lattine di zuppa Campbell di Andy Warhol. Lo strato iniziale di questa rete neurale artificiale è come il nervo ottico, che trasmette i dati grezzi dagli “occhi” al “cervello”. I dati passano quindi attraverso diversi neuroni, ciascuno dei quali ha una funzione diversa e può comunicare con gli altri. Il primo magari esamina i bordi e trasmette le informazioni al secondo, che svolge una ricerca sulle forme e trasmette informazioni al terzo, che va alla ricerca di caratteristiche specifiche. In questo esempio, ciascun nodo è un singolo “polo di conoscenze” (knowledge hub) che esamina e classifica i dati in ogni fase, per arrivare finalmente al modello che identifica l’opera d’arte correttamente. Facendo un ulteriore passo avanti nell’analogia, il deep learning è un mezzo di apprendimento automatico attraverso dati non strutturati.
L’apprendimento automatico tradizionale avrebbe richiesto agli esseri umani di specificare al programma cosa cercare: se un dipinto contiene pop art, l’artista potrebbe essere Andy Warhol o Keith Haring. Mostrandogli migliaia di dipinti pop art, il programma può trarre le proprie conclusioni e migliorare ulteriormente le sue capacità analitiche. Infine, l’NLP consente ai computer di interpretare il linguaggio, misurare l’interesse, leggere il testo e valutare le immagini, attraverso un’analisi sia sintattica che semantica. Utilizzando l’NLP, un modello di IA generativa che guarda le lattine di zuppa Campbell può essere in grado di trarre conclusioni sul significato alla base del dipinto: forse Warhol ha rappresentato questo oggetto per mostrare che l’arte dovrebbe essere per tutti, non solo per colti intenditori, o forse era solo un ghiotto consumatore di zuppe! In parole povere, le reti neurali, il deep learning e l’NLP sono i mezzi che permettono all’IA di pensare.
La IA generativa non è solo un trend del momento
Uno dei punti chiave dello scetticismo sull’investimento nell’intelligenza artificiale è l’eventualità che si tratti solo dell’ennesima moda passeggera. L’intelligenza artificiale e l’apprendimento automatico sono utilizzati nelle strategie di investimento quantitativo da diversi anni. Chiunque abbia mai utilizzato un algoritmo di trading ha probabilmente sfruttato l’IA per investire, poiché molti di questi algoritmi prendono decisioni basate su grandi volumi di dati ad alta velocità o sfruttano possibili opportunità di arbitraggio. L’IA può essere utilizzata anche per ottimizzare l’asset allocation e costruire portafogli che potrebbero offrire performance migliori rispetto a quelli costruiti con le tecniche tradizionali, per agevolare l’analisi pre e post-negoziazione e analizzare il rischio di mercato e di credito.
Anche se meno noti, alcuni grandi modelli linguistici possono essere utilizzati sia nell’analisi del sentiment, ad esempio per comprendere il sottotesto degli annunci degli utili societari, sia nell’ottimizzazione del portafoglio. Di recente è stato creato un modello di IA generativa per analizzare le dichiarazioni della Federal Reserve e assegnare loro un “punteggio restrittivo-espansivo”, il cosiddetto “Hawk-Dove score”, con l’obiettivo di rilevare potenziali segnali di trading. Prevediamo che questi collegamenti tra IA e investimenti diventeranno ancora più stretti man mano che la società acquisirà maggiore familiarità con la tecnologia.
Un altro indizio del fatto che l’IA potrà perdurare è l’importo dei capitali che vengono impiegati. Nel primo trimestre del 2023 le società operanti nell’IA generativa hanno raccolto 2,3 miliardi di dollari da operatori di venture capital. La raccolta fondi trimestrale di VC per il metaverso al suo picco del 2021 è stata di soli 2,1 miliardi di dollari. Le grandi aziende stanno registrando un interesse simile: nel 4T del 2022, tra le società dell’S&P 500 solo 10 citavano l’“intelligenza artificiale generativa”. Riteniamo che questo dipenda dal fatto che Microsoft ha investito 10 miliardi di dollari in OpenAI. Nel secondo trimestre del 2023 questo numero è aumentato drasticamente e anche Mark Zuckerberg, che nel 2021 aveva cambiato il nome della sua azienda in Meta, ha affermato: “Il singolo investimento più grande [di Meta] è quello nella promozione dell’IA”.
Naturalmente, l’uso dell’IA include anche delle sfide. Ad esempio, algoritmi sempre più opachi possono rendere difficile per gli esseri umani monitorare, valutare e comprendere il modo in cui i modelli dell’IA risponderanno alle informazioni immesse, ad eventi anomali o ad attività complesse. Inoltre, l’IA si basa su grandi quantità di dati, specialmente nella fase di apprendimento. La qualità e la disponibilità di questi dati possono portare a una calibrazione non corretta e alla distorsione dei dati.
Sappiamo che l’IA potrebbe dover affrontare crescenti ostacoli e siamo consapevoli del rischio potenziale che i mercati possano farsi trascinare troppo dagli eventi. A nostro avviso, tuttavia, l’IA generativa è destinata a durare.
Impatto economico dell’IA generativa
Ciò che distingue l’IA generativa da molti progressi tecnologici precedenti è il suo impatto potenzialmente drastico sulle economie. A lungo termine, riteniamo che l’adozione diffusa dell’IA generativa possa cambiare significativamente la nostra vita, le nostre interazioni e l’intera esistenza umana. Gli economisti di Goldman Sachs Global Investment Research hanno paragonato l’impatto dell’IA generativa a due invenzioni fondamentali nella storia dell’umanità: il motore elettrico nel 1890 e il personal computer nel 1981.
In ciascuno di questi casi, il forte aumento della produttività è avvenuto solo una volta che circa il 50% delle aziende ha adottato la rispettiva tecnologia, un traguardo che in ogni caso ha richiesto 20 anni. Dopo aver raggiunto questa soglia, tuttavia, la produttività del lavoro è cresciuta di 1,5 punti percentuali l’anno per oltre un decennio, e riteniamo che l’adozione diffusa dell’IA generativa possa produrre effetti simili al ritmo di un aumento annuale del PIL globale del 7%, che deriverà da due canali principali. In primo luogo, molti lavoratori sono impiegati in occupazioni parzialmente esposte all’automazione con l’IA. Se l’IA può aumentare le capacità dei lavoratori, è plausibile che questi possano impiegare parte del nuovo tempo a disposizione in attività più produttive. In secondo luogo, anche se i lavoratori potrebbero essere delocalizzati dall’automazione con l’IA, crediamo che alla fine saranno ricollocati e quindi miglioreranno la produzione totale. Le dimensioni dell’impatto dell’IA generativa dipenderanno in ultima analisi dalle sue reali capacità e dalla tempistica della sua adozione, ma riteniamo che sarà possibile iniziare a raccoglierne i benefici economici negli ultimi anni del decennio 2020-2030.
Impatti tecnologici dell’IA generativa
L’IA sembra essere stata l’argomento principale delle conferenze aziendali in tutti i settori. Secondo Bloomberg, a fine giugno il termine era stato usato 3.330 volte. L’aspetto sorprendente di questa crescita virale, oltre alla quantità delle citazioni, è stata la diversità delle aziende, da Microsoft a Kraft, Moderna o Zoom, che stanno cercando di integrare l’IA nelle loro attività. Come accennato in precedenza, l’uso più diffuso dell’IA generativa finora è rappresentato dai chatbot. Dopo l’ingente investimento di Microsoft in OpenAI per l’uso di ChatGPT, altre società tecnologiche hanno intensificato gli sforzi per realizzare i propri chatbot (Bard di Google, “AI” di Snapchat).
La funzionalità dei chatbot va ben oltre le battute e le notizie sul tempo che fa. I chatbot possono rivoluzionare il servizio clienti e migliorare l’efficienza delle ricerche umane: provate a chiedere a ChatGPT di pianificare l’itinerario di una gita in campeggio. Inoltre, i chatbot stanno diventando più intelligenti e sofisticati, con una velocità incredibile. Tuttavia, i chatbot non sono l’unica applicazione degna di nota dell’IA generativa. Tramite l’NLP, l’IA viene utilizzata per aiutare i programmatori a scrivere il codice originale. Secondo Marco Argenti, Chief Information Officer di Goldman Sachs, in alcuni casi gli sviluppatori accettano quasi il 40% del codice scritto dall’IA, tanto che la produttività dell’attività di programmazione potrebbe aumentare di percentuali a due cifre. Alla fine, l’IA sarà utilizzata nell’intrattenimento, nella medicina e in quasi tutti i settori.
Fonte: Bloomberg e Goldman Sachs Asset Management. Al 30 giugno 2023. Il grafico mostra il numero di citazioni dei termini “IA” e “IA generativa” nelle conferenze aziendali per trimestre. Questo materiale è fornito a soli fini formativi e non deve essere interpretato come raccomandazione di investimento o un’offerta o sollecitazione all’acquisto o alla vendita di titoli. Solo a fini illustrativi.
Impatto dell’IA generativa negli investimenti
Piuttosto che chiedersi se “l’IA assumerà il controllo dell’umanità”, gli investitori sono più curiosi di sapere dove possono posizionare strategicamente i loro portafogli per sfruttare i suoi nuovi sviluppi. Considerati i diversi componenti dello stack tecnologico dell’IA generativa, tra cui applicazioni, hardware, piattaforme cloud, modelli di base e hub di modelli, le aziende potrebbero prendere in considerazione gli investimenti nel settore tecnologico per sfruttare i vantaggi dell’IA generativa.
A nostro avviso, i gruppi più favoriti sono:
- le grandi aziende con infrastrutture in grado di integrare l’IA alle piattaforme esistenti,
- le aziende che producono componenti dell’IA e che inoltre sviluppano/concedono in licenza modelli di IA generativa,
- le aziende al di fuori del settore tecnologico che sono più disposte ad ampliare la propria adozione dell’IA.
Non sorprende quindi che le grandi aziende tecnologiche con infrastrutture solide possano trarre vantaggio dall’avvento della nuova tecnologia. Implementando i modelli IA negli strumenti di produttività esistenti, i lavoratori possono beneficiare di una maggiore efficienza e della capacità di sfruttare più fonti di dati in un’unica applicazione. Ad esempio, creando una presentazione si potrebbe utilizzare l’IA generativa per estrarre note da un documento di testo e compilare una diapositiva, il tutto senza uscire dall’applicazione della presentazione stessa. Inoltre, l’IA generativa può aiutare i dipendenti che non sono molto ferrati in materia di software a sfruttare appieno gli strumenti a loro disposizione.
Al di là della semplice produttività, le aziende tecnologiche possono scegliere di adottare rapidamente l’IA generativa nei motori di ricerca, come nel caso di DevOps e cybersecurity, solo per citarne alcuni. In secondo luogo, attualmente c’è una domanda globale di modelli di IA generativa, ma non tutte le aziende hanno le infrastrutture/risorse per costruirne di propri. Per una piccola impresa che desidera aumentare la produttività, potrebbe essere opportuno abbonarsi a un modello di IA creato esternamente. A nostro parere, anche i produttori di unità di elaborazione grafica (GPU) e di altri componenti dell’IA potrebbero essere particolarmente favoriti. Infine, dato che circa il 66% dei posti di lavoro è esposto all’automazione dell’IA, riteniamo che qualsiasi azienda in grado di adottare l’IA generativa per migliorare l’efficienza possa trarre vantaggio da questa tecnologia. L’assistenza sanitaria è solo un esempio di settore in cui gli strumenti di IA generativa potrebbero essere utilizzati per la diagnosi dei pazienti, i piani terapeutici personalizzati e lo sviluppo di nuovi farmaci.
Sembrano esserci motivazioni valide per impiegare l’IA generativa in quasi tutti i settori e, sebbene ci siano pochissimi lavori in cui l’IA generativa può automatizzare più della metà del lavoro, riteniamo che la sua adozione diffusa possa permettere un aumento della produttività a due cifre in molti campi.
Nonostante si trovino ancora nelle prime fasi della scoperta e dell’adozione, i potenziali vantaggi dell’IA generativa sono difficili da ignorare. Tuttavia, la limitatezza del recente rally potrebbe essere la prova che i mercati non hanno ancora pienamente recepito l’IA.
Non essendo ancora chiaro in che modo esattamente l’adozione dell’IA generativa influenzerà i fondamentali aziendali, potrebbe essere troppo presto per capire se le società dell’IA generativa sono sopravvalutate e non è chiaro neanche se in questo ambito debbano essere applicati i metodi di valutazione tradizionali. Detto ciò, alcune valutazioni tecnologiche sono molto elevate. Gli investitori potrebbero avere difficoltà a selezionare i futuri vincitori dell’IA generativa a un prezzo giusto. Mentre i gestori continuano a studiare il comparto, i mercati potrebbero dettare nuove dinamiche di valutazione, potenzialmente proprio con l’aiuto dell’IA.
Rischi principali un’adozione diffusa dell’IA
Riteniamo che siano tre i rischi principali derivanti da un’adozione diffusa della tecnologia IA:
- problemi di privacy e copyright,
- problemi etici,
- delocalizzazione del lavoro.
I grandi modelli di apprendimento linguistico su cui sono costruite le piattaforme di IA sfruttano enormi quantità di dati da cui apprendere, il che significa che un attacco informatico o una violazione dei dati potrebbe potenzialmente causare danni significativi. Più tipico dell’IA generativa è il rischio di violazione del copyright. Anche se è ancora presto, casi esemplari di “furto” da parte dell’IA provengono dall’industria musicale, in cui gli ingegneri del suono sono riusciti a utilizzare l’intelligenza artificiale per creare musica originale con versioni IA di voci di artisti famosi. In alcuni casi, la replica è impressionante. Quando si usa l’IA, sorgono inoltre questioni etiche, in particolare sotto forma di plagio e disinformazione. Come accennato in precedenza, i modelli di IA generativa sono addestrati sui dati disponibili esistenti; quindi, la probabilità che i contenuti vengano plagiati è maggiore e spetta all’utente utilizzare in modo ragionevole i contenuti generati. Inoltre, gli strumenti di IA generativa sono stati messi in discussione per l’accuratezza delle informazioni divulgate, il che può essere pericoloso per utenti come i gestori patrimoniali, che non sono in grado di verificarle.
Impatto dell’IA sulle occupazioni attuali
Fonte: US Department of Labor’s Occupational Information Network (O*NET), Goldman Sachs Global Investment Research e Goldman Sachs Asset Management. Al 30 maggio 2023. Il grafico mostra la distribuzione a livello di occupazione della quota di attività che l’IA può svolgere, con occupazioni e attività basate sulla Labor’s Occupational Information Network del Dipartimento del Lavoro degli Stati Uniti.
Nonostante il pericolosissimo rischio rappresentato dalla disinformazione, il rischio che riteniamo più incisivo è la delocalizzazione del lavoro. A nostro avviso, circa i due terzi delle occupazioni negli Stati Uniti sono esposti a un certo grado di automazione con l’IA, soprattutto nelle professioni amministrative e legali, mentre l’impatto sembra essere inferiore nei settori delle costruzioni e della manutenzione. Si stima che il 7% dei lavori potrebbe essere delocalizzato. Tuttavia, storicamente si è visto che la delocalizzazione dei lavoratori generata dall’automazione è prevalentemente compensata dalla creazione di nuovi tipi di lavoro. Il 60% dei posti di lavoro esistenti oggi non esisteva nel 1940 e, negli ultimi 80 anni, la creazione di nuovi posti di lavoro basata sulla tecnologia ha rappresentato l’85% della crescita dell’occupazione. Prevediamo che altrettanto avvenga per l’IA, con nuovi ruoli creati nella scienza dei dati, nella ricerca e nell’ingegneria dell’IA, per citarne alcuni. Inoltre, sebbene l’interazione futura tra sindacati e IA generativa non sia chiara, abbiamo già visto che i sindacati in settori come compagnie aeree, medicina e scrittori di intrattenimento si stanno destreggiando tra le connotazioni dell’enfasi del coinvolgimento umano nei lavori, cercando al contempo protezioni dalle aziende e dalle normative governative contro una sostituzione completa.
Conclusioni
Attraverso l’IA generativa, agli esseri umani vengono dati alcuni dei “giochi” più futuristici che il mondo abbia mai visto senza tabelloni o istruzioni su come giocare. È qui che intervengono l’arte e l’immaginazione dell’intelligenza artificiale. Man mano che l’umanità impererà a usare questi strumenti, crediamo che le possibilità di innovazione possano essere davvero infinite.
