Perspectivas
"Compounding" ante la sobreexpectación
|
|
Global Equity Observer
|
• |
julio 31, 2023
|
"Compounding" ante la sobreexpectación
|
julio 31, 2023
|
"Compounding" ante la sobreexpectación
"Compounding" ante la sobreexpectación |
|
Los mercados bursátiles globales prosperaron en el primer semestre de 2023; el índice MSCI World avanzó un 15% en dólares estadounidenses (USD) y ya lleva una subida superior al 25% desde los mínimos del tercer trimestre de 2022. En reflejo del ajuste a la baja de 2022, el auge se ha debido a una revalorización por unos beneficios más bien planos, expandiéndose el múltiplo a plazo del MSCI World de 13,7x a 17,0x1.
La situación por sectores también se ha revertido con respecto a 2022 dado que el mercado ha estado liderado por los ámbitos de más crecimiento que se enfrentaron a dificultades el pasado año: consumo discrecional, servicios de comunicación y, en particular, tecnologías de la información, con la euforia que trajo consigo la promesa de que la inteligencia artificial (IA) generativa ofrezca una nueva oportunidad a las tecnológicas de megacapitalización tras un 2022 complicado. En junio, se produjo una recuperación cíclica más general, pero hasta finales de mayo los “siete magníficos” o "“MANAMAT”"2, que suponen en torno a un 25% del índice S&P 500 por ponderación, habían brindado en la práctica la totalidad de las rentabilidades del índice estadounidense, descendiendo ligeramente en general los otros 493 componentes3.
El fenómeno ChatGPT
Es verdad que la IA se ha adentrado en un nuevo capítulo, con los avances algorítmicos y en cuanto a potencia de procesamiento, además de la explosión de datos de los últimos años, todo lo cual ha dado comienzo a una nueva era de IA generativa. Estos inteligentes modelos grandes de lenguaje (LLM), que se basan en algoritmos avanzados de aprendizaje automático y entrenados a partir de enormes cantidades de parámetros, analizan y aprenden de los ingentes volúmenes de datos que se les facilitan con el fin de generar a gran velocidad contenido original similar al creado por seres humanos. Desde el lanzamiento del chatbot ChatGPT de OpenAI a finales del pasado año, al mercado le han preocupado cómo comprender e implementar los avances de accesibilidad que ofrece la inteligencia artificial generativa, así como la forma de fijar su precio.
Lo que es inusual sobre el torbellino de la IA es que no se trata de un momento eureka. Aunque el uso de la IA generativa se ha disparado desde el lanzamiento de ChatGPT, tecnologías de inteligencia artificial más precisas como el aprendizaje automático (machine learning) y el procesamiento del lenguaje natural (natural language processing) llevan ya en uso varios años. El reconocimiento facial, por ejemplo, utiliza algoritmos de aprendizaje automático para desbloquear teléfonos inteligentes y los asistentes de voz digitales como Siri y Alexa utilizan la IA, el procesamiento del lenguaje natural y el aprendizaje automático para entender órdenes y llevar a cabo diversidad de tareas. Los algoritmos de IA se utilizan en comercio electrónico para formular recomendaciones de compra personalizadas, en ensayos clínicos para mejorar el descubrimiento y la eficiencia de medicamentos y en otros ámbitos de diversidad de sectores con el fin de automatizar tareas de back-office. La mejora cada vez mayor de los modelos a partir de conductas aprendidas, junto con la llegada del big data y los avances en potencia de procesamiento, han contribuido a la llegada de la IA generativa.
No obstante, se han producido dos importantes sorpresas este año. La primera es la velocidad de adopción por los consumidores. En 2006, Twitter necesitó casi dos años para llegar a un millón de usuarios; en 2010, Instagram precisó de dos meses y medio para ello; ChatGPT solo requirió de cinco días, alcanzando el servicio 100 millones de usuarios en tan solo dos meses —se trata, a la sazón, de la adopción más rápida de cualquier tecnología de la historia4. La segunda sorpresa, y podría decirse que más significativa, es la falta de barreras de entrada para ejecutar código de IA. El supuesto general hasta ahora, que compartimos, es que las grandes compañías consolidadas que desarrollan modelos de IA dominaban el panorama gracias a sus ventajas económicas: especialización en la nube, potencia informática y enormes almacenes de datos propios, por no mencionar las ingentes cantidades de capital invertido para ajustar sus capacidades de IA. Sin embargo, este no parece ser el caso. Los nuevos modelos a gran escala de código abierto basados en interfaces de programación de aplicaciones (API) fácilmente disponibles son públicos, por lo que cualquier persona con un buen nivel de conocimientos sobre códigos puede adaptar y redistribuir la arquitectura de los datos para satisfacer sus propias especificaciones sin necesidad de la gran potencia computacional y el enorme espacio de almacenamiento que se suelen requerir para ello. Si bien esto ofrece ventajas desde la perspectiva del consumidor (por ejemplo, acceso a modelos de inteligencia artificial personalizables a un coste mucho menor), para las empresas, la barrera de entrada para experimentar con código se ha reducido a una persona equipada con un ordenador portátil. La ventaja competitiva no parece ser la tecnología de la inteligencia artificial por sí misma, sino otros elementos del modelo de negocio como, por ejemplo, el acceso a datos propios, la base de clientes o la capacidad de prestar servicios a escala.
The shovelers
Como en ciclos tecnológicos anteriores, los tempranos ganadores de la “fiebre del oro de la IA” han sido, principalmente, los proveedores de semiconductores. Un diseñador de chips con sede en California, claro líder del ámbito de las unidades de procesamiento gráfico (GPU) de las que dependen las aplicaciones de la IA, ganó cerca de 200.000 millones de USD de capitalización de mercado en una jornada gracias a unas orientaciones prospectivas sólidas. Los otros ganadores evidentes son los “hyperscalers” —proveedores de servicios de computación en la nube—, responsables de las infraestructuras necesarias para el despliegue de IA generativa, sobre todo, enormes volúmenes de capacidad de almacenamiento y potencia de procesamiento. Los responsables de la compañía global de tecnología y software en que invertimos indicaron que la empresa prevé que los productos relacionados con la IA impulsen el crecimiento de Azure en un punto porcentual a partir del próximo trimestre, con una proyección de ingresos corrientes de unos 600 millones de USD. Otra categoría de vencedores es la que ofrece servicios de IA a clientes; por ejemplo, la incorporación por el conglomerado de tecnología multinacional en que invertimos de su herramienta de IA de conversación Bard a las búsquedas en su motor de búsqueda, si bien plantea algunas dudas en clave de costes, o que la compañía global de tecnología y software que mantenemos ofrezca Copilot en su familia de productos 365, que permite crear un primer borrador para editar en Word o agilizando una eliminación más rápida de emails en Outlook.
Identificamos las oportunidades…
Aunque el impacto íntegro de la IA sigue siendo ambiguo, a continuación, exponemos nuestros primeros pensamientos desde el punto de vista de nuestro enfoque de inversión de alta calidad y las acciones que poseemos. Muchas de nuestras compañías, ya revisten una medida considerable de exposición a la IA, existiendo más oportunidades en términos de reducción de costes y creación de valor en particular.
- Mejora de los procesos / Reducción de costes: La inteligencia artificial ofrece oportunidades claras para reducir los costes al automatizarse los procesos existentes, en particular, funciones basadas en normas. Buena parte de esto no es nuevo. Una compañía de servicios profesionales en que invertimos sostiene que su negocio de externalización ha pasado de un 90% de mano de obra y un 10% de automatización a un 60:40 y que todavía hay un margen considerable para seguir avanzando. En el ámbito de los pagos, la compañía de servicios financieros que mantenemos ha lanzado una plataforma de IA de alto rendimiento para contribuir a que los pagos sean más predecibles, más transparentes y más rápidos. En general, la revolución de la IA generativa debería contribuir a la creación de contenido en las operaciones, las ventas y el marketing de los clientes, así como en el desarrollo de software, al reducir drásticamente la cantidad de inputs humanos. Esto no quiere decir necesariamente que estas funciones pasen a ser obsoletas, pues es probable que se sigan necesitando el matiz y la profundidad propios de la intervención humana en algún tipo de actividad. En su forma actual, la IA generativa puede ser una solución muy buena para buscar y resumir información integrada en sitios web, si bien es probable que aún no se pueda confiar en ella en el caso de complejos contratos legales.
- Creación de valor: Además de reducir costes, la IA permite a las compañías mejorar la calidad de sus servicios y su oferta de productos. Las compañías con grandes conjuntos de datos propios de diversidad de sectores, podrían utilizar la IA para llevar a cabo análisis de datos más efectivos y eficientes con el fin de profundizar sus ventajas. En el sector de la atención sanitaria, la IA ofrece la posibilidad de mejorar las capacidades de diagnóstico de pacientes y la optimización/automatización de diversos parámetros en el proceso de descubrimiento de medicamentos. Sirva de ejemplo el proveedor de instrumental científico, consumibles y servicios de software en que invertimos, que ha utilizado IA para desarrollar un microscopio de electrones para ayudar a los investigadores a analizar las estructuras de moléculas, proteínas y células y agilizar el proceso automatizando pasos vitales. Por su parte, en el caso de las marcas de consumo, la IA puede mejorar la experiencia de los clientes mediante ofertas virtuales y publicidad personalizada. Invertimos en un líder del sector de la belleza que ha desarrollado un sistema llamado TrendSpotter que analiza tendencias populares en línea con el fin de adaptar sus productos atendiendo a las tendencias y las preferencias emergentes. En general, todavía estamos en los comienzos de esta tecnología, por lo que los avances más emocionantes que se produzcan bien podrían trascender nuestra imaginación actual.
Con un ojo en las amenazas
Además de en las oportunidades, también nos centramos en cómo el cambio podría afectar negativamente a las compañías en que invertimos. Como siempre, nos preocupa el potencial a la baja más de lo que nos entusiasma el potencial al alza.
- Riesgo de automatización de clientes: Como mencionamos anteriormente, la IA debería poder ayudar a las compañías a reducir costes al automatizar diversidad de tareas basadas en normas y de back-office. He aquí un potencial a la baja si el modelo de una compañía depende de prestar servicios que se automatizan, por ejemplo, el funcionamiento de centros de llamadas, o de dar soporte a personal que puede ser objetivo de automatización, por ejemplo, ofrecer un producto de datos a abogados junior. Las compañías de servicios de TI, como la empresa de servicios profesionales en que invertimos, deberán generar suficiente trabajo de alto valor especializado para compensar las pérdidas que les pueda generar la automatización.
- Riesgo de disrupción: Es probable que la IA afecte a modelos de negocio existentes. La capacidad de la IA de acelerar la escritura de códigos puede suponer más competencia para los proveedores de software, por ejemplo. Esta amenaza exige una vigilancia constante a medida que evolucione la tecnología y seguimos de cerca nuestras fuentes de datos propias para nuestras posiciones para el caso de que la IA genere alternativas viables.
- Riesgos legislativos y reglamentarios: Todavía nos encontramos en los primeros días de la adopción de la IA generativa, de ahí que los marcos reglamentarios y legislativos todavía estén muy poco desarrollados. La cuestión de las patentes y los derechos de autor es central, pues los modelos a menudo son entrenados en torno a la propiedad intelectual sin remuneración para los propietarios. La compañía de software creativo en que invertimos espera que su biblioteca de derechos de autor sea una ventaja ante esta incertidumbre. Además, persiste el riesgo de las denominadas "alucinaciones": datos que se introducen que se reconfiguran o aprenden de manera objetivamente imprecisa. Más significativa es la inquietud por que la IA integre algoritmos "de caja negra" discriminatorios en los procesos. Las entidades de calificación de crédito ya utilizan código de IA para llevar a cabo mejoras comerciales y operativas, aunque aquellas en las que invertimos no lo destinarán a aplicar puntuaciones de solvencia debido a los riesgos de sesgo. En general, la regulación podría impedir la innovación y la capacidad de crear valor, en particular, si las compañías globales solo pueden avanzar a la velocidad de la regulación en las regiones más lentas.
- Riesgo de decepción: Aparte de que la IA lastre los beneficios futuros de las compañías, existe el riesgo potencial para las valoraciones si la emoción actual se disipa. El ciclo de sobreexpectación de Gartner tiene cinco fases en cuanto a tecnologías emergentes: la curva ascendente del desencadenante tecnológico y el pico de expectativas (sobredimensionadas), seguida por la caída al abismo de desilusión, antes de pasar a una recuperación paulatina hacia la rampa de consolidación y la meseta de productividad5 El riesgo radica en que, según avanzamos hacia el pico de expectativas, el abismo queda cada vez más cerca...
"Compounding" ante la sobreexpectación
A finales de 2021, nos preocupaban los múltiplos y los beneficios. Tras el derating de 2022, nuestra inquietud por los múltiplos se disipó, lo cual nos dejó la preocupación por los beneficios. Los tres últimos trimestres nos han devuelto ambas inquietudes: el múltiplo de los beneficios a plazo del índice MSCI World ha regresado a 17,0x un nivel nunca alcanzado entre 2003 y 2019, mientras que el múltiplo del sector de tecnologías de la información, de 27,4x se encuentra preocupantemente cerca de sus máximos de la era de la COVID-196.
Este elevado múltiplo no se debe a unos beneficios deprimidos, con unos márgenes esperados todavía próximos a máximos históricos y unos beneficios de consenso que se espera que sean planos este año para después subir un 10% en 2024, a pesar de todas las preocupaciones por una posible recesión. Es verdad que la economía estadounidense ha demostrado ser más robusta de lo esperado, pero la desventaja es que los mercados de trabajo siguen muy tensionados, lo que significa que sigue siendo necesaria una restricción monetaria para conseguir que baje la inflación. Pensamos que las expectativas de beneficios actuales no reflejan los descensos que podrían resultar... los múltiplos actuales tampoco. Mantenemos que el mundo es un lugar asimétrico: las bajadas de beneficios en los momentos malos son mucho más intensas que las subidas en los momentos buenos. Nuestro pronóstico, como siempre, es que la capacidad de fijar precios y los ingresos recurrentes, dos de los criterios fundamentales para incluir emisores en nuestras carteras, volverán a poner de manifiesto su valor en cualquier descenso y que el mercado volverá a favorecer a aquellas compañías con beneficios resilientes en épocas complejas.
En última instancia, todavía estamos en los primeros compases de la IA generativa y sigue sin estar claro su impacto íntegro. ¿Qué sectores y compañías prosperarán y los modelos de negocio de quién decaerán? ¿Cómo serán el empleo, la educación, la atención sanitaria, las finanzas, el consumo y la política en un mundo de IA? ¿Qué significan los derechos de autor en un mundo generado por máquinas? ¿La regulación será rápida y lo suficientemente sensata a la hora de poner cotos, pero sin comprometer los avances? ¿En el asesoramiento de quién podemos confiar? ¿La imagen real de quién es? ¿El mundo se reduce, se acelera y se personaliza todavía más? ¿Se vuelve más desigual? ¿Y qué sucede con la creación artesanal del gestor de carteras fundamental bottom-up?
Nuestro equipo lleva tiempo explorando nuevos conjuntos de datos y desarrollando herramientas de automatización, prestando atención a posibles señales valiosas de la percepción o el análisis del PNL de los anuncios de beneficios. Seguimos a la vanguardia de la innovación y al tiempo inmersos en una tradición de excelencia analítica y evaluación de la gestión. Aún no hemos abandonado los análisis exhaustivos sobre la sostenibilidad del retorno sobre el capital operativo, el debate en equipo, la gestión del riesgo absoluto o el juicio humano. Confiamos en la experiencia de nuestro equipo y seguiremos creando soluciones y forjando relaciones, procurando ser cada vez mejores. No es nuestra intención a corto plazo de sustituir la inteligencia humana por bots a la hora de gestionar carteras o prestar servicio a nuestros clientes: los resultados y nuestros clientes son demasiado importantes como para hacerlo.
Glosario
- ChatGPT: chatbot de IA (chat Generative Pre-Trained Transformer) que utiliza el procesamiento del lenguaje natural, un modelo de aprendizaje automático de redes neuronales y transformador que se basa en datos significativos para predecir una respuesta en texto.
- IA precisa/débil: IA que solemos experimentar en nuestras vidas cotidianas en el desempeño de una única tarea o un conjunto de tareas estrechamente relacionadas entre sí, por ejemplo, apps del tiempo y asistentes digitales7.
- IA general/fuerte: la que se da cuando máquinas sensibles emulan la inteligencia humana, pensando estratégicamente, de forma abstracta y creativa, con la capacidad de gestionar tareas complejas8.
- IA generativa: describe algoritmos (como ChatGPT) que pueden utilizarse para crear contenido, es decir, código, imagen, etcétera9.
- Modelos grandes de lenguaje (LLM, por sus siglas en inglés): modelo de aprendizaje profundo entrenado con base en enormes volúmenes de datos que comprende y lleva a cabo tareas de manera similar al ser humano10.
- Aprendizaje automático (ML, por sus siglas en inglés): manera de desarrollar IA mediante modelos que pueden “aprender” de patrones de datos sin instrucciones humanas, es decir, modelos grandes de lenguaje (LLM)11.
- Procesamiento de lenguaje natural (PLN): rama de la IA de las ciencias informáticas que se centra en ayudar a los ordenadores a comprender la manera de escribir y hablar de los seres humanos12.
|
Managing Director
International Equity Team
|
 |
Emma Broderick
Analista
Equipo International Equity
|