Esto es súper interesante también He estado experimentando con paneles de datos impulsados por IA para rastrear de manera más sistemática los KPI de la empresa. Gran parte del proceso de investigación de acciones públicas se trata de desarrollar mejores pronósticos de ingresos (que luego se traducen en EPS a varios niveles incrementales). Por lo tanto, gran parte del movimiento de investigación de inversiones se centra en rastrear datos que informan pronósticos de ingresos más precisos. Esta es la base de la industria de datos alternativos. Pero hay muchos conjuntos de datos útiles disponibles públicamente. A medida que los chatbots han crecido (Claude), me ha impresionado la capacidad de estas herramientas para obtener estos datos. Para mí, esta es la otra pieza que falta junto a la fluidez en Excel. La capacidad de ingerir un modelo de Excel (eventualmente construirlo, pero no hoy), identificar los impulsores clave (a partir de datos abiertos y propietarios), destilar esos datos de nuevo en pronósticos y señalar alertas personalizadas (inflecciones de momentum empresarial, posibles revisiones a los pronósticos de ingresos, validación/invalidación de tesis, etc). ¡Ahora estamos hablando! Esto es órdenes de magnitud más útil que un envoltorio de chatbot financiero. Me pregunto si estas herramientas están progresando a tal ritmo que la mayoría de los profesionales de finanzas ni siquiera necesitan aprender a codificar agentes. Por ejemplo, Perplexity Computer logró algo que, seguro, no era perfecto, pero muestra un progreso material en la capacidad de la infraestructura de harness para construir interfaces de usuario simples y poderosas. La precisión de grado institucional sigue siendo un problema crítico y aún no completamente resuelto (¿mejora esto a medida que empresas como CarbonArc implementan MCPs??), pero es emocionante ver cómo las capacidades de ingeniería mejoran de manera tan material, en tan poco tiempo.