Robô monitorou políticos brasileiros e quase "cravou" placar da Previdência

Bancos nem sempre podem se dar ao luxo de colocar analistas no terreno em países em desenvolvimento -- entre os poucos lugares atualmente onde os investidores podem escapar dos rendimentos negativos.

Durante os meses de negociação da reforma da Previdência na Câmara dos Deputados em Brasília, um robô a mais de 5.000 quilômetros de distância em Londres ficou de olho em todos os 513 parlamentares. O algoritmo, desenvolvido pela startup de tecnologia Arkera, rastreava os comentários de políticos em jornais brasileiros e sites do governo todos os dias para prever a probabilidade da PEC da Previdência ser aprovada.

Semanas antes do texto ser aprovado em primeiro turno na Câmara dos Deputados em julho, a análise de dados da máquina permitiu que analistas da Arkera previssem o resultado quase que exato, o que levou clientes de hedge funds em Nova York e Londres a apostarem na compra do real, que estava perto do menor nível em oito meses em maio. Desde então, a moeda se valorizou mais de 8% em relação ao dólar.

Esse é o tipo de vantagem que uma nova geração de pesquisadores aposta que irá revolucionar o mercado de pesquisa. Para os clientes da Arkera em Wall Street e na City of London, isso significa fazer com que os robôs filtrem o ruído em terras distantes.

"Há muitas pessoas para seguir no Twitter, muitos sites, muitos artigos", disse Nav Gupta, 48 anos, cofundador da Arkera. Segundo ele, o software da empresa pode processar informações tanto quanto 1.000 analistas humanos. "É um problema muito caro que todo mundo enfrenta."

A empresa levantou 4 milhões de libras (US$ 4,9 milhões) no ano passado de investidores como Alan Howard, do hedge fund Brevan Howard Asset Management.

Usar a chamada inteligência artificial para automatizar o processo de pesquisa ganha terreno rapidamente em um momento em que bancos de investimento encolhem as operações. Somente no Reino Unido, houve uma queda de 30% nos orçamentos de pesquisa no ano passado, segundo dados da Financial Conduct Authority. Nos 12 maiores bancos, houve uma queda de 7% desde 2015 no número de funcionários front-office da equipe de câmbio, como traders e pesquisadores, de acordo com a Coalition Development, consultoria londrina de análise de pesquisa.

Isso significa que é ainda mais difícil do que antes pagar analistas no terreno em países em desenvolvimento.

Empresas de ciência de dados como a Arkera e a Sigmoidal, com sede em Nova York, dizem que podem resolver esse problema usando máquinas que aprendem ao longo do tempo com a análise de dezenas de milhares de artigos na imprensa, declarações do governo e contas nas redes sociais em idiomas variados como espanhol, árabe e chinês.

Depois de um investimento inicial de US$ 100 mil, os bancos podem economizar US$ 1 milhão em sete anos usando esses sistemas, porque não precisam contratar tantos analistas de dados, disse Marek Bardonski, 27 anos, que era presidente da Sigmoidal quando conversou com a Bloomberg em julho. Bardonski, que saiu da empresa, anteriormente trabalhou como cientista da computação da fabricante de chips Nvidia.

Nos protestos deste ano em Hong Kong, Bardonski disse que o software da Sigmoidal foi capaz de acompanhar as notícias na imprensa em cantonês e até mesmo identificar os feeds de Twitter não confirmados dos líderes dos protestos para monitorar o risco de mais confrontos. A tecnologia é útil para países longínquos devastados por turbulências políticas, locais onde os investidores querem investir, mas não têm acesso fácil às informações.

"O sistema pode oferecer uma vantagem sobre os analistas tradicionais que trabalham para instituições financeiras", disse Bardonski, acrescentando que relatórios típicos incluem gráficos sobre o clima do momento, estatísticas de palavras-chave e breves resumos. "Em vez de receber 100 mil artigos de notícias, os clientes podem obter todas as informações em uma página."

Nem a Sigmoidal nem a Arkera permitiram que a Bloomberg visse um exemplo de um relatório automatizado para que pudesse ser comparado com um produzido por um humano, citando regras contra o compartilhamento de dados proprietários.