Michael Heldmann, CIO de renta variable global de Allianz Global Investors, no comenzó su carrera analizando mercados, sino patrones de movimiento. En sus primeros años desarrolló un modelo basado en redes neuronales para estudiar los golpes de la tenista Steffi Graf, a partir de grabaciones en vídeo procesadas con puntos de referencia. Aquella aproximación —rudimentaria en comparación con los estándares actuales— ya anticipaba su interés por el análisis de datos complejos aplicado a problemas reales.

Ese enfoque le llevó posteriormente al CERN, donde trabajó en entornos de física de partículas caracterizados por la necesidad de procesar enormes volúmenes de información para extraer señales extremadamente débiles. La búsqueda de patrones en sistemas altamente complejos se convirtió así en el hilo conductor de su carrera.

Hace ya 25 años trasladó ese conocimiento al ámbito de la gestión de activos en Allianz Global Investors, donde ha sido una figura clave en el desarrollo de las estrategias sistemáticas. A lo largo de este tiempo, el equipo ha incorporado progresivamente técnicas de machine learning y análisis de datos no estructurados a los procesos de inversión. En palabras del propio Heldmann, esta trayectoria les otorga una ventaja diferencial: “Tenemos una ventaja muy grande por los 25 años de datos, modelos y experiencia acumulada, que nos permite trabajar de forma mucho más eficiente y consistente que otros actores del mercado”.

La inteligencia artificial como nueva “normalidad” del mercado

En su intervención en Madrid, Heldmann contextualizó el momento actual de mercado señalando que, aunque los eventos geopolíticos captan inicialmente toda la atención, su impacto tiende a diluirse con rapidez. Así ocurrió tras el estallido de la guerra en Ucrania, cuando, tras un primer shock centrado en materias primas energéticas, el foco del mercado se desplazó hacia otros factores de más largo plazo.

A su juicio, ese patrón se repite en la actualidad: “Cuando hay un shock geopolítico, al principio toda la atención va ahí, pero después de muy poco tiempo el mercado vuelve a una cierta normalidad”. Y esa normalidad, hoy, está claramente definida por la inteligencia artificial. Heldmann subrayó que el desarrollo de esta tecnología y las fuertes inversiones de los grandes actores tecnológicos —los llamados hiperescaladores— constituyen el principal motor de los mercados de renta variable.

En este sentido, defendió una visión estructuralmente optimista: la inteligencia artificial apunta a la “creación de un valor tremendo” durante muchísimos años, con implicaciones profundas tanto para los mercados de capitales como para el crecimiento económico. No en vano, destacó que el volumen de inversión global en tecnología ya supera al destinado a defensa, una señal clara de hacia dónde se están dirigiendo los recursos y las prioridades económicas.

Corrección del software, límites de los LLMs y disrupción tecnológica

No obstante, Heldmann advirtió de que el desarrollo de la IA no está exento de ajustes y disrupciones. Recordó la reciente corrección en el sector del software, que puso de manifiesto la dificultad de identificar ganadores y perdedores en una fase temprana de cambio tecnológico. En este entorno, considera mejor posicionadas a aquellas compañías que cuentan con barreras de entrada sólidas, como protección legal sobre datos o derechos de propiedad intelectual, así como acceso exclusivo a fuentes de información críticas —por ejemplo, datos procedentes de mercados o infraestructuras reguladas—.

Al mismo tiempo, alertó sobre la posibilidad de una “destrucción de tecnología” en los próximos años. En su opinión, las arquitecturas actuales —como las basadas en GPUs— podrían “no ser la solución más eficiente a largo plazo”, lo que abre la puerta a nuevas innovaciones que reconfiguren el ecosistema.

Otro de los puntos clave de su análisis se centra en los modelos de lenguaje. Según Heldmann, los principales LLMs se enfrentan a un límite estructural: ya han procesado la mayor parte de los datos disponibles en internet. Esto dificulta el desarrollo de nuevas generaciones significativamente mejores, al reducirse la disponibilidad de datos adicionales con los que entrenar los modelos. “Estos sistemas han aprendido ya todo lo que está en internet”, señaló, lo que plantea retos relevantes para la evolución futura de esta tecnología.

IA en la inversión: combinación de capacidades humanas y tecnológicas

Heldmann explicó que Allianz Global Investors aborda la inteligencia artificial desde una doble perspectiva: como objeto de inversión y como herramienta para mejorar sus propios procesos. En el primer caso, se trata de identificar oportunidades dentro de un ecosistema en rápida evolución; en el segundo, de integrar la IA en la toma de decisiones.

Durante más de dos décadas, la firma ha desarrollado modelos capaces de analizar tanto datos cuantitativos como información no estructurada, como textos o noticias. Este enfoque permite generar, por ejemplo, una visión diaria y sistemática sobre decenas de miles de compañías a nivel global, algo difícilmente replicable mediante análisis exclusivamente humano.

Sin embargo, Heldmann insistió en que la tecnología por sí sola no es suficiente. “Los mercados son muy complejos y cambian muy rápidamente; necesitas la parte humana para usar la tecnología de la forma más optimizada”, explicó. En esta línea, defendió un modelo híbrido: “El humano da la dirección y la visión amplia, y el ordenador se encarga de los detalles con una consistencia mucho mayor”. Esta colaboración resulta clave para el diagnóstico del mercado, la elaboración de previsiones y la revisión de carteras.

Además, subrayó que el uso de IA en previsiones tiene limitaciones inherentes. A diferencia de otros ámbitos, en los mercados financieros no es posible generar datos artificiales fiables: el aprendizaje depende de observar resultados reales a lo largo del tiempo. Por ello, considera que la IA es especialmente útil para analizar información existente, pero más limitada para anticipar eventos futuros.

El impacto de la IA también se extiende al mercado laboral. Heldmann destacó que, en Estados Unidos, se está observando una presión creciente sobre los perfiles junior, especialmente en el sector tecnológico, donde muchas tareas de entrada pueden ser automatizadas. En contraste, los profesionales con mayor experiencia se benefician de un aumento de la productividad gracias al uso de estas herramientas.

Este desequilibrio plantea un reto para las organizaciones: cómo mejorar la eficiencia sin comprometer el desarrollo del talento futuro. “Tenemos que pensar también en el talento que necesitamos crear para los próximos años, y eso no es fácil”, advirtió. A largo plazo, no obstante, confía en que el patrón histórico se repita: la tecnología destruye empleos en una primera fase, pero acaba generando nuevas oportunidades.

Gestión del riesgo en un entorno incierto

Finalmente, Heldmann aportó claves durante su intervención sobre cómo posicionar las carteras en un entorno caracterizado por la volatilidad y la incertidumbre geopolítica. Su enfoque se basa en distinguir entre lo que puede preverse y lo que no, y actuar en consecuencia.

En su opinión, muchos inversores cometen el error de centrarse exclusivamente en escenarios direccionales, sin gestionar adecuadamente los riesgos imprevistos. Frente a ello, aboga por un enfoque sistemático que identifique y controle explícitamente estos factores. Por ejemplo, variables como el precio del petróleo —difíciles de prever— deben ser incorporadas de forma consciente en la construcción de cartera, mientras que otros elementos, como la evolución de la inflación, sí pueden modelizarse con mayor fiabilidad.

Actualmente, su visión es moderadamente constructiva. Aunque reconoce la incertidumbre existente —incluyendo posibles tensiones en política monetaria o presiones inflacionistas—, considera que los datos no apuntan a un escenario negativo extremo. En este contexto, defiende carteras capaces de resistir distintos escenarios, priorizando la gestión del riesgo sobre las apuestas direccionales.

“Lo importante es construir carteras que puedan sobrevivir a los escenarios más probables”, resumió. A partir de ahí, la clave está en capturar el alfa en los momentos favorables. Este enfoque, apoyado en herramientas sistemáticas y en la combinación de inteligencia humana y artificial, es el que, en su opinión, permite navegar con éxito entornos complejos y cambiantes.