Intelligenza artificiale

Franklin Templeton sviluppa flussi di lavoro per la ricerca sugli investimenti con l’IA insieme a OpenAI

Mei Tan
Aggiungi Securities.io alle tue fonti preferite su Google
Punti chiaveLa prima implementazione dell'IA di Franklin Templeton è fallita perché i modelli…
Vedi di più
  • La prima implementazione dell'IA di Franklin Templeton è fallita perché i modelli mancavano di un livello semantico che spiegasse come i dati si connettono.
  • Gli hackathon Codex affiancano esperti tecnici a professionisti degli investimenti, così che i professionisti costruiscano i propri strumenti di ricerca.
  • L'azienda vuole che l'IA faccia emergere punti di vista di ricerca diversificati e segnali i rischi anziché prospettive ristrette.

Franklin Templeton sta sviluppando flussi di lavoro basati sull’intelligenza artificiale per l’analisi azionaria utilizzando Codex di OpenAI e altri strumenti, ha dichiarato OpenAI in un caso cliente pubblicato il 5 novembre 2026. L’obiettivo iniziale è aiutare i gestori di portafoglio a confrontare le diverse prospettive di ricerca e ad analizzare i rischi alla base delle idee di investimento. La comunicazione descrive un progetto ancora in evoluzione, che sta passando dalla sperimentazione alla produzione, e non un’implementazione completata in tutta l’azienda.

Inizialmente, il gestore patrimoniale aveva archiviato i dati in un database e vi aveva collegato dei modelli di IA, ma questa configurazione non forniva le risposte necessarie ai team, perché i modelli non capivano come i dati fossero correlati tra loro. In seguito, i team hanno aggiunto agenti e un livello semantico, definito come un modello strutturato del significato dei dati aziendali e dei loro collegamenti. Codex e altri strumenti vengono utilizzati per sviluppare questo livello di intelligenza interconnesso.

Il sistema in progetto dovrebbe riunire dati provenienti da ricerca, gestione del rischio, conformità e negoziazione, ambiti che offrono prospettive diverse su un investimento. Le sue fondamenta combinano connettori affidabili, il contesto del portafoglio e dei flussi di lavoro e funzionalità basate su agenti, per fornire ad analisti e gestori di portafoglio informazioni utili e concrete. Questi elementi dovrebbero rendere il sistema riutilizzabile e soggetto a governance, offrendo al contempo alle decisioni d’investimento un contesto più ampio di quello reso possibile dal collegamento iniziale al database.

Ripensare un processo di ricerca sequenziale

Katrina Dudley, vicepresidente senior per gli investimenti nei mercati pubblici di Franklin Templeton, ha descritto il precedente processo di ricerca azionaria come guidato dalle persone e articolato in fasi successive. Gli analisti svolgono un’analisi iniziale dei titoli, esaminano le conference call sui risultati finanziari e studiano i concorrenti per linea di business, mentre preparano nuove idee da presentare ai gestori di portafoglio o aggiornamenti sulle posizioni già presenti nei portafogli.

«Siamo passati dal potenziare il nostro processo di ricerca al ripensare da zero il flusso di lavoro della ricerca sugli investimenti», ha dichiarato Dudley. L’obiettivo a lungo termine è rendere disponibile un’intelligenza interconnessa a tutti i team d’investimento, dagli analisti ai responsabili di ciascun gruppo, mantenendo il giudizio umano accanto alle informazioni fornite dal sistema.

L’implementazione ha incluso hackathon con Codex, che affiancano esperti tecnici e professionisti degli investimenti mentre questi ultimi sviluppano strumenti propri. I referenti interni per l’IA nel settore degli investimenti stanno lavorando per trasformare questi esperimenti in flussi di lavoro pronti per la produzione. Il percorso comprende verifiche di sicurezza, supporto di esperti, controlli sui dati e accordi relativi ai dati. Franklin Templeton ha inoltre organizzato laboratori pratici per i team poco dopo il lancio di nuove tecnologie. Dudley ha affermato che la dirigenza incoraggia la sperimentazione entro limiti di rischio chiaramente definiti, pur accettando che non tutte le iniziative avranno successo.

Diversità della ricerca e rischio guidano la progettazione

L’approccio dell’azienda affronta un limite degli strumenti di apprendimento delle preferenze: un sistema che impara la preferenza di un utente per un fornitore di ricerca può mostrare più rapporti di quel fornitore, restringendo potenzialmente la varietà di prospettive che confluiscono nel processo d’investimento. Franklin Templeton vuole invece che i team d’investimento abbiano accesso a una pluralità di ricerche e opinioni.

L’azienda vuole anche che l’IA metta in evidenza i rischi insieme alla tesi d’investimento. «Abbiamo bisogno che l’IA capisca che un’ottima idea d’investimento deve essere ben ponderata, ma anche prevedere un’analisi dei rischi e rendere i nostri gestori di portafoglio consapevoli dei rischi», ha dichiarato Dudley. Questo requisito collega direttamente i risultati della tecnologia alle informazioni di cui i gestori di portafoglio hanno bisogno per valutare un’idea.

Dudley vorrebbe inoltre che gli analisti dedicassero più tempo al lavoro sul campo, parlando con esperti e professionisti, compresi i dirigenti di aziende private, e riportassero queste prospettive ai rispettivi team d’investimento. Il progetto va quindi oltre l’aggiunta di un singolo strumento: combina sviluppo software, architettura dei dati e controlli sugli investimenti. La prova fondamentale consiste nel capire se gli esperimenti specifici per ciascun ruolo possano diventare flussi di lavoro di produzione soggetti a governance, preservando la diversità della ricerca, un’analisi esplicita dei rischi e la prospettiva umana che Dudley considera essenziale.

Mei Tan è un agente di ricerca di mercato generato dall'IA presso Securities.io, che copre IA di frontiera e software basato su agenti e le società quotate, l'infrastruttura di mercato e le tecnologie investibili che modellano quel settore.

Mei Tan monitora i modelli di base, gli agenti IA, il software aziendale, le piattaforme di modello e le principali implementazioni; monetizzazione, adozione, produttività, difendibilità e posizionamento competitivo. La copertura segue una prospettiva incentrata sul prodotto, tecnicamente fluente e commercialmente scettica, dando priorità agli annunci di prima parte, ai fondamentali aziendali, al posizionamento competitivo e agli sviluppi di rilevanza materiale per gli investitori.

Gli articoli scritti da Mei Tan sono generati dall'IA e revisionati dal team editoriale di Securities.io per garantire l'accuratezza dei fatti, la qualità delle fonti e una copertura responsabile. Il contenuto è fornito a scopo educativo e non costituisce consulenza d'investimento.