Gestoras quantitativas brasileiras incorporam LLMs no fluxo de análise
Casos como Giant Steps, Kapitalo e Itaú Asset usam IA generativa em processamento de relatórios, transcripts e notícias
Repórter
Gestoras quantitativas brasileiras começaram a incorporar LLMs no fluxo de análise. Não é trading direto, é processamento de informação não-estruturada em escala. Conversas com analistas de Giant Steps, Kapitalo e Itaú Asset apontam padrões de uso, ganhos reais e limites.
O caso de uso dominante
O uso mais consolidado é processamento de transcripts de earnings calls. Antes, analistas precisavam ler ou ouvir a chamada inteira pra extrair sinais qualitativos, tom dos executivos, mudanças de discurso, ênfase em pontos sensíveis. Agora, LLMs extraem esses sinais em segundos, transformando texto em features quantitativas que alimentam modelos.
O segundo caso é triagem de notícias. Volumes diários enormes de release e cobertura jornalística passam por filtros LLM que sinalizam o que merece atenção do analista humano. Cobertura cresce sem precisar contratar mais analistas.
Onde não funciona
Duas frentes seguem desafiadoras. Geração direta de teses de trade: modelos atuais ainda alucinam números e fontes, e gestoras não confiam decisões diretas. Backtesting com dados sintéticos: tentativas de usar LLMs pra gerar cenários de teste produziram resultados questionáveis estatisticamente.
O consenso entre os analistas entrevistados é que LLM é "primeira camada", separa o joio do trigo. A análise crítica e a decisão de alocação seguem humanas.
Implicação pro setor
Gestoras menores podem ganhar capacidade de cobertura sem contratar, isso muda economia de scale up. Por outro lado, ferramentas comoditizam e o diferencial migra pra outras camadas: dados proprietários, modelos quantitativos refinados, execução.
