El ecosistema del Terminal de Bloomberg lleva décadas siendo la columna vertebral de muchos profesionales financieros, pero la avalancha de información reciente ha complicado su uso. Según Shawn Edwards, CTO de Bloomberg, la acumulación de fuentes —desde precios de activos hasta registros de envío y patrones de consumo— hace que encontrar el dato relevante sea cada vez más difícil y costoso en tiempo.
Para remediar esa fricción, Bloomberg está probando un asistente conversacional llamado ASKB, construido sobre varios modelos de lenguaje.
La idea es permitir que un analista plantee una tesis en lenguaje natural y reciba una síntesis que facilite la toma de decisiones, en lugar de surfear interminables pantallas y comandos.
Por qué la compañía decidió cambiar la experiencia
El planteamiento parte de un problema simple: la información existe, pero no siempre resulta accesible al ritmo que exige el mercado. Edwards explica que hallar un dato concreto en el mar de contenidos puede determinar el éxito o el fracaso de una estrategia.
Con ASKB, Bloomberg intenta reducir ese coste cognitivo y transformar horas de búsqueda en minutos de análisis.
La sobrecarga de datos como catalizador
Hoy el Terminal incorpora no solo estados financieros y cotizaciones, sino también previsiones meteorológicas, localizaciones de fábricas, y registros crediticios privados. Esa riqueza informativa es valiosa pero también puede ocultar señales relevantes. La apuesta es usar inteligencia artificial para filtrar y contextualizar, ayudando a los usuarios a encontrar la «alpha» latente en la base de datos.
Cómo funciona ASKB en la práctica
ASKB opera como una interfaz conversacional: el usuario escribe o pregunta en lenguaje natural y recibe resúmenes, listas de riesgos y escenarios. Se presenta la capacidad de crear flujos de trabajo que recolectan datos, sintetizan puntos a favor y en contra, y pueden activarse ante condiciones del mercado. Por ejemplo, un gestor podría preguntar: «¿cómo afectará la guerra en Irán y un cambio en los precios del petróleo a mi cartera?» y recibir una visión integrada de múltiples variables.
Agentes y automatización supervisada
Bloomberg define parte de ASKB como un sistema con comportamiento agente, en tanto que puede ejecutar plantillas repetibles y reaccionar a señales predefinidas. No se trata de sustituir el juicio humano, sino de automatizar tareas de apoyo que habitualmente recaen en analistas junior, como compilar comparables o resumir llamadas de resultados.
Precisión, transparencia y límites
En finanzas, la exactitud es crítica; por eso Bloomberg ha puesto énfasis en controles para reducir las alucinaciones propias de los modelos generativos. La plataforma incorpora múltiples validaciones: contrapasares de hechos en los textos sintetizados, comprobaciones semánticas para evitar inversiones de sentido y verificación de citas. Además, Bloomberg mantiene su política de no emitir recomendaciones de compra o venta: la herramienta aporta información para que el usuario, con su propio juicio, tome decisiones.
Transparencia como principio
Más allá de minimizar errores, la compañía subraya que ASKB debe conducir a las fuentes originales y no ocultarlas tras un resumen atractivo. El objetivo es que los resúmenes funcionen como puerta de acceso hacia documentos y datos verificables, facilitando el contraste y la auditoría por parte del usuario.
En cuanto a despliegue, Bloomberg ha abierto la beta a aproximadamente un tercio de sus 375,000 usuarios del Terminal, sin fijar aún una fecha de lanzamiento general. Edwards admite que, aunque la interfaz conversacional será probablemente la forma preferente de iniciar análisis para la mayoría, las interfaces gráficas tradicionales no desaparecerán: seguirán siendo útiles para operaciones puntuales y control manual.
Finalmente, el ejecutivo reconoce el impacto en la formación profesional: herramientas como ASKB cambiarán la naturaleza del trabajo de entrada, planteando la necesidad de diseñar nuevos procesos de mentoría y verificación entre analistas. Bloomberg insiste en que, por ahora, estas herramientas aumentan la productividad de los expertos y aceleran la investigación, pero no convierten automáticamente a un usuario inexperto en un analista de primer nivel.
