OpenAI está pagando a exbanqueros de inversión $300,000 al año para entrenar sus modelos de IA.

El trabajo más nuevo en Wall Street no implica madrugones ni noches largas, ni siquiera Wall Street en sí. Es completamente remoto, paga $150 la hora e implica enseñar a la IA cómo hacer el trabajo de los analistas de banca de inversión.

Ese es el concepto de Project Mercury, un esfuerzo secreto de OpenAI para automatizar el trabajo pesado de las finanzas que normalmente realizan los analistas de banca de inversión reales y vivos. Según Bloomberg, OpenAI ha contratado a más de 100 exbanqueros de JP Morgan, Morgan Stanley $MS, Goldman Sachs $GS y firmas similares para entrenar a sus modelos a realizar análisis de flujos de caja descontados, formular justificaciones financieras para acuerdos y elaborar presentaciones de la misma manera que sus antiguos jefes una vez exigieron.

Tales tareas han formado, hasta ahora, la base de los aprendizajes en el mundo de las altas finanzas. Los jóvenes analistas pasan algunos años brutales en las trincheras: revisando números, formateando presentaciones, anticipando lo que un vicepresidente pedirá a continuación, siendo regañados por jugadores sénior y no durmiendo mucho. Después de eso, ascienden en la escala para ganar más dinero y hacer trabajos más interesantes. Muchos, por supuesto, dejan la banca de inversión por completo tan pronto como están completamente entrenados; el sistema tiene una función ampliamente reconocida en que alienta a los aprendices brutalizados a huir de la industria.

El “bulge bracket”, el puñado de bancos de inversión globales que dominan la realización de acuerdos, emplea aproximadamente a un millón de personas en todo el mundo, aunque solo una pequeña parte de ellas son banqueros reales produciendo modelos y presentaciones. En este contexto, el columnista de Bloomberg Matt Levine señaló La peculiar circularidad del Proyecto Mercury. La mayoría de los banqueros junior se van después de dos años, agotados por las semanas de 100 horas y la tiranía de pequeños errores. “Una vez que te vas de todos modos, podrías estar perfectamente feliz de entrenar a un robot para reemplazar a los banqueros junior”, dijo irónicamente concluyó.

La tarifa por hora — $150, o alrededor de $300,000 al año si fuera a tiempo completo, lo cual es más alto que la mayoría de los salarios de nivel de entrada en banca incluso en los Goldman Sachs del mundo — es un incentivo adicional.

Pero si la IA maneja la carga de trabajo de nivel de entrada, ¿qué pasa con el nivel de entrada en sí?

“La idea de que la IA reemplazará completamente a los banqueros junior está sobreestimada”, Rob Langrick, principal defensor del producto en el Instituto CFA, dijo a Quartz. “Estamos viendo una evolución, no una eliminación, del rol de nivel de entrada.” Señaló al de la organización Encuesta de Perspectivas de Graduados 2025, que encontró que “solo el 13% cree que la IA hará que sea significativamente más difícil conseguir el trabajo que desean.”

“La IA tiene el potencial de ayudar a los profesionales de la inversión a trabajar de manera más eficiente, pero también eleva el nivel de habilidades requeridas,” dijo Langrick. “Está creando un mayor enfoque en las habilidades interpersonales y la implementación ética. Vemos esto como una oportunidad para aquellos que se adapten temprano, aprovechando tanto la inteligencia artificial como la inteligencia humana. Creemos que un humano debe permanecer en el circuito para que la IA tenga éxito en el proceso de inversión.”

Leer más: Seguimiento de la avalancha de acuerdos de OpenAI con Nvidia $NVDA, Walmart $WMT, AMD $AMD y más

Langrick agregó que la banca sigue siendo “un juego de cero defectos donde detectar errores en una presentación antes de una reunión con el cliente es una habilidad apreciada. Los banqueros senior no tienen tolerancia a los defectos en los materiales para clientes. Y cualquier tiempo ahorrado con estas herramientas casi seguramente será reinvertido en trabajar en más propuestas.”

También advirtió sobre una posible brecha generacional. “Hemos comenzado a recibir señales de preocupación de algunos profesionales de que cualquier generación junior ausente en una empresa puede causar problemas de sucesión en el futuro”, dijo Langrick. “Sin embargo, cuando hablas con muchos bancos y gestores de activos, no ha habido demasiados ejemplos en grandes empresas de reducciones en el número de graduados contratados.”

Agregó: “Esperamos que los analistas junior supervisen cada vez más los procesos automatizados, asegurando la precisión, manteniendo los altos estándares éticos que exige la industria y, francamente, ‘aprobando’ el resultado para enviarlo a la cadena de mando." Pero esto también tiene un lado positivo. En lugar de perder la experiencia de aprendizaje, “los analistas están teniendo más exposición a la toma de decisiones más temprano en sus carreras. Este cambio requerirá que los nuevos analistas usen tanto habilidades técnicas como de juicio antes que las generaciones pasadas.”

Lo que realmente piensan los veteranos de las finanzas

Entre aquellos que han trabajado en la industria, las reacciones varían desde el entusiasmo hasta posturas más escépticas. Un exanalista de Morgan Stanley, que pidió no ser nombrado, dijo: “Creo que es bueno porque liberará a muchas personas realmente inteligentes para trabajar en problemas más emocionantes si funciona. Pasado cierto punto, el modelado financiero es algo repetitivo y es una pérdida de tiempo que algunas de nuestras mentes más brillantes lo estén haciendo si no es necesario.”

Otro exanalista, también hablando de manera anónima, fue más escéptico: “Dado lo propenso que es el IA a las fabricaciones, no confiaría en el resultado para nada importante, y ‘verificar para asegurarme de que lo que hizo el IA está bien’ parece un trabajo de bajo estatus. Y por supuesto, un modelo no hace nada mágico, lo que lo hace valioso es la validez de las suposiciones.”

Leer más: ¿Es el auge de la IA realmente una burbuja? Aquí tienes todo lo que necesitas saber

Por ahora, los modelos de OpenAI permanecen en la fase de entrenamiento, todavía aprendiendo la delicada etiqueta de los márgenes y el uso apropiado de las cursivas. El la compañía dice que su objetivo es "mejorar y evaluar la capacidad en diferentes dominios", no reemplazar a los humanos por completo. Pero incluso esa declaración insinúa un futuro donde los jóvenes del sector financiero ingresan a la industria no para construir modelos, sino para auditar los modelos que las máquinas han construido para ellos.

Eso podría sonar eficiente, incluso humano. Pero también corre el riesgo de drenar el conocimiento de primera mano: la sensación por los números, el detector de tonterías finamente sintonizado que uno desarrolla al ver cómo las entradas crean salidas, conocido coloquialmente como GIGO o "basura entra, basura sale" — que solo se obtiene construyendo cosas uno mismo, pieza por pieza. Incluso un modelo perfecto es tan bueno como las suposiciones que se introducen en él.

Para OpenAI, por supuesto, el objetivo está claro. El Proyecto Mercury es parte de un impulso mayor para hacer que su tecnología sea más útil para las empresas. Más rentable, también. A pesar de una valoración del mercado privado superior a $500 mil millones, la empresa aún no ha obtenido beneficios. Enseñar a sus modelos GPT a realizar trabajo corporativo relativamente bien remunerado es parte del plan para cambiar eso, incluyendo el trabajo de miles de analistas junior de banca, potencialmente.