Mejorando la Eficiencia y Precisión de las Revisiones de Activos Subyacentes en Finanzas Estructuradas: La Aplicación de un Marco Multiamigo

Las finanzas estructuradas, que implican la reestructuración de diversos activos en valores como MBS, ABS y CDOs, mejoran la eficiencia del mercado de capitales pero presentan desafíos significativos de diligencia debida. Este estudio explora la integración de la inteligencia artificial (IA) con los procesos tradicionales de revisión de activos para mejorar la eficiencia y precisión en finanzas estructuradas. Usando modelos de lenguaje de código abierto y cerrado, demostramos que la IA puede automatizar eficazmente la verificación de información entre solicitudes de préstamos y extractos bancarios. Si bien los modelos de código cerrado como GPT-4 muestran un rendimiento superior, los modelos de código abierto como LLAMA3 ofrecen una alternativa rentable. Los sistemas de doble agente aumentan aún más la precisión, aunque esto conlleva mayores costos operativos. Esta investigación destaca el potencial de la IA para minimizar errores manuales y agilizar la diligencia debida, sugiriendo una aplicación más amplia de la IA en el análisis de documentos financieros y la gestión de riesgos.