Con BQuant Assistant, Bloomberg deja claro que vende datos

Bloomberg presentó este miércoles BQuant Assistant, un asistente de programación con IA integrado en BQuant, el entorno de Python donde los suscriptores de la Bloomberg Terminal construyen estrategias de inversión, tableros y análisis cuantitativos. A partir de una instrucción en lenguaje natural, el asistente escribe el código, arma las consultas en BQL (Bloomberg Query Language, el lenguaje propio de la empresa para extraer datos), ayuda a depurarlo y, si el usuario lo aprueba, lo ejecuta en el notebook abierto. Llega a fines de octubre con disponibilidad general en BQuant Enterprise y en beta limitada en BQuant Desktop.

Antes de contestar, el asistente revisa la documentación de BQuant, los notebooks de ejemplo y las librerías de la empresa, lo que según Bloomberg le permite dar respuestas ajustadas al proyecto y al código de cada usuario. Shawn Edwards, director de tecnología de Bloomberg, presentó el producto como una forma de acortar el camino entre una idea de inversión y un análisis repetible, un trayecto que, según dijo, todavía exige mucho tiempo y conocimientos de programación especializados. Las consultas cubren más de 22.000 campos de datos financieros, desde precios y fundamentales hasta estimaciones, métricas de riesgo y datos económicos, en acciones, renta fija, divisas, materias primas y derivados.

El lanzamiento llega cuatro semanas después de Enterprise MCP, la capa que desde el 29 de septiembre permite a los agentes de IA de los clientes consultar Data License Plus, y apenas trece días después de que ASKB, la interfaz conversacional de la Terminal, quedara disponible para todos los usuarios. Es el tercer producto de inteligencia artificial en finanzas que Bloomberg saca en un mes, en los tres casos con sus datos al frente antes que cualquier modelo.

Tony McManus, responsable global de datos empresariales e índices de Bloomberg, lo dijo con todas las letras al presentar Enterprise MCP, cuando explicó que el cuello de botella de la IA en las instituciones financieras se movió de la capacidad del modelo a la preparación de los datos. ASKB, de hecho, funciona sobre varios modelos de lenguaje comerciales y abiertos, de modo que cuando Bloomberg promete que BQuant Assistant rinde más que un asistente de uso general, se está comparando con el mismo tipo de modelos que ya usa en su propia Terminal.

Lo que Bloomberg sí controla son esos 22.000 campos y el lenguaje con el que se consultan. BQL solo funciona dentro de su ecosistema, así que hasta ahora sacarle provecho exigía que alguien en la mesa se tomara el trabajo de aprenderlo. Un asistente que escribe BQL por el gestor de cartera que nunca programó multiplica la cantidad de gente que consulta datos por código, siempre dentro de BQuant y siempre en el idioma de un solo proveedor. Cada análisis armado así encarece un poco cualquier conversación futura sobre cambiar de terminal.

Estimaciones de terceros ubican el precio de lista de la Terminal en torno a 32.000 dólares al año por puesto individual, sobre una base de unos 375.000 usuarios. BQuant Desktop ya viene incluido en la suscripción Bloomberg Anywhere, sin que el comunicado mencione un cargo aparte por BQuant Assistant, lo que deja a la IA más cerca de un argumento para renovar que de una línea de ingresos nueva. Con Enterprise MCP, además, el cliente que prefiera construir sus propios agentes con otro modelo sigue consultando datos licenciados por Bloomberg, que cobra igual si la IA es suya o de otro.

En el trading minorista, la IA de los brokers se construyó casi siempre al revés, con datos y modelos de terceros, como el chat de análisis que XTB lanzó en julio en Chile, alimentado con información de LSEG y Reuters. Es una arquitectura que cualquier competidor puede contratar el mismo día, y que explica por qué bastó una actualización de MT5 para que lo que varios brokers vendían como diferenciador se volviera infraestructura de todos.

El flujo de órdenes, el posicionamiento de los clientes, la calidad de ejecución por instrumento y el historial de cada cuenta son datos que solo tiene el broker, aunque casi nunca están ordenados para que alguien, persona o modelo, les haga preguntas. Ran Strauss, CEO de Leverate, lo resumió en julio al decir que los brokers llevan años sentados sobre datos valiosos sin una forma fácil de interrogarlos, un diagnóstico que en una industria que tardó más de una década en despegarse de MT4 no sorprende a nadie.

Quien dirige un broker puede hacer la prueba con su propio asistente, quitándole el modelo que alquila y el feed de precios que paga para ver qué queda debajo. Si queda algo, la siguiente pregunta es por qué lleva años guardado en un CRM que nadie consulta sin pedirle un reporte a tecnología.