A equipe de pesquisa do JPMorgan construiu agentes de investimento alimentados por IA usando modelos da OpenAI e Anthropic que classificam mercados em quatro regimes (Goldilocks, reflação, estagflação, risk-off) e alocam capital dinamicamente entre ações e títulos. Em backtests abrangendo duas décadas, o melhor agente ultrapassou um portfólio tradicional de ações e títulos 60/40 em 0.7 pontos percentuais anuais enquanto entregava volatilidade mais baixa. Todos os oito agentes de IA testados venceram tanto o benchmark 60/40 quanto o modelo de regime de mercado baseado em regras do próprio JPMorgan, sugerindo que a tecnologia pode melhorar os frameworks de alocação de ativos existentes.
Estrategistas liderados por Thomas Salopek enfatizaram ressalvas críticas: os resultados são de simulações históricas, não de negociação ao vivo, e o JPMorgan cautela contra tratar backtests como prova de desempenho consistente. A equipe também reconheceu riscos sistêmicos se a negociação aglomerada emergir de múltiplas empresas usando modelos de IA semelhantes, que poderiam amplificar o estresse do mercado e tornar os mercados mais fáceis de manipular. O JPMorgan afirmou que permanece cauteloso em relação a entregar decisões reais de alocação de ativos a agentes sem guardrails específicos de domínio.
Para profissionais, isso valida a promessa comercial de IA agêntica para alocação de capital enquanto surfaces um risco operacional crítico: a mudança em direção à tomada de decisão autônoma em escala em todo o setor financeiro. Arquitetos devem observar que frameworks de alocação baseados em regime agora são table-stakes para IA em finanças; a questão é como estratificar a supervisão humana, evitar rebanho, e garantir que os modelos se degradem graciosamente quando as condições divergem dos dados de treinamento.