IA, retail e Merlintrader: perché non è “una magia” ma un attrezzo di lavoro
Primo episodio di una serie dedicata a come uso davvero l’IA dietro le quinte di Merlintrader, e a come il trader retail può smettere di subirla e iniziare a sfruttarla come strumento serio.
Quando si parla di intelligenza artificiale nel trading e negli investimenti, vedo quasi sempre due reazioni opposte, entrambe sbagliate.
Da una parte c’è chi la demonizza a prescindere: “è pericolosa”, “ti riempie la testa di cavolate”, “non serve a niente, tanto i mercati li muovono altri”. Dall’altra c’è chi la tratta come un oracolo moderno: “dimmi cosa comprare”, “dammi i prossimi 10-bagger”, “fammi la watchlist perfetta”.
Io, che con l’IA ci lavoro tutti i giorni per costruire i contenuti di Merlintrader, posso dirti una cosa semplice: la verità non sta né da una parte né dall’altra. L’IA non è né un nemico da combattere, né un guru da venerare. È uno strumento. Potentissimo, se lo usi bene. Pericoloso, se lo usi male. Inutile, se lo ignori.
Questo pezzo nasce proprio da qui: dal bisogno di spiegare cosa c’è davvero dietro le quinte di ogni report, pagina e immagine pubblicata su Merlintrader, e da come l’IA è diventata una parte importante di questo lavoro. Non perché “fa tutto lei”, ma perché senza un aiuto di questo tipo, il livello di profondità e di quantità di materiale che vedi sul sito, da una persona sola, semplicemente non sarebbe possibile.
Il doppio equivoco: “IA nemica” vs “IA oracolo”
Il primo equivoco che vedo spesso è quello di chi rifiuta l’IA per principio. L’argomento è sempre lo stesso: “non mi fido”, “è piena di errori”, “preferisco leggere da solo”. Capisco la diffidenza, soprattutto in un settore come il biotech, dove un numero sbagliato o una data messa a caso possono fare disastri. Ma rifiutare a priori uno strumento che può aiutarti a gestire meglio informazioni, testi e struttura è come dire: “siccome Excel può dare risultati sbagliati se lo uso male, allora torno alla calcolatrice di legno”.
Dall’altro lato c’è l’estremo opposto, per certi versi ancora più pericoloso: chi prende l’IA come una cassandra digitale. Invece di usarla per capire meglio i documenti, la usa per farsi dire cosa comprare. Invece di chiederle: “riassumimi questa conference call, poi vado io a controllare i passaggi chiave”, le chiede: “quale titolo salirà di più nei prossimi mesi?”. Invece di farle mettere ordine in una timeline di eventi, le scarica addosso tutta la responsabilità della decisione.
In entrambi i casi il problema è lo stesso: si delega all’IA qualcosa che non le compete. L’IA non vede il tuo conto, non conosce il tuo profilo di rischio, non sa quanto sei disposto a perdere, non ha la minima idea di quanta esperienza tu abbia. Se le chiedi di sostituire il tuo giudizio, stai sbagliando approccio. Se invece rinunci a usarla quando potrebbe alleggerirti il lavoro manuale e ripetitivo, stai partendo con un handicap rispetto a chi la usa come strumento di produttività.
Cosa c’entra Merlintrader in tutto questo
Su Merlintrader, ogni volta che vedi un report lungo su un titolo biotech, una watchlist ragionata, una pagina piena di grafici, date di catalyst, timeline e schemi, non stai vedendo “un colpo di genio” né il parto di una macchina magica che scrive da sola. Stai vedendo il risultato di un flusso di lavoro che mette insieme tre cose:
– raccolta dati da fonti ufficiali (SEC, FDA, comunicati stampa, presentazioni societarie);
– selezione e interpretazione umana: capire cosa è rilevante, cosa è rumore, cosa è pericoloso per il retail;
– supporto dell’IA su tutto ciò che è pesante, ripetitivo, strutturale: impaginazione, pulizia del testo, coerenza del layout, traduzioni, riassunti preliminari.
L’IA non decide quali titoli entrano in una watchlist, non decide che giudizio dare al cash runway di una società, non decide se una dilution è sostenibile o no. Quello resta lavoro umano, fatto di scelte, di esperienza, di errori e di correzioni. Quello che fa l’IA, se usata bene, è permettere di trasformare quel lavoro in qualcosa di leggibile, completo, navigabile, senza sprecare ore su dettagli tecnici che una macchina può gestire meglio.
Ogni report che leggi sul sito è il risultato di diversi passaggi: si parte dalla prima ricerca di informazioni, si passa alla bozza di redazione, poi alla stesura del primo report, quindi alle modifiche e/o aggiunte, accompagnate dai primi controlli di veridicità dei contenuti e dall’incrocio con le fonti primarie. Questo processo richiede spesso più di un passaggio, perché sì, è vero: molte volte l’IA sbaglia, oppure è semplicemente “pigra”. Tende ad accorciare i contenuti, rovinando lavori che poi vanno rifatti da capo. A volte, addirittura, di propria iniziativa inserisce link falsi o inventati. Ne combina di tutti i colori: proprio per questo il lavoro di controllo e correzione umano è fondamentale.
Dall’altra parte, però, la velocità e l’accuratezza dell’IA – quando è ben diretta – sono insostituibili. Ogni trader oggi dovrebbe imparare seriamente a sfruttarla. Certo, troverete come sempre i “naysayers”: li ha trovati Galileo, perché non dovreste trovarli voi. Molti di loro probabilmente sentono il fiato sul collo, perché magari lavorano in settori in cui l’avanzata dell’IA rischia davvero di fargli perdere il lavoro.
Pensateci un attimo: oggi, con 20–30 dollari al mese, potete avere ciò che fino a poco tempo fa non avreste avuto nemmeno pagando 150 al mese. L’IA, se ben usata, piano piano livellerà il campo – se non del tutto, almeno in buona parte – tra retail e istituzionali, riducendo il vantaggio storico dei “pesci grossi”, che per anni sono stati gli unici ad avere certi strumenti di ricerca e informazione.
Come nasce concretamente un report su Merlintrader
Un report nasce, logicamente, dalla scelta del titolo da studiare. E qui le strade possono essere diverse.
La più classica è quella dei catalyst: se so che un titolo ha una PDUFA in una certa data, per definizione è un candidato ideale per finire sotto la lente. Un altro criterio è quello dei mover di giornata: titoli che spiccano per volumi o per percentuale di gain/loss. Un altro ancora è la classica “notizia bomba” o una quantità anomala di buzz, discussioni e interesse da parte del pubblico, che ti costringe quasi a chiederti cosa stia succedendo davvero. Le ragioni che portano a fare un report, insomma, sono molteplici.
Una volta scelto il ticker, si passa alle prime istruzioni di ricerca, seguendo uno schema preconfigurato, in modo da ottenere un certo tipo di informazioni. Da lì nasce il primo “scheletro” di contenuti: si raccolgono i dati, si aggiungono, si ripuliscono, poi si verificano con diverse fonti per avere una conferma incrociata e solo dopo si passa a redigere la prima bozza completa del report.
Spesso, a questo punto, soprattutto se la bozza è già corposa, l’IA comincia a fare la “pigra”: taglia, accorcia, sintetizza troppo e rischia di rovinare il lavoro, costringendo a rifare pezzi interi. Prima di riuscire ad avere un report completo, verificato e ripulito, può volerci tranquillamente più di un’ora, se lo si vuole davvero il più possibile veritiero e senza errori. È vero che qualcuno potrebbe dire che “bastano pochi minuti”, e tecnicamente è vero: in pochi minuti qualcosa lo si tira fuori. Ma quello che si tira fuori in pochi minuti, senza metodo e senza controlli, è spesso un precipizio di errori. Ed è proprio da lì che i naysayers dell’IA trovano terreno facile: criticano risultati pessimi che nascono da un uso superficiale dello strumento. Se non si ha un metodo, non si ottengono risultati utili.
