Bloomberg — Desde los fondos de cobertura hasta los gestores de patrimonio, Wall Street ha adoptado la inteligencia artificial en busca de una ventaja de inversión. Los investigadores se preguntan ahora qué ocurrirá cuando más inversores recurran a modelos de IA similares para encontrarla: comprando las mismas acciones, reaccionando a los mismos titulares y, a veces, cometiendo los mismos errores.
Las investigaciones sugieren que este escenario podría tener repercusiones en todo el mercado. La IA podría hacer que los inversores actúen con mayor rapidez y mejor información, pero también podría generar mayor saturación en sus operaciones, facilitar el engaño a sus sistemas y dificultar el control de sus riesgos. Varios estudios recientes sugieren que la adopción generalizada podría acortar la vida útil de las señales de trading rentables, ya que los inversores convergerían en las mismas oportunidades. Otros estudios revelan que los modelos de IA asumen sistemáticamente más riesgos de los previstos o pueden ser manipulados mediante la información que procesan.
Ver más: La IA podría alimentar la inflación al impulsar el gasto de los consumidores: FMI
En conjunto, los artículos señalan un cambio en el debate sobre la IA en las finanzas, pasando de si la tecnología puede ayudar a los inversores a superar al mercado a cómo cambian los mercados cuando un número creciente de inversores depende de las mismas máquinas.
La preocupación se deriva de una premisa sencilla: los mercados funcionan porque los inversores discrepan. Cada día, los gestores de carteras leen los mismos comunicados de resultados, informes de empleo o declaraciones de la Reserva Federal y llegan a conclusiones diferentes sobre qué comprar o vender. La inteligencia artificial promete ayudarles a procesar esa información más rápidamente. Pero si miles de empresas confían cada vez más en modelos similares entrenados con datos similares, esas diferencias podrían empezar a reducirse.
Investigadores de la Universidad de Nueva York han encontrado indicios de que esa dinámica ya está surgiendo. Tras analizar cerca de un millón de posiciones de fondos institucionales, Shuchen Meng y Xupeng Chen descubrieron que las carteras se han vuelto cada vez más similares a medida que la adopción de la IA se ha extendido por el sector de la inversión. La tendencia fue especialmente pronunciada entre las empresas que hacen un mayor uso de la tecnología.
Las implicaciones podrían extenderse más allá de la construcción de carteras y afectar la estructura del mercado. Su modelo sugiere que una señal de trading rentable podría perder la mitad de su rentabilidad adicional en aproximadamente 18 meses, en comparación con los cinco a siete años que tardaba antes de que la IA se generalizara. A medida que más inversores llegan a la misma conclusión casi al mismo tiempo, las ideas rentables se vuelven más comunes con mayor rapidez. Para los gestores activos, esto significa que la estrategia ganadora de hoy podría convertirse en la estrategia más popular de mañana mucho antes.
Ver más: La IA empieza a dejar huella en el empleo: tecnología y finanzas pierden 28.000 puestos al mes
“Cada nuevo participante marginal en el mercado de la IA acorta la vida útil de cada patrón explotable a un ritmo creciente”, escribieron Meng y Chen en el artículo titulado "Decaimiento alfa impulsado por la IA: homogeneización algorítmica, erosión de la señal reflexiva y la paradoja de los mercados inteligentes". “Cuando todos utilizan una IA similar, el resultado colectivo difiere cualitativamente de la suma de los beneficios individuales”.
Estos hallazgos constituyen una advertencia para las empresas del lado comprador que han ido recurriendo cada vez más a la IA avanzada en la investigación y la construcción de carteras. En una encuesta realizada el año pasado por la Asociación de Gestión de Inversiones Alternativas, el 58% de los gestores de fondos afirmaron que esperaban utilizar más la IA en su proceso de inversión, frente al 20% de dos años antes.
Otros investigadores sostienen que la IA podría introducir nuevos puntos de fallo al hacer que los sistemas de inversión sean vulnerables a la información manipulada.
En la Universidad de Liechtenstein, Advije Rizvani, Giovanni Apruzzese y Pavel Laskov diseñaron 10 modelos de negociación basados en LLM para pronosticar los precios de las acciones con análisis de sentimiento para una cartera de valores. Todos generaron rentabilidades positivas durante un período de inversión de 14 meses hasta abril de 2025. Sin embargo, todos los modelos fueron engañados después de que los investigadores realizaran cambios sutiles en los titulares de noticias financieras, apenas perceptibles para los lectores humanos, como intercambiar letras por caracteres casi idénticos o insertar texto oculto. En el peor de los casos, la rentabilidad general de un modelo cayó aproximadamente 18 puntos porcentuales después de una manipulación dirigida a una sola acción en un solo día.
“Una decisión errónea podría propagarse a otros días y a otras decisiones que toman los sistemas”, dijo Rizvani. “Incluso por un solo día, podría tener consecuencias catastróficas”.
Ninguno de los estudios demuestra que la inteligencia artificial vaya a hacer que los mercados sean más frágiles. La mayoría se basa en simulaciones, experimentos controlados o conjuntos de datos limitados, y los propios investigadores se muestran cautelosos a la hora de extraer conclusiones generales. Las operaciones masivas, especialmente con acciones tecnológicas, han sido un rasgo característico de los mercados estadounidenses desde mucho antes del auge de la IA, sin que ello haya tenido consecuencias catastróficas.
Ver más: BlackRock rebaja su recomendación sobre las acciones de mercados emergentes por la IA
Sin embargo, un tema común recorre la literatura emergente: la misma tecnología que promete hacer que los inversores estén más informados también puede facilitar que las operaciones masivas, la información errónea y el exceso de confianza se propaguen por los mercados.
Una tercera línea de investigación apunta a un problema ya conocido. La IA podría heredar una de las debilidades más antiguas de los inversores: asumir un riesgo excesivo.
Jerry Bell, Victor Haghani y James White, de Elm Partners Management, pusieron a prueba cuatro modelos populares de IA en un desafío de negociación simulado, pidiéndoles que realizaran apuestas sobre el S&P 500 y los bonos del Tesoro tras leer ejemplares anticipados de las portadas del Wall Street Journal. Claude y ChatGPT igualaron la precisión direccional de los operadores macroeconómicos de élite, acertando la dirección del mercado en más del 50% de los casos.
Sin embargo, el experimento puso al descubierto un punto ciego crucial. Los cuatro modelos asumieron sistemáticamente un riesgo excesivo, con una volatilidad de rentabilidad diaria de entre el 20% y el 40%, frente a un rango recomendado de entre el 7% y el 15% aproximadamente para el perfil de inversor que se les asignó.
“Entrenamos a las IA para que se comporten como las personas, y luego nos damos cuenta de que las IA son como las personas: tienen un exceso de confianza y asumen posiciones demasiado grandes”, afirmó Haghani.
Ver más: Las empresas impulsaron la IA entre sus empleados. Ahora comienzan a limitar su uso
La primera generación de investigación en IA aplicada a las finanzas se preguntaba si las máquinas podían competir con los inversores. La siguiente generación se pregunta qué sucede cuando los inversores compiten cada vez más a través de las mismas máquinas. Cada avance en el mundo de las inversiones promete una ventaja sobre los demás. La pregunta que surge ahora es qué ocurre cuando todos tienen acceso a la misma herramienta.
“Confiar ciegamente en que los grandes modelos de lenguaje tomen decisiones acertadas sería imprudente”, afirmó Apruzzese, de la Universidad de Liechtenstein. “Si todo el mundo adopta la IA simplemente porque cree que es buena y les ayuda a ganar más dinero, sin pensar en las consecuencias, corren el riesgo de perder mucho”.
Lea más en Bloomberg.com
