Con motivo del curso de inversión con IA, entrevistamos a Javier Molina, para que nos cuente su experiencia de cómo el uso de la IA puede ayudar a los inversores a mejorar sus inversiones.
P - ¿Ve la IA como un sustituto del análisis humano tradicional o más bien como una herramienta potenciadora que los inversores deben integrar en su due diligence?
JM - Creo que la IA es un acelerador cognitivo, no un sustituto. Su verdadero valor reside en liberar el capital humano de la inferencia mecánica (procesamiento masivo de datos) para que se centre en la estrategia a desarrollar (juicio, contexto geopolítico, psicología de masas). La IA no solo procesa, ayuda a identificar anomalías.
Esto fuerza al inversor a justificar su tesis más allá del dato, elevando la calidad del “due diligence” a un nivel de juicio experto. Así que la idea sería contar con nuestra
estrategia apoyada en datos optimizados, analizados al detalle y ejecutados eficientemente.
P - ¿De qué manera puede la IA mejorar significativamente la gestión del riesgo en una cartera de inversión? ¿Y cómo puede ayudarnos a mitigar los sesgos emocionales o cognitivos?
JM - La inteligencia artificial está cambiando la forma de gestionar el riesgo porque permite una supervisión constante y anticipada, no solo reaccionar cuando algo ya ha pasado. Además, actúa como un “corrector” de sesgos: detecta cuándo una cartera se está desviando de su equilibrio y puede simular miles de escenarios adversos para medir su resistencia. Así, sirve de contrapeso frente a los errores típicos del inversor, como aferrarse a precios pasados o temer más las pérdidas que valorar las ganancias.
P - ¿Cómo puede un inversor minorista usar la IA para analizar datos no estructurados —como informes, tweets o noticias— y obtener una ventaja?
JM - El inversor particular gana una capacidad de análisis propia de una gran institución. El valor no está solo en resumir información, sino en saber detectar las señales que realmente importan. La inteligencia artificial convierte el ruido de datos dispersos (como tweets, conferencias de resultados o discursos de política económica) en información útil para decidir. Un modelo de lenguaje puede medir el tono de los directivos o identificar cuándo una narrativa sobre un activo empieza a ganar fuerza, permitiendo al inversor actuar antes de que el mercado ya lo haya descontado.
P - Usted promueve el uso de GPTs para la inversión. ¿Qué tres rutinas o prompts debería programar un inversor particular para sacarles el mayor valor?
JM - Los prompts deben ser una extensión del método de inversión. Y es verdad que los modelos de lenguaje han evolucionado mucho y dejan esa “ingeniería” de prompts en algo menos complejo. Así mismo, diría son estos:
1. El Prompt del escenario adverso: "Asume el rol de un short-seller y detalla las tres debilidades estructurales que harían fracasar mi inversión en [Activo X] con un horizonte de 12 meses."
2. El Prompt de la discrepancia: "Compara el consenso de valoración general con el análisis de sentimiento en redes sociales y explica la mayor discrepancia percibida entre ambos."
3. El Prompt del flujo de capital: "Analiza el flujo de capital reciente en [Sector] y sugiere un activo proxy inversamente correlacionado que pueda servir como cobertura dinámica."
P - Si gran parte del mercado empieza a usar IA con datos similares, ¿podría generar un “efecto manada”?
JM - Esto es lo que llamaría la paradoja de la eficiencia de la inteligencia artificial. Cuanto más parecidos son los modelos y las fuentes de datos que usan, más eficiente se vuelve el mercado… pero también más frágil. Si todos analizan la misma información de la misma forma, se corre el riesgo de que muchas decisiones coincidan y provoquen movimientos bruscos al mismo tiempo.
La ventaja ya no está en tener más potencia de cálculo, sino en contar con mejores datos y en interpretar con criterio lo que el modelo sugiere. La clave está en introducir variedad e independencia en las fuentes que alimentan los sistemas.
P - ¿En qué sectores cree que la IA tendrá el impacto más transformador durante esta década?
JM - La inteligencia artificial se ha convertido en una infraestructura que impulsa la eficiencia. Su impacto es mayor en los sectores que manejan enormes volúmenes de datos y necesitan optimizar procesos complejos. Destacan tres ámbitos: la biotecnología y la salud personalizada (donde acelera el descubrimiento de fármacos y permite diagnósticos predictivos); la logística y las cadenas de suministro (al optimizar rutas y anticipar disrupciones en tiempo real); y las finanzas, desde nuevos modelos de crédito hasta el trading automatizado y la gestión del riesgo.
P - Para un inversor tradicional, ¿cuál es el primer paso para integrar la IA en su metodología?
JM - El primer paso es cambiar la forma de trabajar. El inversor que ha seguido métodos tradicionales debería empezar dejando que la inteligencia artificial le ayude a contrastar y poner a prueba sus propias ideas.
No se trata de pedirle a la máquina que decida, sino de usarla como auditor de forma que revise nuestras tesis de inversión y busque sus puntos débiles. Este ejercicio obliga a ordenar el pensamiento y a ser más rigurosos en cómo tomamos decisiones. Hoy el valor no está en acumular información, sino en saber formular bien las preguntas. Eso haremos en el curso.
