¿Cree que el inversor particular corre el riesgo de delegar demasiado y perder criterio propio?

Es verdad que el inversor puede perder criterio, porque puede delegar demasiado en la inteligencia artificial, pero la realidad es que la IA aumenta las capacidades del inversor y del gestor. Entonces delegar demasiado en la IA es un error. Al final tendremos un analista y un inversor aumentado, porque va a tener la capacidad de centrarse en lo que es importante y delegar en la IA aquellas tareas que no son tan relevantes, como por ejemplo análisis de grandes datos que puede hacer la IA.

El futuro apunta a un modelo híbrido, donde humanos y sistemas inteligentes trabajen de forma complementaria. No se trata solo de invertir mejor o escribir más rápido, sino de redefinir cómo tomamos decisiones en un entorno cada vez más complejo.

Desde la economía conductual sabemos que el ser humano invierte muchas veces desde la emoción y no desde la lógica. ¿Puede la IA ayudarnos realmente a corregir esos sesgos cognitivos o simplemente los amplifica de otra forma?

Los sesgos cognitivos forman parte de nuestra forma de pensar: atajos mentales que simplifican decisiones, pero que también pueden llevar a errores. La IA también tiene sesgos, aunque de naturaleza distinta: no provienen de la experiencia, sino de los datos con los que ha sido entrenada. Por eso, no elimina los sesgos, sino que introduce otros nuevos.

El reto no es elegir entre humano o máquina, sino entender las limitaciones de ambos. El ser humano aporta criterio, estrategia y juicio ético; la IA, capacidad de análisis y objetividad. La combinación de ambos permite construir un inversor más completo.

Kahneman y Tversky ganaron el Premio Nobel por identificar que nuestro cerebro tiene dos sistemas, uno que está guiado por sesgos y el otro que no. El sistema 1 es automático y es donde entran en juego los heurísticos, que son atajos que nos ayudan a tomar decisiones. Por ejemplo, si yo he invertido en el pasado y me ha funcionado, invertiré y tenderé a repetir esa misma decisión. O si hoy me he sentado en esta silla, pues el próximo día que venga me sentaré en la misma silla por el sesgo de familiaridad. El objetivo de estos sesgos es ayudarnos a tomar decisiones de forma más sencilla. Y como los seres humanos formamos los mercados, junto con otras variables, pues al final también los mercados están sesgados.

¿Qué sucede? Que al igual que el ser humano está sesgado, la IA también. Pero son sesgos distintos. Los nuestros están formados en el hábito, mientras que los sesgos de la IA están formados con el contenido que se les ha dado. Entonces, hemos alimentado una IA con una serie de información y eso sesga a la IA. Por lo tanto, ambos estamos sesgados, no es que a nosotros nos sesgue la IA, sino que tenemos que buscar la forma de ser el inversor más completo, sabiendo cuáles son las flaquezas que tienen cada una.

Hay un punto muy importante, que es la ética. Los seres humanos podemos tomar decisiones que la IA todavía no está preparada para tomar, y la estrategia. La IA no puede seguir una estrategia de forma independiente, mientras que el ser humano sí.

Hoy vemos algoritmos capaces de predecir comportamientos de consumo, tendencias sociales e incluso intención de voto. ¿Hasta qué punto cree que esa misma capacidad predictiva puede trasladarse con éxito a los mercados financieros?

Los mercados financieros están compuestos por variables, y lo bueno que tiene la IA es que nos permite analizar millones de datos y crear patrones y así poder hacer modelos de predicción probable. Es decir, que, analizando los datos del pasado, podemos crear un modelo de predicción que se ajuste más o menos a la realidad que podemos utilizar para predecir algunos patrones. ¿Qué sucede? Que hay algunos hechos, como, por ejemplo, una crisis geopolítica o una pandemia, que no responden a esos patrones, sino que son aleatorios y suceden de pronto. Eso no lo vamos a poder predecir.

Por otro lado, con respecto a la intención de voto o a otras aplicaciones más allá de los mercados financieros, se están haciendo también modelos de predicción, como lo que sucedió con Cambridge Analytica, donde también se identificaron patrones, pero en este caso, sobre los intereses de las personas, y así el político, en este caso Donald Trump, podía llegar a cada uno de los estados y adaptar sus mensajes a lo que estaba sucediendo. Y así, de esa forma, poder conectar emocionalmente con las personas que después sentían una empatía y ganas de votarle. Esto trasladado a los mercados financieros nos permite hacer patrones de predicción probable.

Lo que sucede es que ahora mismo esos patrones van a presentar una diferencia, porque si yo utilizo esos patrones de predicción y esos modelos y otra empresa u otra gente no los utiliza, yo voy a tener una ventaja competitiva, pero en el momento en el que se democratiza, y se va a democratizar, porque todos utilizamos las mismas herramientas de predicción, ya no hay ventaja competitiva. Y es muy probable que en el futuro, aquellas empresas y aquellos inversores que se diferencien sean los que consigan tener modelos propios, que solamente han desarrollado ellos con sus propios datos y los han patentado y los puedan poner en práctica.

¿La IA está cambiando la forma de entender el análisis fundamental y técnico o simplemente es una herramienta más sofisticada para hacer lo mismo de siempre?

La IA está revolucionando los dos. Por un lado, el análisis fundamental, porque estamos siendo capaces de analizar millones de datos tanto estructurados como no estructurados.

Hasta ahora sí que es cierto que sobre todo se analizaban datos estructurados, los que tú puedes poner una tabla de Excel, pero  con la democratización de la IA en los últimos años, estamos incluyendo datos no estructurados, por ejemplo, imágenes, audios. Todos los datos que hasta ahora con algoritmos serán muy difícil analizar.

Eso con respecto a la parte del análisis fundamental, a nivel técnico también, porque nos está permitiendo tomar mejores decisiones más informadas. Pero al final, la clave no está solamente en el dato, sino en la estrategia que está apoyando ese dato financiero.

Muchos inversores utilizan ya herramientas basadas en IA para seleccionar activos, detectar oportunidades o gestionar carteras. ¿Dónde está el verdadero valor: en la velocidad de procesamiento o en la calidad de interpretación?

La IA y el análisis de datos masivos tiene una parte importante y es que no todo vale. Parece que, si utilizamos un algoritmo, automáticamente vamos a obtener datos sorprendentes, pero la realidad es que esto al final es como un smoothie: depende del material que tú pongas dentro, si pones frutas de calidad, verduras, zumo, pues al final lo obtendrás un buen smoothie.

En este sentido, el papel humano sigue siendo clave. La calidad de los resultados depende de los datos que se seleccionan y de cómo se aplican. Un algoritmo no garantiza buenos resultados si la base es deficiente.

¿Puede una máquina detectar mejor que un humano momentos de euforia, pánico o irracionalidad colectiva en los mercados?

Los seres humanos somos irracionales. Tomamos decisiones con la emoción y las justificamos con la razón. La IA puede ayudar a detectar comportamientos irracionales en los mercados, ya que no está influida por emociones como el miedo o la euforia. Mientras los inversores pueden actuar por impulso —por ejemplo, movidos por el FOMO—, los sistemas automatizados mantienen una visión más objetiva. Aun así, los mercados están formados por personas, por lo que comprender la psicología sigue siendo esencial.

La incorporación de datos biométricos y análisis de sentimiento está abriendo nuevas vías para anticipar comportamientos. Tecnologías que analizan expresiones faciales, reacciones fisiológicas o conversaciones en redes sociales permiten enriquecer los modelos predictivos con una capa más humana.

Me especialicé en análisis biométricoy lo que nos da es justamente datos sobre ese comportamiento humano, por ejemplo, las expresiones faciales, la dilatación de la pupila o la microsuduración de la piel, para poder predecir comportamiento futuro. Por lo tanto, IA también es obtener datos biométricos para poder analizarlos con algoritmos gracias a tecnologías de neurociencia, como hacemos en mi grupo de investigación y en el laboratorio.

Si asumimos que el mercado también está formado por emociones humanas, ¿cree que una IA puede llegar a anticipar mejor que un gestor tradicional los grandes movimientos del mercado?

En eventos extremos, como por ejemplo una guerra o una pandemia, la IA no puede superar a un ser humano, sobre todo si tiene bastante experiencia. En cambio, mientras que un gestor pueda analizar 10 datos, la IA puede analizar 10.000. Por lo tanto, ahí lo que vamos a encontrarnos es un trabajo híbrido donde el gestor se va a apoyar en aquellas tareas que mejor puede hacer la IA para aumentar su capacidad y se va a especializar en entender cuáles son esos datos biométricos, cómo afecta el análisis de sentimiento, cómo afecta el análisis de temas, cómo afecta la opinión pública, junto con lo que ya le está dando la IA para poder hacer su trabajo de forma aumentada.

Conozco empresas, por ejemplo, de finanzas descentralizadas, que están incorporando dentro de sus propias plataformas análisis de sentimiento sobre los nuevos tokens que se lanzan con el objetivo de poder entender cómo la opinión pública, sobre todo en Twittero en Discord, están hablando sobre esos tokens y poder predecirse en el futuro esos tokens van a ser los que mejor funcionen o van a ser otros. Por lo tanto, ya se está incorporando nuevos datos que no son los habituales dentro de ChatGPT, Claude o Grok al propio análisis financiero. Y este gestor tiene que estar al tanto de esas nuevas tendencias con el objetivo de aumentar sus capacidades que ya son muy importantes.