La inteligencia artificial afecta a la bolsa sobre todo porque permite analizar más información y ejecutar decisiones de negociación con mayor rapidez. Esto puede ayudar a que los precios incorporen novedades y facilitar la gestión del riesgo, pero también puede amplificar movimientos bruscos si muchos sistemas reaccionan de manera similar. Por tanto, la IA no determina por sí sola si la bolsa subirá o bajará: cambia cómo algunos participantes procesan datos y actúan, con efectos que dependen del mercado y de las circunstancias.

De los datos a las órdenes de compra y venta

El mecanismo puede entenderse en cuatro pasos. Primero, un sistema recibe datos: cotizaciones, volúmenes, informes de empresas o noticias. Segundo, un modelo busca patrones o estima cómo podría afectar una información al precio de un activo. Tercero, una persona o un programa transforma esa estimación en una decisión, como comprar, vender o modificar una posición. Por último, la orden llega al mercado, donde el precio depende también de las órdenes del resto de participantes.

Este uso no es del todo nuevo. El Fondo Monetario Internacional (FMI), en una intervención del 6 de septiembre de 2024, señala que el aprendizaje automático ya se empleaba en empresas de inversión desde hacía años y tenía un papel en la negociación automatizada. Una aplicación más reciente de la IA generativa es resumir o analizar grandes volúmenes de texto, como comunicados de resultados. Esto puede acelerar el análisis, pero una predicción no es una certeza ni equivale a conocer el futuro.

Cómo puede mejorar la formación de los precios

Cuando un sistema detecta información nueva, puede contribuir a ajustar las órdenes y, por tanto, los precios. Si muchos inversores pueden examinar rápidamente documentos complejos, la información relevante puede reflejarse antes en las cotizaciones. La IA también puede ayudar a algunos participantes a vigilar exposiciones y riesgos o a cotizar activos con menos actividad. En teoría, una mayor capacidad de análisis y más participantes pueden favorecer la liquidez, es decir, la facilidad de comprar o vender sin alterar demasiado el precio.

Pero la relación no es automática: una mayor rapidez no garantiza precios más acertados ni mercados siempre más líquidos. El análisis del FMI publicado el 15 de octubre de 2024 presenta posibles beneficios —como mejorar la gestión del riesgo y profundizar la liquidez— junto con riesgos para la estabilidad. Estos efectos son escenarios analizados, no una prueba de que todos los mercados ya hayan cambiado de la misma manera.

Cuándo la rapidez puede amplificar una caída

El riesgo aparece si un choque repentino —por ejemplo, un dato inesperado— provoca respuestas similares entre muchos modelos. Si varios sistemas intentan vender a la vez, aumenta la oferta de acciones; si faltan compradores, los precios pueden caer y la liquidez puede reducirse. Una caída puede activar nuevas órdenes de venta o ajustes de riesgo, reforzando el movimiento inicial. Este proceso, en el que la respuesta del mercado amplifica el choque, es un riesgo plausible, no un resultado inevitable.

El informe del FMI sobre estabilidad financiera mundial de octubre de 2024 describe escenarios en los que modelos similares, la retirada de liquidez o un uso más amplio del apalancamiento podrían hacer que los mercados fueran más vulnerables durante períodos de tensión. También considera la posibilidad contraria: sistemas más adaptables podrían mantener mejor la negociación en condiciones difíciles. El efecto neto es incierto y depende del diseño de los modelos, los datos, las salvaguardias y las reacciones de los participantes.

Ejemplos hipotéticos: una noticia y una decisión de cartera

Ejemplo hipotético 1: una empresa publica resultados. Una herramienta de IA extrae rápidamente las cifras e identifica que los ingresos han superado las expectativas, pero que la empresa ha rebajado sus previsiones. Un gestor puede utilizar este resumen para investigar qué pesa más en la valoración. La herramienta no decide necesariamente comprar o vender: el resultado depende de la verificación de los datos y del criterio del gestor.

Ejemplo hipotético 2: ante una noticia alarmante pero falsa, varios sistemas podrían reaccionar a titulares o publicaciones antes de que se confirme su autenticidad. Si esto desencadena órdenes de venta, el precio podría moverse antes de que se corrija la información. Es un ejemplo de riesgo posible, no una descripción de un episodio concreto. El FMI identifica la desinformación y los contenidos falsificados, como los deepfakes, entre las posibles fuentes de manipulación.

Los límites: datos, concentración y supervisión humana

Un modelo aprende a partir de datos que pueden ser incompletos, sesgados o distintos de las condiciones actuales. Puede interpretar mal una situación excepcional y, en algunos casos, puede ser difícil explicar por qué ha llegado a una determinada conclusión. Además, si muchas empresas dependen de los mismos proveedores de datos o herramientas, un fallo técnico puede afectar a varios participantes a la vez. Esto no significa que una herramienta de IA controle toda la bolsa: las órdenes también responden a inversores, normas del mercado y acontecimientos económicos.

Por eso son importantes las pruebas, los controles sobre las órdenes y la capacidad de intervenir cuando el sistema falla. En la intervención de septiembre de 2024, el FMI recoge que los participantes consideraban esencial la supervisión humana por motivos de gestión del riesgo, responsabilidad y cumplimiento normativo. Para quien lee noticias financieras, también es útil distinguir entre una decisión asistida por IA y una promesa de rendimiento: la tecnología no elimina el riesgo de pérdida ni garantiza una predicción correcta.

Conclusión: más velocidad, pero no más certeza

La IA puede acelerar el análisis, la negociación y el ajuste de los precios, y puede aportar herramientas para gestionar riesgos. Al mismo tiempo, respuestas automatizadas similares, datos defectuosos, problemas técnicos o información falsa pueden amplificar episodios de tensión. La conclusión práctica es entenderla como una tecnología que modifica la manera de participar en el mercado, no como un indicador infalible de lo que hará la bolsa. Sus efectos globales siguen siendo inciertos y varían según el uso y las salvaguardias.

Imagen: Robert Dighton | Public domain | Wikimedia Commons.

Aviso educativo

Este contenido tiene una finalidad educativa e informativa. No constituye asesoramiento financiero ni una recomendación de inversión.

← Volver a todos los artículos