Cuando los algoritmos toman las mismas decisiones
La inteligencia artificial promete detectar fraude, procesar más información y mejorar numerosas funciones financieras. Los mismos organismos que reconocen esas ventajas estudian ahora una posibilidad menos intuitiva: que una tecnología capaz de hacer más eficientes a los participantes individuales pueda aumentar la fragilidad del conjunto si demasiados sistemas observan las mismas señales, dependen de las mismas infraestructuras y reaccionan al mismo tiempo.
Una preocupación seria no es una profecía
La inteligencia artificial ha encontrado en las finanzas uno de sus campos de aplicación más naturales. Pocas actividades producen tantos datos, dependen tanto de la velocidad de cálculo y recompensan de manera tan directa la capacidad de encontrar regularidades antes que los competidores. Detección de fraude, valoración de activos, procesamiento de información, gestión de riesgo, reducción de costes de transacción y provisión de liquidez figuran entre las funciones en las que estos sistemas pueden ofrecer ventajas reales.
Precisamente por eso la cuestión ha dejado de ser únicamente tecnológica. El presidente del Financial Stability Board remitió el 31 de agosto a los ministros de Finanzas y gobernadores de bancos centrales del G20 una evaluación en la que los posibles efectos de la inteligencia artificial avanzada sobre el riesgo cibernético aparecen como una preocupación inmediata. El FMI, el Banco Central Europeo y el Banco de Pagos Internacionales también han estudiado diferentes canales mediante los cuales la adopción de estas tecnologías podría modificar el comportamiento del sistema financiero.
Sería fácil transformar esa atención regulatoria en un anuncio apocalíptico. Sería también intelectualmente deshonesto. No existe evidencia suficiente para afirmar que la inteligencia artificial vaya a provocar la próxima crisis financiera ni para atribuirle actualmente una fracción cuantificable del riesgo sistémico. Los estudios disponibles combinan adopción observada, análisis sobre concentración tecnológica, riesgos cibernéticos y experimentos de modelización. Son piezas distintas de evidencia y deben continuar siéndolo.
La pregunta, por tanto, no es si los reguladores han descubierto la causa de una crisis futura. Es por qué instituciones cuyo trabajo consiste precisamente en estudiar la estabilidad financiera consideran razonable examinar estos canales antes de que exista una crisis que analizar retrospectivamente.
Cuando acertar individualmente puede perjudicar al conjunto
El núcleo del problema es una vieja paradoja financiera aplicada a una tecnología nueva: una conducta racional para cada participante puede resultar desestabilizadora cuando muchos la adoptan simultáneamente.
Supongamos que un modelo identifica una señal de deterioro en determinado activo y recomienda vender. Para la institución que actúa primero, la decisión puede ser impecablemente racional. Pero si decenas o centenares de sistemas semejantes reciben información parecida, han sido entrenados mediante datos comparables y responden con estrategias próximas, una recomendación individual puede convertirse en una oleada colectiva de ventas.
La analogía de una multitud ante una puerta estrecha resulta útil precisamente porque no presupone irracionalidad. Cada persona puede tener buenas razones para buscar la salida. El problema aparece cuando cien individuos intentan atravesarla simultáneamente.
En los mercados, esa dinámica recibe una dimensión adicional por la velocidad. Un operador humano necesita interpretar una noticia, valorar sus consecuencias y ejecutar una decisión. Un sistema automatizado puede recorrer parte de ese proceso en una fracción del tiempo. La eficiencia individual aumenta; también puede aumentar la velocidad con la que una perturbación se transmite.
De ahí surge la preocupación por lo que podría denominarse comportamiento gregario algorítmico: no porque las máquinas se imiten conscientemente, sino porque sistemas construidos con insumos semejantes pueden terminar respondiendo de manera correlacionada.
Primer riesgo: demasiados modelos leyendo la misma señal
La diversidad es uno de los mecanismos mediante los cuales un mercado absorbe información. Un mismo dato puede parecer una oportunidad de compra para un inversor, una señal de venta para otro y un acontecimiento irrelevante para un tercero. De la confrontación de interpretaciones diferentes surge el proceso de formación de precios.
La inteligencia artificial no elimina necesariamente esa diversidad. Modelos distintos, objetivos distintos y conjuntos de datos diferentes podrían incluso ampliarla. El riesgo aparece en el escenario contrario: que la generalización de determinadas herramientas reduzca la heterogeneidad efectiva porque numerosos participantes utilizan modelos parecidos o terminan dependiendo de fuentes de datos, infraestructuras y metodologías comunes.
Todavía no sabemos cuál de ambas fuerzas predominará. No existe evidencia suficiente para determinar si el desarrollo de sistemas cada vez más heterogéneos reducirá el comportamiento correlacionado o si las economías de escala favorecerán una concentración creciente. Pero el canal es lo suficientemente plausible como para merecer atención regulatoria.
Segundo riesgo: la velocidad de una reacción colectiva
La automatización financiera no inventó los movimientos bruscos de mercado. Las crisis, los pánicos, las ventas forzadas y los comportamientos gregarios preceden en siglos al aprendizaje automático. La novedad potencial reside en la escala temporal.
Si numerosos sistemas pueden interpretar una misma modificación y ejecutar decisiones casi instantáneamente, el intervalo disponible para que otros participantes introduzcan información diferente puede reducirse. En un sistema complejo, la velocidad no siempre equivale a resiliencia.
Una investigación del BCE ha explorado precisamente estas cuestiones mediante agentes de aprendizaje por refuerzo y ha obtenido, bajo determinadas condiciones del modelo, dinámicas extremas comparables a episodios de pánico. La precisión terminológica es esencial: se trata de una simulación. No es una observación de una crisis real causada por inteligencia artificial ni demuestra que los mercados vayan a comportarse de esa manera. Su importancia radica en mostrar que determinados mecanismos son posibles dentro de un entorno modelizado y, por tanto, merecen ser estudiados.
Confundir un experimento con un pronóstico equivaldría a destruir el valor del propio experimento.
Tercer riesgo: decisiones que nadie explica con facilidad
La opacidad constituye otra dificultad. El sistema financiero moderno depende de responsabilidades, modelos de riesgo, controles internos y capacidad de reconstruir decisiones. Cuanto más complejos sean los sistemas utilizados, mayor puede ser la dificultad de explicar por qué una recomendación concreta apareció en un momento determinado.
El problema no consiste únicamente en una cuestión filosófica sobre si una máquina «comprende» aquello que hace. Existe una cuestión institucional mucho más práctica: quién puede identificar el origen de una conducta anómala, corregirla y responder por ella.
Si una estrategia comienza a producir resultados inesperados, la capacidad de intervención depende en parte de comprender qué variables la están guiando. Un sistema que mejora la predicción pero dificulta el diagnóstico puede introducir una tensión entre rendimiento y gobernabilidad.
No todos los modelos presentan el mismo grado de opacidad ni toda automatización implica una pérdida de control. De nuevo, el riesgo no es una certeza universal; es un problema de diseño y supervisión cuya importancia crece a medida que aumenta la delegación de funciones.
Cuarto riesgo: muchos bancos sobre pocas infraestructuras
Quizá la preocupación menos visible para el público sea también una de las más estructurales. Una institución puede diversificar sus carteras y estrategias y, sin embargo, compartir con muchos competidores las mismas capas tecnológicas fundamentales: proveedores de computación en la nube, fuentes de datos o modelos avanzados.
Ese fenómeno puede crear concentraciones que no aparecen en el balance tradicional. Dos bancos jurídicamente independientes pueden poseer sistemas distintos y depender, al mismo tiempo, de una infraestructura tecnológica común. Si esa infraestructura falla, su independencia empresarial no evita una exposición compartida.
El FMI ha llamado la atención sobre esta dependencia potencial de un número reducido de proveedores. La cuestión no consiste en afirmar que tal concentración vaya a producir necesariamente una crisis, sino en reconocer que el riesgo sistémico también puede construirse fuera de las categorías financieras convencionales.
A ello se añade la ciberseguridad, destacada expresamente por el FSB. Cuanto mayor sea la dependencia de sistemas digitales avanzados y más centrales resulten para la operativa financiera, mayor será la importancia de su integridad. La inteligencia artificial puede reforzar defensas y detección de fraude; también modifica las capacidades disponibles para el ataque. Ambas dimensiones deben estudiarse conjuntamente.
El viejo problema del conocimiento, bajo una forma nueva
Existe detrás de todo ello una pregunta intelectual anterior a la propia inteligencia artificial. Friedrich Hayek insistió en que una economía no concentra todo el conocimiento relevante en una sola mente: la información se encuentra dispersa entre multitud de participantes, y el sistema de precios constituye uno de los mecanismos que permiten coordinar ese conocimiento fragmentario.
Utilizar a Hayek para «predecir» las consecuencias de tecnologías que no conoció sería un ejercicio retrospectivo sin valor. Su problema del conocimiento distribuido sí ofrece, en cambio, una pregunta pertinente para el presente: ¿qué sucede con un mecanismo cuya riqueza depende en parte de la dispersión de información y criterios si numerosos participantes comienzan a depender de las mismas fuentes, modelos e infraestructuras?
La respuesta no está decidida. La IA también puede permitir procesar información antes ignorada, crear nuevas estrategias y aumentar la diversidad de análisis. El riesgo aparece únicamente si las ventajas de escala y la estandarización terminan reduciendo la pluralidad efectiva de decisiones.
Este matiz es central. La inteligencia artificial no es intrínsecamente homogeneizadora ni intrínsecamente diversificadora. La estructura del mercado, las tecnologías utilizadas y los incentivos determinarán qué efecto prevalece.
Más inteligencia individual, ¿menos resistencia colectiva?
No sabemos si la inteligencia artificial estará detrás de una futura crisis financiera. Sostenerlo hoy sería especulación. Sí sabemos que instituciones como el FSB, el FMI, el BCE y el BIS consideran suficientemente plausibles varios canales de riesgo como para analizarlos: concentración tecnológica, correlación de decisiones, opacidad, velocidad de propagación y ciberseguridad.
La paradoja merece atención precisamente porque no exige que las máquinas funcionen mal. Un algoritmo puede procesar mejor la información, reducir costes y tomar decisiones individualmente más eficientes. El problema sistémico puede aparecer si muchos algoritmos igualmente competentes llegan a conclusiones demasiado similares y actúan al mismo tiempo.
Las finanzas han conocido siempre una tensión entre inteligencia individual y comportamiento colectivo. La inteligencia artificial no la crea; puede modificar su escala, su velocidad y su arquitectura.
Quizá ese sea el verdadero desafío. Un sistema financiero no necesita únicamente participantes capaces de tomar buenas decisiones. Necesita también diversidad suficiente para que todos no cometan —o ejecuten— el mismo error a la vez.
Bibliografía
Financial Stability Board, documentación y evaluación remitida al G20 sobre inteligencia artificial avanzada y estabilidad financiera.
Fondo Monetario Internacional, análisis de 2026 sobre inteligencia artificial, mercados y riesgos financieros.
Banco Central Europeo, investigación de 2026 mediante agentes de aprendizaje por refuerzo.
Banco de Pagos Internacionales, documentación técnica sobre inteligencia artificial y estabilidad financiera.
Lecturas recomendadas
Financial Stability Board, trabajos sobre inteligencia artificial y estabilidad del sistema financiero.
Fondo Monetario Internacional, análisis sobre beneficios, concentración tecnológica y riesgos de la IA en las finanzas.
Banco Central Europeo, experimento con agentes de aprendizaje por refuerzo y dinámicas de mercado.
Banco de Pagos Internacionales, estudios regulatorios y técnicos sobre automatización e inteligencia artificial en el sistema financiero.
Comentarios