Cómo Usar la Inteligencia Artificial para Invertir — y Por Qué la Mayoría la Usa Como una Máquina de Autoengaño
Por Mookie Tenembaum
La inteligencia artificial no está fallando en inversiones. Está funcionando exactamente como fue diseñada. El problema es que la mayoría la usa para validar decisiones que ya tomó emocionalmente, y luego le atribuye a la máquina una inteligencia que no existe en ese contexto.
La escena es siempre la misma. Alguien abre ChatGPT, escribe el nombre de una empresa o una criptomoneda, y espera que del otro lado haya una especie de analista oculto con acceso a información privilegiada. No hay nada de eso. Lo que hay es una máquina extremadamente sofisticada para organizar lenguaje y construir explicaciones plausibles a partir de patrones aprendidos. Plausibles no significa correctas. Plausibles significa convincentes.
Y ahí está el núcleo del problema. La IA no predice. La IA explica. El usuario quiere predicción. Entonces fuerza a la máquina a producirla en forma de explicación. El resultado es una ilusión de control.
Por Qué el Inversor Minorista Es Especialmente Vulnerable
Esto no es una opinión. Es un fenómeno documentado con décadas de evidencia empírica.
Según Dalbar Inc., el inversor minorista promedio rindió 6,1% anual por debajo del S&P 500 durante un período de 20 años.  No por mala suerte. Por comportamiento. La razón identificada es que los inversores tienden a salir de sus posiciones durante las caídas y pierden el rebote.  Compran caro, venden barato, y lo hacen convencidos de que están tomando la decisión correcta en el momento en que la toman.
El mecanismo detrás de ese comportamiento tiene nombre: sesgo de confirmación. La investigación empírica sobre más de cien estudios demuestra que el exceso de confianza y el sesgo de confirmación generan erosiones de retorno anuales de entre 1% y 3%, y volúmenes de operación aproximadamente 45% más elevados entre los inversores más afectados.  Operar más no produce mejores resultados. Produce más costos de transacción, más errores de timing, y más exposición al ruido de mercado.
Lo que hace la IA, cuando se la usa mal, es industrializar ese sesgo. Le da al inversor minorista una herramienta de validación instantánea, con apariencia de análisis riguroso, disponible las 24 horas.
Qué Está Pasando Realmente Cuando Preguntas
Un modelo de lenguaje no sabe nada en el sentido operativo que importa en mercados. No ve flujos de órdenes, no tiene timing, no tiene acceso a información en tiempo real salvo que se le provea, no evalúa riesgo como lo hace un operador que está posicionado. Lo único que hace es construir una respuesta coherente con cómo suenan las respuestas en textos similares.
Eso genera un fenómeno peligroso. Cuanto más claro, estructurado y convincente suena el texto, más fácil es olvidar que no hay una capa adicional de validación detrás. No hay chequeo interno. No hay responsabilidad real ante las consecuencias.
Un trader que se equivoca pierde dinero. Un modelo que se equivoca produce otro párrafo bien escrito.
Por eso el modelo puede darte, con la misma solvencia verbal, una tesis alcista y una bajista sobre el mismo activo en cuestión de segundos. No porque haya descubierto dos verdades, sino porque ambas estructuras argumentales existen en los datos con los que fue entrenado.
En Qué Falla la Mayoría
La mayoría usa la IA como si fuera una extensión de su intuición. Eso es exactamente lo contrario de lo que sirve.
El error no es técnico, es psicológico. La gente no busca información. Busca confirmación con estética de análisis.
Un estudio con 331 inversores minoristas no profesionales identificó que el sesgo de confirmación es el predictor más significativo de decisiones de inversión irracionales — por encima de factores demográficos, preferencia de género o tolerancia al riesgo.  Dicho de otro modo: no importa cuánto sepa el inversor. Si ya tomó la decisión emocionalmente, va a buscar argumentos para sostenerla.
El flujo es siempre el mismo: primero aparece una idea, generalmente gatillada por redes sociales, noticias o una narrativa dominante. Después aparece la necesidad de justificarla. Y ahí entra la IA, que produce un texto ordenado que parece investigación independiente. No lo es. Es una reorganización elegante de argumentos disponibles. Ese texto funciona como un amplificador de convicción. No agrega información nueva relevante. Reduce la incomodidad de la duda.
Y ese es el punto donde se pierde dinero.
En Qué Sí Funciona — y Por Qué Ahí Es Potente
La utilidad real aparece cuando la IA se usa como herramienta de compresión, no de decisión.
Sirve para reducir la fricción de entender cosas que normalmente tomarían horas. Sirve para desarmar documentos técnicos. Sirve para traducir lenguaje financiero a escenarios concretos. Sirve para mapear variables que afectan un activo. Sirve para generar preguntas que uno no sabe que debería hacerse.
El caso más concreto: un reporte anual de 200 páginas con notas al pie sobre litigios pendientes, cambios en criterios contables y advertencias de auditoría enterradas en lenguaje técnico. Para la mayoría, ilegible en la práctica. Para un modelo bien instruido, una tarea de minutos. Puede señalar inconsistencias entre lo que la dirección declara y lo que los números muestran, identificar riesgos mencionados una sola vez y nunca cuantificados, resumir los puntos críticos que justifican o invalidan una tesis. No decide. Elimina la excusa de no haber leído.
Eso es poder real. No porque te diga qué hacer, sino porque reduce el costo de entender qué estás haciendo.
El Uso Más Valioso: Destruir Tu Propio Argumento
El único uso que consistentemente mejora decisiones es este: usar la IA para atacar tu propia tesis. No para reforzarla.
Cuando alguien está convencido de una inversión, su capacidad de evaluar riesgos cae de forma abrupta. Estudios de laboratorio muestran que los inversores que eligieron activos activamente recuerdan las ganancias con mucha más vividez que las pérdidas después de una semana, lo que genera creencias excesivamente optimistas sobre retornos futuros e impulsa la reinversión incluso en posiciones que objetivamente no son rentables.  El sesgo no opera sobre la información disponible. Opera sobre la memoria de esa información.
La IA puede actuar como un mecanismo de corrección si se la usa correctamente. El cambio es simple y radical: en lugar de preguntar por qué algo es buena idea, se le pide que construya el mejor caso posible en contra. No un listado superficial. El mejor argumento posible para no hacer la inversión.
Ahí aparecen cosas que normalmente se omiten: supuestos ocultos, dependencias no evidentes, eventos de cola, riesgos de liquidez, problemas de timing. No elimina el error. Reduce la probabilidad de cometer errores obvios con exceso de confianza.
La Regla Operativa
Si después de usar la IA te sentís más seguro de lo que estabas antes, probablemente la usaste mal. La usaste para que te dijera lo que ya querías escuchar.
Si en cambio te incomoda, te obliga a revisar un supuesto que dabas por sentado, o te muestra una dependencia que no habías mapeado, ahí está funcionando.
Los sesgos conductuales no se compensan entre sí. Se acumulan. La aversión a la pérdida, el exceso de confianza y el sesgo de confirmación operan simultáneamente, y cada uno por separado puede parecer razonable — pero juntos empujan sistemáticamente hacia decisiones que erosionan resultados.  La IA, usada como validador, amplifica esa acumulación. Usada como herramienta de fricción, la interrumpe.
En mercados, esa diferencia no es filosófica. Es la diferencia entre capital que trabaja y capital que desaparece con una buena justificación.
Las cosas como son
Mookie Tenembaum aborda temas de tecnología como este todas las semanas junto a Claudio Zuchovicki en su podcast La Inteligencia Artificial, Perspectivas Financieras, disponible en Spotify, Apple, YouTube y todas las plataformas.
