Recetas, ejercicios para el gimnasio, planes de ocio y hasta  consejos de inversión. 

El avance acelerado y la mayor disponibilidad de los grandes modelos de lenguaje (LLM) están impulsando nuevas oportunidades en los mercados financieros. En la actualidad, estos modelos se emplean cada vez más para analizar documentos financieros complejos, detectar patrones en el mercado, extraer el sentimiento de distintas fuentes y generar posibles recomendaciones de inversión. 

No obstante, estas capacidades plantean una cuestión clave: ¿hasta qué punto pueden los LLM producir de manera autónoma predicciones fiables sobre el comportamiento bursátil? 

La Comisión Nacional del Mercado de Valores (CNMV) ha alertado en un estudio reciente de que su uso para la inversión sin intervención humana presenta "fallos recurrentes de razonamiento, incluyendo errores computacionales, interpretaciones financieras incorrectas y uso de información desactualizada o alucinaciones", tras evaluar los resultados de cuatro modelos avanzados -ChatGPT, Gemini, DeepSeek y Perplexity.

En concreto, el informe destaca que la mayor incidencia de estos fallos se observa en las consultas simples, sin estructura ni contexto, "lo que pone de manifiesto la importancia de utilizar instrucciones analíticas claras y de establecer mecanismos de supervisión", argumentan los autores.

Por la boca muere el pez

Tradicionalmente, el análisis detallado de los mercados ha estado reservado a profesionales de la inversión con formación especializada, acceso a datos en tiempo real y herramientas analíticas avanzadas. Sin embargo, en este momento de acceso a la IA podría transformar el ecosistema financiero, proporcionando a los inversores individuales herramientas comparables a las de los expertos.  

No obstante, tal y como advierte la CNMV, estos sistemas aún presentan limitaciones importantes y pueden inducir a errores si se utilizan sin el debido criterio. Tras evaluar la integridad de su razonamiento, los autores de estudio -técnicos de la Dirección General de Estrategia y Asuntos Internacionales del organismo supervisor- advierten: conviene distinguir entre la fluidez textual superficial y la competencia analítica.  En otras palabras, cuidado con dejarse convencer con palabrería vacía y desactualizada.  

Uno de los mayores dolores de cabeza es la integridad de los datos en tiempo real. Confunde ejercicios fiscales, mezcla divisas sin previo aviso o rescata datos obsoletos de consultas anteriores. Imprecisiones que "a menudo se deben a la mezcla de contenido obsoleto y recién recuperado o a la reutilización de información caducada de consultas anteriores". El histórico consejo bursátil de “vender con el rumor y comprar con la noticia” cobra más sentido que nunca.

Una segunda clase de errores implica fallos semánticos en el razonamiento financiero. Un problema recurrente es la" interpretación incorrecta de los ratios fundamentales". Porque, saber leer un número no es lo mismo que entender qué significa. Hay IAs que interpretan un PER (Price-to-Earnings) o una ratio Deuda/Capital bajos como algo negativo. 

Y ojo, porque cuando se les pide que revisen los errores, los modelos suelen ofrecer correcciones seguras pero erróneas que mantienen el error original, lo que sugiere una capacidad limitada de autoevaluación.

Fuentes fiables

En Business Insider España hemos querido ir un paso más allá y le hemos lanzado el guante a una inteligencia artificial: ¿Confiaría su patrimonio a sus propios análisis? La respuesta es una cura de humildad tecnológica: un "no" rotundo. El modelo admite que su papel tiene límites claros. Sin el "olfato" humano para detectar el pánico del mercado y ante su propia tendencia a "alucinar" con los números, la autonomía total es un riesgo inasumible.

Esta falta de confianza tiene un respaldo métrico incontestable en este informe. Mientras que las consultas simplistas de un inversor minorista apenas generan un retorno del 0,35%, una cifra estadísticamente irrelevante, el uso de marcos estructurados con rigor técnico dispara ese beneficio extra hasta el 2,24%. Sin embargo, el verdadero salto financiero no llega de la mano de la máquina en solitario, sino a través del método Chain-of-Thought (cadena de pensamiento) bajo supervisión humana, alcanzando un retorno mensual del 3,04%.

Esta progresión demuestra que la IA solo se convierte en una ventaja competitiva real cuando se abandona la fe ciega en su autonomía en favor de un modelo híbrido. Es en esa simbiosis, donde el experto humano corrige las inconsistencias del algoritmo y transforma sus cálculos en resultados sólidos y auditables, donde reside el éxito. 

En definitiva, el juicio, la experiencia y el pensamiento crítico siguen siendo los únicos elementos imprescindibles en la toma de decisiones financieras y, por qué no, también en la vida en general.