Análisis de gestión patrimonial basado en la inteligencia artificial
La inteligencia artificial está adquiriendo cada vez más protagonismo en la gestión patrimonial, pero su contribución más importante no es la capacidad de predecir los mercados con certeza. Los análisis de gestión patrimonial basados en la IA se utilizan para consolidar los datos de las carteras, identificar concentraciones de riesgo, elaborar informes para los clientes y facilitar a los asesores un acceso más rápido a la información relevante. Deloitte constató que alrededor del 60 % de las empresas de gestión de inversiones encuestadas utilizaban la IA de forma moderada en actividades de distribución relacionadas con los datos, mientras que solo el 11 % describía su uso como extensivo. Las cifras sugieren que su adopción se está ampliando, pero también que la mayoría de las empresas siguen estando lejos de un modelo de inversión totalmente automatizado.
Esta distinción es importante porque el término «IA» se aplica a menudo a tecnologías muy diferentes. El reequilibrio automatizado, la optimización de pérdidas fiscales, los modelos de riesgo basados en el aprendizaje automático y las herramientas generativas que resumen documentos pueden aparecer todos en la misma plataforma de gestión patrimonial, pero realizan tareas diferentes y requieren distintos tipos de supervisión. El valor comercial no radica tanto en sustituir a los asesores como en ayudarles a analizar más información, detectar problemas antes y comunicar las decisiones con mayor claridad.
Para los gestores patrimoniales, el principal reto no es, por tanto, si la IA puede procesar datos más rápidamente que un equipo humano. Es evidente que sí puede. La cuestión más compleja es si las empresas pueden convertir esa rapidez en mejores decisiones sin debilitar los controles de idoneidad, la seguridad de los datos o la rendición de cuentas.
La gestión patrimonial lleva años estando automatizada
La tecnología ha influido en la gestión de carteras desde mucho antes de que la IA generativa se introdujera en el sector financiero. Las empresas de inversión cuantitativa llevan décadas utilizando modelos estadísticos, mientras que las plataformas de inversión digitales han puesto a disposición de los clientes particulares la construcción automática de carteras, el reequilibrio y la gestión fiscal. Estos sistemas se presentan a veces como formas tempranas de inteligencia artificial, aunque muchos de ellos se basan principalmente en reglas de inversión predefinidas.
Betterment y Wealthfront son un buen ejemplo de la evolución de la gestión automatizada de inversiones. Ambas plataformas crean carteras diversificadas, normalmente mediante fondos cotizados en bolsa, y gestionan funciones como el reequilibrio y la optimización fiscal mediante pérdidas. Su importancia radica en ofrecer una gestión de carteras estandarizada a un coste menor y a una base de clientes más amplia, más que en realizar previsiones independientes sobre la evolución del mercado.
Este modelo ayudó a demostrar que algunas partes del proceso de asesoramiento podían automatizarse sin prescindir de los principios fundamentales de diversificación, asignación de activos y tolerancia al riesgo. El cliente sigue teniendo que definir sus objetivos, su horizonte temporal y su capacidad para asumir pérdidas. La tecnología aplica un marco de forma más eficiente, pero no determina si dicho marco es adecuado para todos los inversores.
Las herramientas de IA más recientes amplían esta automatización a ámbitos menos estructurados. Son capaces de analizar estudios escritos, comparar documentos de fondos, extraer información de los estados financieros y elaborar resúmenes para los asesores. Esto amplía el abanico de tareas que puede realizar el software, aunque la calidad del resultado sigue dependiendo de los datos y las instrucciones que se le proporcionen.
Aladdin muestra el alcance del análisis de carteras
La plataforma Aladdin de BlackRock se cita con frecuencia como ejemplo de tecnología de inversión avanzada. Ofrece herramientas de gestión de carteras, análisis de riesgos, negociación, cumplimiento normativo y operaciones para activos tanto públicos como privados. BlackRock afirma que Aladdin Risk evalúa cada día miles de factores de riesgo de múltiples activos y cientos de medidas de riesgo y exposición, lo que permite a los usuarios evaluar las carteras a través de un marco analítico común.
La plataforma pone de manifiesto el valor de los datos integrados, más que la superioridad de un único modelo predictivo. Un fondo de pensiones, un banco o una gestora de patrimonios puede utilizar el mismo entorno para analizar posiciones, estimar pérdidas potenciales y comprender cómo pueden responder los distintos activos a los cambios en los tipos de interés, las divisas o la volatilidad del mercado. Esto puede resultar especialmente útil cuando las carteras se distribuyen entre varios gestores y clases de activos.
Aladdin también ha incorporado funciones basadas en inteligencia artificial para los asesores patrimoniales, entre las que se incluyen herramientas que transforman la información sobre carteras y riesgos en comentarios listos para presentar a los clientes. Estas aplicaciones dan respuesta a un problema práctico: los asesores suelen tener acceso a análisis exhaustivos, pero disponen de poco tiempo para traducirlos a un lenguaje que los clientes puedan entender.
La tecnología no elimina el criterio humano. Los modelos de riesgo se basan en hipótesis sobre la volatilidad, las correlaciones y las relaciones históricas, mientras que los activos privados pueden valorarse con menos frecuencia que los valores cotizados. Una plataforma puede calcular la exposición con gran precisión, pero las cifras deben interpretarse en el contexto de las condiciones del mercado y los objetivos del cliente.
La IA amplía la cantidad de información de la que pueden disponer los asesores
Los gestores patrimoniales actuales trabajan con una amplia y creciente variedad de información. Deben realizar un seguimiento de los mercados, las carteras de los clientes, las cuestiones fiscales, la documentación de los productos, los datos económicos y los requisitos normativos. En el caso de los clientes con un elevado patrimonio, esta tarea también puede incluir empresas privadas, inmuebles, fideicomisos e inversiones depositadas en varios bancos.
Los análisis basados en inteligencia artificial pueden aunar estas fuentes e identificar patrones que serían difíciles de detectar mediante una revisión manual. Un sistema podría mostrar que un cliente cuya cartera parece diversificada entre fondos tecnológicos, inmobiliarios y de capital riesgo tiene una exposición indirecta considerable al crecimiento de los centros de datos. También podría revelar que varios fondos invierten en las mismas empresas o dependen de condiciones económicas similares.
Las herramientas de lenguaje natural pueden facilitar la investigación al analizar las conferencias sobre resultados, los documentos presentados por las empresas y los informes de mercado. Pueden señalar cambios en el lenguaje utilizado por la dirección, identificar referencias a una disminución de la demanda o comparar las declaraciones actuales con la información divulgada anteriormente. Esto puede reducir el tiempo necesario para localizar información relevante, aunque no determina si dicha información debe servir de base para una decisión de inversión.
Por lo tanto, la ventaja radica en el alcance analítico. La inteligencia artificial permite al asesor examinar más información y revisar las hipótesis con mayor frecuencia. No obstante, el asesor debe seguir valorando si un patrón aparente es significativo o si se trata simplemente del resultado del ruido en un conjunto de datos de gran tamaño.
La personalización depende de la calidad de los datos
El asesoramiento personalizado es uno de los principales argumentos a favor de la IA en la gestión patrimonial. Los modelos tradicionales suelen clasificar a los clientes en categorías generales de riesgo y asignarles carteras estándar. Los análisis más avanzados pueden tener en cuenta los patrones de gasto, las obligaciones financieras, la exposición fiscal, los flujos de caja previstos y los objetivos financieros específicos.
Un sistema puede detectar que un cliente necesita más liquidez porque es probable que se ejerzan varios compromisos del mercado privado durante el mismo periodo. También puede indicar que el perfil de riesgo registrado durante el proceso de incorporación ya no refleja la edad del cliente, su situación financiera ni su comportamiento ante la volatilidad del mercado.
Esto puede hacer que el asesoramiento sea más adaptado a las necesidades del cliente, pero la fiabilidad de la personalización depende de la información de que se disponga. Los expedientes de los clientes suelen estar incompletos o almacenados en distintos sistemas. Es posible que algunas prioridades importantes no se expresen en términos numéricos, sobre todo cuando las inversiones tienen que ver con empresas familiares, la planificación sucesoria o el apego personal a una propiedad.
Por lo tanto, una recomendación muy detallada puede seguir siendo inadecuada. La IA puede calcular la opción más eficiente desde el punto de vista financiero, pero pasar por alto el deseo del cliente de mantener el control de una empresa o preservar los activos para la próxima generación. La gestión patrimonial incluye consideraciones personales y familiares que no siempre pueden deducirse a partir de los datos de las transacciones.
La gestión de riesgos ofrece un caso de uso más claro
La inteligencia artificial desempeña un papel especialmente importante en la identificación de los riesgos de las carteras. Los sistemas de aprendizaje automático pueden supervisar los cambios en la volatilidad, la liquidez, la correlación y la concentración en un gran número de posiciones. También pueden detectar transacciones inusuales, exposiciones inesperadas o discrepancias entre la estrategia declarada de una cartera y su comportamiento real.
Esto resulta útil porque el riesgo suele traspasar las categorías de activos convencionales. Una cartera puede contener acciones, bonos e inversiones privadas que dependen todas de unos tipos de interés bajos. Sobre el papel, los activos parecen diversificados; desde el punto de vista económico, comparten la misma vulnerabilidad.
La inteligencia artificial también puede mejorar el análisis de escenarios, ya que permite a los asesores simular cómo podrían reaccionar las carteras ante la inflación, las caídas de los mercados bursátiles, las fluctuaciones de los tipos de cambio o los cambios en los diferenciales de crédito. Estos ejercicios ayudan a los clientes a comprender que el valor nominal de una cartera no ofrece una visión completa del riesgo.
No obstante, los modelos históricos tienen sus límites. Las relaciones de mercado cambian, sobre todo durante las crisis. Los activos que parecían tener una correlación débil pueden caer al unísono cuando los inversores buscan liquidez, mientras que las valoraciones del mercado privado pueden ajustarse más lentamente que los precios del mercado público. La inteligencia artificial puede revelar vulnerabilidades basándose en los datos disponibles, pero no puede identificar todas las fuentes futuras de pérdidas.
Las afirmaciones predictivas deben tomarse con escepticismo
Las afirmaciones más ambiciosas sobre la inteligencia artificial se refieren a la previsión de los mercados y a la identificación de oportunidades de inversión antes de que sean ampliamente reconocidas. Los sistemas de aprendizaje automático pueden detectar patrones en grandes conjuntos de datos, pero su capacidad para predecir los precios de los activos de forma sistemática sigue siendo incierta.
Los mercados financieros se adaptan. En cuanto se conoce un patrón que puede aprovecharse, los inversores operan en función de él y reducen su valor. Además, los modelos pueden ajustarse demasiado a los datos históricos, lo que genera resultados impresionantes en las pruebas retrospectivas que, sin embargo, no resisten las condiciones cambiantes del mercado.
Existe otro problema relacionado con la explicación. Un sistema complejo puede recomendar reducir la exposición a un activo concreto sin aportar una razón económica clara. Esto plantea dificultades a los asesores, que deben explicar las decisiones a los clientes y demostrar que las recomendaciones son adecuadas.
Por lo tanto, el análisis predictivo resulta más fiable cuando sirve de apoyo a los procesos de inversión ya establecidos, en lugar de sustituirlos. Un sistema puede señalar un cambio en la liquidez, en las expectativas de beneficios o en el posicionamiento en el mercado, mientras que el equipo de inversión decide si esa señal tiene una base económica convincente.
Es posible ahorrar costes, pero no es algo automático
La inteligencia artificial puede reducir el tiempo dedicado a la elaboración de informes de carteras, la conciliación de datos, la preparación de estudios y la comunicación habitual con los clientes. En el caso de las grandes empresas, incluso unas mejoras modestas en miles de cuentas pueden suponer un ahorro operativo significativo.
La cuestión de los costes no es tan sencilla como sugiere el material promocional. Los gestores patrimoniales deben invertir en datos fiables, ciberseguridad, integración de sistemas y formación de los empleados antes de que las herramientas de inteligencia artificial puedan funcionar de forma fiable. Muchas empresas siguen utilizando tecnología desarrollada en diferentes momentos para unidades de negocio independientes, lo que dificulta la creación de una visión única de los clientes y las carteras.
Los proveedores externos de IA pueden reducir los costes de desarrollo, pero también generan dependencia de terceros. Las empresas deben comprender cómo se entrenan los modelos, dónde se almacenan los datos de los clientes y qué ocurre cuando un servicio deja de estar disponible. Un menor coste inicial puede acarrear riesgos operativos y normativos a largo plazo.
Por lo tanto, los proyectos más exitosos comienzan con una tarea bien definida. La reducción del tiempo necesario para elaborar un informe trimestral es un objetivo cuantificable. Mejorar el rendimiento de las inversiones mediante la inteligencia artificial es un objetivo más amplio y más incierto.
Las autoridades reguladoras están haciendo hincapié en la rendición de cuentas
El uso de la inteligencia artificial no modifica las responsabilidades legales de los gestores patrimoniales. Las empresas siguen siendo responsables de la adecuación, la divulgación de información, la supervisión y la protección de los datos de los clientes. No pueden transferir esa responsabilidad a un proveedor de software.
La Comisión de Valores y Bolsa de EE. UU. ya ha tomado medidas contra asesores de inversión que realizaron afirmaciones engañosas sobre el uso que hacían de la inteligencia artificial. En 2024, el organismo regulador presentó cargos contra dos asesores por declaraciones falsas o engañosas relativas a sus supuestas capacidades en materia de inteligencia artificial, lo que pone de manifiesto la creciente preocupación por el «AI washing».
Los reguladores europeos han identificado riesgos similares. La Autoridad Europea de Valores y Mercados ha advertido sobre la mala calidad de los datos, el sesgo algorítmico, la opacidad en la toma de decisiones, la dependencia excesiva de herramientas automatizadas y las preocupaciones en materia de privacidad. No se trata de cuestiones abstractas. Influyen en la posibilidad de explicar, revisar y cuestionar una recomendación.
Por lo tanto, las empresas deben documentar dónde se utiliza la IA, qué información procesa y quién aprueba el resultado. Un asesor no puede justificar una recomendación inadecuada alegando que fue generada por el sistema.
La comunicación con los clientes podría convertirse en la aplicación más visible
Muchos asesores dedican mucho tiempo a elaborar actas de reuniones, resúmenes de mercado y explicaciones sobre el rendimiento de las carteras. La IA generativa puede facilitar esta labor al convertir análisis complejos en comunicaciones claras para los clientes.
Un sistema podría explicar por qué una cartera de bonos se depreció cuando subieron los tipos de interés o mostrar cómo las fluctuaciones de los tipos de cambio afectaron a las inversiones internacionales. También podría elaborar diferentes versiones del mismo análisis para clientes con distintos niveles de conocimientos financieros.
Esto puede mejorar la coherencia y permitir que los asesores se centren en las conversaciones en lugar de en las tareas administrativas. También puede ayudar a las empresas a comunicarse con mayor frecuencia en momentos de volatilidad en los mercados, cuando los clientes necesitan tranquilidad e información clara.
Los riesgos siguen siendo considerables. Los comentarios generados pueden contener errores fácticos, omitir matizaciones o emplear un lenguaje que exagere el grado de certeza. Por lo tanto, toda comunicación relevante debe ser revisada por una persona cualificada, especialmente cuando se refiera al rendimiento, al riesgo o a recomendaciones de inversión.
La ciberseguridad pasa a formar parte del proceso de inversión
Los gestores patrimoniales disponen de información confidencial sobre los activos de los clientes, las estructuras familiares, los intereses empresariales y los planes financieros. Los sistemas de inteligencia artificial suelen requerir un amplio acceso a estos datos, lo que aumenta las posibles consecuencias de una filtración.
Las empresas deben determinar si los proveedores externos conservan la información de los clientes o la utilizan para entrenar sus modelos. Asimismo, deben controlar qué empleados pueden subir documentos y garantizar que no se introduzca material confidencial en aplicaciones públicas sin autorización previa.
La inteligencia artificial puede reforzar la seguridad al detectar actividades anómalas, pero también permite llevar a cabo ataques más sofisticados. Se pueden generar rápidamente correos electrónicos fraudulentos, voces clonadas y documentos convincentes, que pueden utilizarse para suplantar la identidad de clientes o asesores.
Por lo tanto, es necesario reforzar la verificación de los pagos y los controles de identidad. Una voz o un estilo de escritura que resulten familiares ya no pueden considerarse una prueba suficiente de que una orden sea auténtica.
Los asesores necesitan nuevas competencias, no ser sustituidos
Es más probable que la IA transforme el trabajo de asesoramiento que lo elimine. Los empleados dedicarán menos tiempo a recopilar y dar formato a la información, mientras que se prestará más atención a la interpretación, la toma de decisiones y la comunicación.
Los asesores deben comprender los puntos fuertes y las limitaciones de los sistemas que utilizan. No es necesario que se conviertan en ingenieros de software, pero sí deben ser capaces de identificar resultados poco fiables, cuestionar los supuestos y explicar cómo se ha llegado a una recomendación.
El papel humano cobra especial importancia en los momentos de tensión. Un modelo puede recomendar la venta de activos para restablecer la asignación objetivo, mientras que un asesor puede darse cuenta de que el cliente está reaccionando de forma emocional y necesita una conversación más amplia sobre sus objetivos a largo plazo.
La confianza sigue siendo un elemento fundamental de la gestión patrimonial. La tecnología puede mejorar la calidad y la rapidez del asesoramiento, pero los clientes siguen esperando que sea una persona la que asuma la responsabilidad de las decisiones difíciles.
Prioridades prácticas para los gestores patrimoniales
Las empresas que estén considerando la posibilidad de utilizar análisis de gestión patrimonial basados en la inteligencia artificial deberían empezar por la disciplina operativa, en lugar de por predicciones ambiciosas.
- Mejorar los datos subyacentes. Los registros de clientes, carteras y transacciones deben ser coherentes para que los análisis avanzados puedan ofrecer resultados fiables.
- Selecciona aplicaciones iniciales específicas. La revisión de documentos, la elaboración de informes y el seguimiento de riesgos ofrecen indicadores de valor más claros que la selección autónoma de carteras.
- Define los puntos de aprobación por parte de personas. Las recomendaciones sobre materiales, las comunicaciones con los clientes y las transacciones deben seguir estando sujetas a la revisión de un profesional designado.
- Evalúa a los proveedores con detenimiento. Las empresas deben saber dónde se tratan los datos, cómo se gestionan los modelos y qué medidas de protección existen en caso de que un proveedor incumpla sus obligaciones.
- Mide los resultados, no la actividad. El número de herramientas de IA que se utilicen es menos importante que el hecho de que reduzcan los errores, ahorren tiempo o mejoren la comprensión del cliente.
- Forma a los empleados para que cuestionen los resultados. El personal debe saber identificar las alucinaciones, los sesgos, la información obsoleta y las recomendaciones que no estén respaldadas por un razonamiento económico.
- Evita las afirmaciones promocionales. Las empresas deberían describir con precisión el uso que hacen de la inteligencia artificial y evitar dar a entender que esta tecnología puede garantizar una rentabilidad superior.
La siguiente fase será más tranquila y estará más integrada
En los próximos tres a cinco años, es probable que la inteligencia artificial pase a ser un componente habitual de la infraestructura de gestión patrimonial, en lugar de un producto independiente. Se integrará en la elaboración de informes, el análisis de riesgos, la atención al cliente, el cumplimiento normativo y la administración de carteras.
Probablemente, los avances más significativos provendrán de la integración, más que de la predicción. Los sistemas combinarán datos de varios bancos, identificarán una necesidad de liquidez, elaborarán un análisis de la cartera y lo remitirán a un asesor para su aprobación. El proceso puede parecer menos espectacular que un motor de inversión autónomo, pero aborda problemas operativos reales.
PwC ha estimado que una adopción generalizada de la inteligencia artificial podría contribuir de manera sustancial al crecimiento económico mundial durante la próxima década. Esa previsión refleja el impacto potencial en numerosos sectores y no debe interpretarse como una predicción de la rentabilidad de la gestión patrimonial. En el ámbito del asesoramiento financiero, los beneficios dependerán de si las empresas utilizan la inteligencia artificial para mejorar decisiones concretas, en lugar de limitarse a aplicar ese término a la tecnología ya existente.
Los análisis de gestión patrimonial basados en la inteligencia artificial pueden hacer que las empresas de asesoramiento sean más ágiles, estén mejor informadas y respondan con mayor rapidez. Sin embargo, no pueden eliminar la incertidumbre de los mercados ni sustituir la responsabilidad sobre los resultados de los clientes. Las empresas que más se beneficien serán aquellas que consideren la inteligencia artificial como una herramienta analítica rigurosa, respaldada por datos fiables y criterio profesional, en lugar de como una fuente de información automática sobre inversiones.
