Gestión de riesgo con IA: vigilar la cartera sin delegar decisiones

La gestión de riesgo con IA en una cartera consiste en poner un agente a vigilar de forma continua lo que un humano solo revisa a ratos: exposición por activo, sector y divisa, correlaciones que se mueven, concentración oculta, uso de margen, distancia al peor escenario histórico y desviaciones respecto a las reglas que tú mismo escribiste. El agente observa, calcula, compara con umbrales definidos por ti y avisa. No decide, no ejecuta y no opina sobre qué comprar.

Esa distinción —vigilar sí, decidir no— es todo el artículo. Llevo años operando sistemas algorítmicos y construyendo herramientas para analizarlos, y el patrón que se repite es que los desastres de riesgo casi nunca vienen de una posición mala: vienen de tres posiciones que parecían distintas y resultaron ser la misma apuesta, o de un límite que se cruzó un martes por la tarde sin que nadie lo mirara. Ahí es donde una máquina que no se cansa aporta valor real. Vamos a ver qué vigila, cómo se monta, qué cuesta y dónde falla.

¿Qué puede vigilar un agente de IA en una cartera?

Puede vigilar cualquier magnitud que se pueda calcular a partir de tus posiciones y de datos de mercado, de forma continua y sin fatiga. La lista útil es más corta de lo que parece, porque el valor está en vigilar pocas cosas bien y no cincuenta métricas que nadie mira:

• Exposición agregada por activo, sector, divisa y geografía, incluyendo la exposición indirecta que entra vía fondos o índices y que casi nunca se suma a mano.
• Correlaciones móviles entre posiciones. Es la métrica que más sorpresas evita: dos estrategias que parecían independientes empiezan a moverse juntas semanas antes de que el problema sea visible en la cuenta.
• Concentración efectiva: cuántas posiciones explican realmente la mayor parte de la variación diaria de la cartera. Suele haber muchas menos de las que uno cree.
• Uso de margen y apalancamiento frente a los límites propios, con proyección de qué pasaría con un movimiento adverso del 5 o el 10%.
• Distancia al peor escenario conocido: dónde está la caída acumulada actual respecto a la envolvente histórica de tu propio sistema. No es una predicción, es una referencia.
• Cumplimiento de tus propias reglas: tamaño máximo por posición, número máximo de operaciones abiertas, mercados prohibidos, horarios. Es el vigilante más barato y el que más disgustos ahorra.
• Eventos de calendario con impacto conocido —resultados, vencimientos, datos macro, cambios de contrato en futuros— cruzados contra las posiciones abiertas.

Además de calcular, un agente hace bien algo que a las personas nos cuesta: leer mucho texto y resumirlo contra un contexto. Cruzar noticias, notas de prensa y calendarios con la cartera abierta es un trabajo de lectura sistemática que encaja perfectamente en lo que ya describimos sobre los agentes de IA en research financiero. La condición es que el resumen venga siempre con la fuente enlazada, para poder comprobarlo en diez segundos.

¿Qué NO debe decidir un agente?

No debe decidir el tamaño de la posición, no debe cerrar ni abrir por iniciativa propia, y no debe saltarse una regla porque "el contexto ha cambiado". La razón no es desconfianza en la tecnología: es que esas tres decisiones concentran prácticamente todo el riesgo de ruina, y una decisión de ruina no se delega en un sistema que no puede responder de ella.

Hay un matiz importante sobre la automatización de órdenes. Un stop automático programado con antelación no es "un agente decidiendo": es una regla mecánica que tú escribiste en frío y que se ejecuta sin criterio. Eso está bien y es deseable. Lo que no recomiendo es que un modelo de lenguaje evalúe una situación y decida en ese momento si conviene cerrar; esa es la frontera, y conviene tenerla escrita en el diseño desde el principio.

¿Cómo se monta la vigilancia en la práctica?

En cuatro capas separadas. La separación importa porque permite verificar cada una por su lado y sustituir piezas sin rehacer el conjunto:

1. Capa de datos. Posiciones (desde el bróker o desde tu registro), precios históricos y calendario de eventos. Aquí está el 60% del trabajo real y ninguna capa posterior compensa un dato malo. Regla práctica: si dos fuentes discrepan, el agente avisa en vez de elegir.
2. Capa de cálculo. Métricas deterministas escritas en código normal —no en el modelo de lenguaje—: exposiciones, correlaciones sobre ventanas definidas, concentración, margen. Es código auditable que da el mismo resultado siempre.
3. Capa de criterio. Umbrales, reglas y excepciones que tú defines por escrito. El agente los aplica; no los inventa ni los ajusta.
4. Capa de comunicación. El informe diario y la alerta inmediata. Aquí sí encaja el modelo de lenguaje: convertir números y noticias en un texto de treinta segundos que se entiende antes de abrir el mercado, siempre con el número crudo al lado.

El error de diseño más común es meter el cálculo dentro del modelo de lenguaje. Un modelo puede equivocarse al sumar y suena igual de convincente cuando acierta que cuando falla; las métricas de riesgo tienen que salir de código determinista y el modelo solo debe explicarlas. Es el mismo principio de separación que aplico al validar estrategias con IA: la IA acelera el análisis, no sustituye al motor de cálculo.

¿Qué obligaciones aplican si gestionas dinero de terceros?

Si estás bajo licencia —empresa de servicios de inversión, gestora, asesor registrado—, la responsabilidad no se delega en la herramienta y eso está dicho por escrito. En su declaración pública de mayo de 2024 sobre el uso de IA en la prestación de servicios de inversión, ESMA recordó que las obligaciones de MiFID II siguen aplicando íntegras: el órgano de administración debe entender las herramientas que usa la firma, hay que ser transparente sobre el papel de la IA en el proceso de decisión, y sigue vigente el deber de actuar en el mejor interés del cliente. La propia ESMA señala como riesgos los sesgos algorítmicos, la calidad de los datos, la opacidad para el personal de la firma y el exceso de confianza en el sistema.

A eso se suman dos piezas más del marco europeo, con las fechas que conviene tener a mano: DORA, el reglamento de resiliencia operativa digital del sector financiero, aplica desde el 17 de enero de 2025 y trae exigencias de gestión de riesgo tecnológico y de proveedores críticos; y el Reglamento Europeo de IA impone desde el 2 de agosto de 2026 obligaciones de transparencia cuando un cliente interactúa con un sistema de IA. Verifica el estado vigente antes de tomar decisiones de cumplimiento, porque el calendario del AI Act se ha modificado en varias ocasiones y este texto se cierra en agosto de 2026.

Si gestionas tu propio patrimonio, nada de esto te obliga. Pero las tres ideas de fondo —entender la herramienta, documentar su papel y no delegar el criterio— son buenas prácticas con independencia de la licencia, y son gratis.

¿Cuánto cuesta montar un sistema así?

Un vigilante de riesgo acotado —una cartera, un bróker, cinco o seis métricas, informe diario y alertas— entra en la parte baja de la horquilla de un agente a medida para pyme: entre 15.000 y 40.000€ según integraciones, con las conexiones al bróker y la calidad de los datos como principal factor de coste. El mantenimiento sigue la regla habitual del 10-20% anual sobre lo construido, más el consumo de modelo, que en este caso es bajo porque el grueso del trabajo es cálculo, no generación de texto.

Los tres factores que disparan el presupuesto son siempre los mismos: brókers sin API decente, carteras repartidas entre varias plataformas que hay que consolidar, e instrumentos con contratos que cambian —futuros, opciones— donde la construcción de series históricas continuas es un proyecto en sí mismo. Si tu caso incluye los tres, cuenta con la parte alta de la horquilla y con más semanas de las que parece.

¿Dónde falla la IA en gestión de riesgo?

Falla en cuatro sitios, y los cuatro son predecibles. Primero, las correlaciones estimadas sobre ventanas cortas: son ruidosas y se disparan justo cuando hay tensión, generando alarmas tarde. Se mitiga usando varias ventanas a la vez y alertando por cambio sostenido, no por lectura puntual.

Segundo, la falsa sensación de control. Un panel bonito con doce métricas verdes no significa que la cartera esté sana; significa que las doce métricas que elegiste están dentro de rango. El riesgo que te hace daño suele ser el que no estás midiendo.

Tercero, la fatiga de alertas. Un sistema que avisa de todo acaba ignorado en dos semanas. La regla que uso: si una alerta no exige una acción concreta, no es una alerta, es una línea del informe diario. Menos de tres alertas reales por semana; el resto, al informe.

Y cuarto, la alucinación en la capa de texto. Cuando el modelo resume noticias o explica una métrica puede inventar una cifra con total aplomo. Por eso el informe debe llevar siempre el número crudo y el enlace a la fuente al lado de la frase: no para que quede bonito, sino para poder desmentirlo en diez segundos.

Si estás dando los primeros pasos en este terreno, el contexto general está en nuestra introducción al trading algorítmico con IA. Y si lo que quieres es construir la infraestructura de vigilancia —datos, cálculo, alertas, informe— con alguien que la monta cada semana, así trabajamos desde nuestra consultoría de inteligencia artificial.

Preguntas frecuentes

¿Puede un agente predecir una caída de mercado?

No, y cualquiera que lo prometa está vendiendo otra cosa. Lo que sí puede hacer es medir cuánto te dolería una caída dada tu exposición actual, avisar cuando esa cifra cruza el límite que tú fijaste y recordarte qué reglas escribiste para ese escenario. Es vigilancia del presente, no anticipación del futuro.

¿Qué datos necesito para empezar?

Posiciones actuales con identificador único, histórico de precios de esos instrumentos y tus reglas escritas. Lo que más frena los proyectos no es el modelo, es que las posiciones vivan en tres sitios distintos y nadie las haya consolidado nunca. Ese trabajo de consolidación es la primera fase y suele revelar sorpresas por sí solo.

¿Es mejor un modelo de lenguaje o un modelo estadístico?

Son capas distintas y no compiten. El cálculo de riesgo es estadístico y determinista; el modelo de lenguaje sirve para leer texto, cruzarlo con la cartera y explicar los números. Usar un modelo de lenguaje para calcular métricas es un error de diseño, y usar solo estadística te deja sin la parte de lectura de contexto.

¿Cada cuánto debería revisar el sistema de riesgo?

El informe, a diario; las reglas y los umbrales, trimestralmente y siempre fuera de mercado. Cambiar límites en caliente, mientras una posición va en contra, es el error clásico que convierte una pérdida controlada en un problema serio, y ningún sistema técnico protege contra eso.

¿Sirve esto para la tesorería de una empresa y no solo para una cartera de inversión?

El mecanismo es el mismo —vigilar exposiciones, cruzar con calendario, avisar contra umbrales— aunque las magnitudes cambien: en una empresa hablas de divisa, vencimientos de deuda, concentración de clientes y previsión de caja. La arquitectura de cuatro capas se traslada casi tal cual.

Este artículo trata la tecnología y el negocio de la IA aplicada a los mercados. No es asesoramiento financiero ni una recomendación de inversión.