La inteligencia artificial se ha convertido en una herramienta fundamental en el mundo de las inversiones, permitiendo acelerar procesos que antes dependían del análisis humano. Según McKinsey, el 67% de los inversores considera prioritaria su adopción y el 82% prevé un impacto transformador en los próximos cinco años.
Sin embargo, la carrera por integrar modelos de inteligencia artificial generativa en la toma de decisiones puede exponer a los mercados a errores derivados de una confianza excesiva en la tecnología y a la aparición de sesgos y omisiones.
El crecimiento de la inteligencia artificial generativa, especialmente mediante el uso de grandes modelos de lenguaje, ha multiplicado las posibilidades para analizar oportunidades en los mercados privados.
Este entorno presenta una diversificación sin precedentes en las soluciones tecnológicas ofrecidas, lo que facilita a los equipos de inversión explorar alternativas de forma más ágil.
No obstante, especialistas citados por McKinsey insisten en que la verdadera diferenciación competitiva no surge únicamente de la velocidad, sino de la capacidad para identificar y gestionar los riesgos de fondo. Un directivo del sector expresó: “Me pagan por acertar, no por ser rápido”, según el informe.
Entre las principales ventajas de estos modelos destaca la rapidez con la que generan informes y la capacidad para analizar grandes volúmenes de datos. McKinsey advierte, sin embargo, que la calidad del proceso depende de una supervisión rigurosa y de la integración con las prácticas propias de cada firma.
La velocidad no garantiza precisión; por ello, la cultura interna debe guiar el uso de estos modelos hacia la detección temprana de riesgos y la asignación efectiva de recursos a las oportunidades más sólidas.
Frente al entusiasmo, McKinsey identifica riesgos concretos. Uno de ellos es el sesgo de optimismo en los informes automatizados: en siete de cada diez sectores analizados, los modelos generativos proyectaron escenarios más favorables que aquellos sustentados en entrevistas con expertos.
Mientras los sistemas tienden a mostrar perspectivas “ideales”, los especialistas humanos aportan matices que evidencian retos prácticos y diferencias notables entre segmentos.
A esto se suman contradicciones y divergencias en métricas esenciales como el tamaño del mercado, tasas de crecimiento, estructura de precios y márgenes.
Según McKinsey, estas diferencias suelen asociarse al uso de datos públicos no validados, lo que exige a los equipos contrastarlos con información propia y de fuentes expertas.
Las omisiones representan otro peligro: cerca del 40% de los datos relevantes identificados en entrevistas con conocedores del sector no aparecen en los análisis generados por inteligencia artificial, incluso después de realizar múltiples intentos de consulta.
Un ejemplo es el mercado estadounidense de ropa infantil. Mientras el análisis basado en expertos describía un sector estable, con crecimiento moderado y gasto por niño en alza respecto a la inflación, el informe automatizado afirmó que las ventas online suponían la mitad del mercado y que el gasto anual apenas llegaba a unos pocos cientos de dólares por niño, ante la estimación superior a USD 1.000 proporcionada por expertos.
Asimismo, este modelo omitió datos relevantes sobre márgenes, patrones por grupos de edad, información relevante de minoristas y rotación de inventarios.
McKinsey enfatiza que confiar totalmente en estos sistemas puede llevar a asignar recursos a transacciones poco prometedoras o a ignorar factores cruciales para la valoración y el riesgo de una inversión. Las decisiones basadas en información incompleta o sesgada pueden comprometer el rendimiento de los fondos a largo plazo.
Frente a tales desafíos, la consultora recomienda integrar la inteligencia artificial generativa con análisis propios, priorizando datos propietarios y el acompañamiento de expertos sectoriales. Adoptar un enfoque sistemático, con controles de calidad y procesos de debida diligencia, es esencial para aprovechar el potencial de la tecnología sin perder el juicio crítico de la experiencia humana.
De este modo, los equipos logran una visión más amplia de riesgos y oportunidades, mejorando tanto la asignación de capital como la eficiencia en el uso del tiempo dedicado al análisis.
Finalmente, el informe advierte sobre el riesgo de inundar los procesos de inversión con información irrelevante o superficial. Utilizar la inteligencia artificial de manera reflexiva significa seleccionar cuidadosamente las fuentes y proteger cada etapa de análisis de un exceso de insumos poco fiables.
La clave para los inversores, aseguran los especialistas, es conservar una actitud selectiva y deliberada respecto a los datos que incorporan, garantizando que la tecnología complemente y no reemplace el rigor profesional.