Según el MIT, el asesoramiento financiero mediante IA es sorprendentemente bueno, especialmente si se hacen las preguntas adecuadas

Tabla de contenido

En un artículo publicado por MITSloan, con la firma de Betsy Vereckey se resume que: A: El asesoramiento financiero mediante inteligencia artificial anima a las personas a ahorrar más, diversificar sus inversiones y asumir menos riesgos a medida que envejecen. B: Sin embargo, los consejos de la IA a menudo no logran ajustarse adecuadamente a perturbaciones como el desempleo, y permiten que las carteras se desvíen en lugar de reequilibrarlas activamente. C: Las diferencias en las indicaciones pueden dar lugar a variaciones en el asesoramiento, en función del género, el grado de conocimientos financieros y la familiaridad con el uso de modelos lingüísticos complejos.

Imagen de Tara Winstead en Pexels.com

Entonces, parece que cada vez más personas recurren a la inteligencia artificial en busca de asesoramiento financiero, pero ¿mejorará su situación financiera el hecho de seguir los consejos de los grandes modelos de lenguaje?

Un paréntesis antes de que siga leyendo: el artículo se basa en la experiencia del uso de la inteligencia artificial en los Estados Unidos. Los vínculos llevan a respuestas en inglés. Si eso no es un obstáculo, sigamos adelante:

“La mitad de los estadounidenses afirma utilizar la IA para obtener asesoramiento financiero, pero sabemos muy poco sobre qué tipo de asesoramiento reciben y si lo ponen en práctica”, afirmó Taha Choukhmane, profesor adjunto de finanzas en la Escuela de Administración Sloan del MIT y coautor de un nuevo artículo que mide y analiza la calidad del asesoramiento financiero proporcionado por grandes modelos de lenguaje.

Una investigación realizada por Choukhmane y sus coautores demostró que seguir las recomendaciones de la IA puede generar importantes ahorros para prácticamente todas las personas mayores de 30 años.

La IA recomendó sistemáticamente a las personas ahorrar durante su vida laboral, utilizar sus ahorros al jubilarse, invertir fuertemente en fondos de acciones diversificados y reducir su exposición a las acciones después de los 45 años. Sin embargo, los chatbots de IA tuvieron menos éxito a la hora de adaptarse a crisis como el desempleo y permitieron que las carteras se desviaran en lugar de reequilibrarlas activamente.

La calidad del asesoramiento financiero proporcionado por los expertos en derecho mejoró cuando los investigadores introdujeron indicaciones más estructuradas, pero la IA aún generaba con frecuencia un reequilibrio de cartera demasiado escaso.

Cómo se realizó el estudio
#

Los investigadores crearon un modelo que refleja cómo evolucionan normalmente los ingresos, los empleos, las inversiones y los impuestos de las personas a lo largo de su vida, lo que les proporcionó un punto de referencia sobre cómo deben ser las “buenas” decisiones financieras.

Luego, pidieron a una muestra de 1.000 adultos que escribieran sus propias preguntas solicitando consejos sobre gastos e inversiones a GPT-5.2, GPT-5.6 o Gemini 3 Flash.

A continuación, simularon qué ocurriría si personas de entre 22 y 89 años siguieran ese consejo a lo largo del tiempo, formulando repetidamente a la IA este mismo tipo de preguntas y siguiendo sus recomendaciones sobre gastos, ahorros e inversiones.

Finalmente, repitieron el ejercicio utilizando preguntas académicas bien redactadas que incluían información financiera completa y supuestos claros. Estas preguntas más detalladas incluían información sobre la edad, la situación laboral, los ingresos y los ahorros de cada persona, además de supuestos sobre el entorno económico.

Los autores compararon el asesoramiento simulado (qué ocurriría si la gente común siguiera las recomendaciones de la IA a partir de las indicaciones proporcionadas) con las prácticas financieras que la gente ya realizaba sin la ayuda de la IA. También compararon el asesoramiento simulado con la indicación académica.

Los resultados demostraron que los Grandes Modelos de Lenguaje (LLM, por las siglas en inglés) pueden ofrecer una fuente de asesoramiento financiero asequible y ampliamente accesible que puede ayudar a los usuarios a superar los costos importantess, los sesgos y conflictos de interés asociados con los asesores financieros humanos tradicionales.

Desglosando los hallazgos
#

En general, los investigadores descubrieron que el asesoramiento financiero proporcionado por los Grandes Modelos de Lenguaje (LLM) a lo largo del tiempo es bueno, pero mejora cuando las preguntas se formulan de manera académica, y también comprobaron que los modelos tienen fortalezas y debilidades.

Veamos
#

La IA fomenta un comportamiento financiero inteligente.

Los consejos de los LLM superaron las expectativas de los investigadores, independientemente de si las sugerencias provenían de usuarios habituales o de académicos. Orientaron a las personas hacia mayores ahorros, una mayor participación en el mercado de valores y promovieron una diversificación adecuada de sus inversiones y una asunción de riesgos apropiada para su edad.

“Nos sorprendió gratamente lo buenos que fueron los consejos”, dijo Choukhmane. “Sobre todo al leer el tipo de preguntas que hacía la gente, no era de esperar que los consejos coincidieran con lo que los académicos consideran buenos principios financieros”.

La IA pasa por alto matices importantes. Mejorar las indicaciones podría ayudar.

Los consejos de los Grandes Modelos de Lenguaje (LLM) no abarcaban aspectos más sutiles de una buena planificación financiera. Tendían a basarse en reglas generales para ahorrar y gastar, y no se adaptaban adecuadamente a los cambios de circunstancias. Por ejemplo, aconsejaban a quienes habían perdido su empleo que recortaran sus gastos drásticamente, incluso teniendo ahorros.

El problema
#

La forma en que la gente formula las preguntas es parte del problema. Una pregunta típica podría ser: “¿Dónde debería invertir comenzando con 50 dólares y añadiendo 25 dólares mensuales de forma constante?”.

Cuando se utilizó una instrucción académica más detallada y estructurada, el modelo LLM tuvo un mejor desempeño. Por ejemplo, una instrucción académica podría indicarle al chatbot que asumiera una esperanza de vida normal, gastos de manutención, edad de jubilación, riesgo laboral y riesgo de ingresos, y que supusiera que la legislación fiscal estadounidense actual y las normas de la Seguridad Social no cambiarán. (Recordemos que el estudio se relaciona con Estados Unidos)

Choukhmane señaló que “la gente común no redacta sus ejercicios de la misma manera que un profesor de finanzas”.

Los consejos de la IA varían según el usuario, lo que puede generar desigualdades económicas.

Los autores del estudio descubrieron que el asesoramiento de los Grandes Modelos de Lenguaje (LLM) varía según el género, la educación financiera y la experiencia de quien lo proporciona, lo que genera importantes brechas en el patrimonio para la jubilación.

Siguiendo los consejos en respuesta a las indicaciones escritas por humanos, los usuarios con mayor educación financiera o aquellos con experiencia previa en IA generaron aproximadamente un 5 % más de riqueza cerca de la jubilación. Específicamente:

A. El programa LLM recomendó mayores asignaciones a renta variable en respuesta a sugerencias escritas por hombres y por personas con un alto nivel de conocimientos financieros. A lo largo de la vida, estas diferencias en el asesoramiento sobre inversiones se tradujeron en una disminución de aproximadamente 50.000 dólares (un 4 %) en el patrimonio a los 60 años para las mujeres y para los usuarios con menor nivel de conocimientos financieros.

B. El programa LLM recomendó tasas de ahorro más bajas en respuesta a preguntas escritas por personas que no habían utilizado previamente la IA para obtener asesoramiento financiero. Siguiendo este consejo, a los 60 años tenían casi 100 000 dólares menos (un 6 %) que las personas con experiencia previa en IA.

Según Choukhmane, estas diferencias provienen de dos fuentes. En primer lugar, los distintos usuarios formulaban preguntas diferentes y solían abordar temas distintos. Por ejemplo, las mujeres tendían a usar términos como «familia», «comestibles» y «pago» en sus consultas, mientras que los hombres utilizaban palabras como «estrategia», «criptomonedas» y «crecimiento».

En segundo lugar, el modelo puede ofrecer consejos diferentes incluso cuando la pregunta subyacente es la misma. En el caso del género, aproximadamente dos tercios de la brecha de género en los resultados de riqueza podrían atribuirse a las diferencias en la forma en que hombres y mujeres redactaron sus preguntas, mientras que el tercio restante provino de que el modelo cambió su consejo cuando la misma pregunta se etiquetó como proveniente de una mujer en lugar de un hombre.

Este último patrón podría reflejar que el modelo LLM realiza inferencias razonables sobre cómo varían las preferencias o las circunstancias según el género —lo cual, idealmente, el modelo podría explicitar a los usuarios, según Choukhmane— o podría reflejar sesgos aprendidos a partir de los datos de entrenamiento.

Aún falta
#

El reto de la asesoría financiera basada en IA radica en la falta de parámetros de referencia claros, afirmó Choukhmane. Solo cuando exista un marco aceptado sobre cómo debe variar la asesoría según las características demográficas, los Grandes Modelos de Lenguaje (LLM) podrán avanzar en la dirección correcta. Añadió que mantiene la esperanza de que esto suceda.

Además, es importante recordar que no toda variación en los consejos es problemática, dijo Choukhmane. Por ejemplo, “queremos que [el programa LLM] tenga diferentes perspectivas porque hombres y mujeres son diferentes y tienen diferentes expectativas de vida y riesgos de ingresos”, afirmó.

Conclusiones para los usuarios
#

Más allá de tener en cuenta los sesgos y, por el momento, pedir a los estudiantes de Grandes Modelos de Lenguaje que los eviten, el éxito radica en formular preguntas más inteligentes. Las preguntas basadas en la planificación del ciclo de vida, la teoría de la cartera y los supuestos financieros del mundo real mejoraron el asesoramiento sobre gastos y ahorros, y redujeron las respuestas básicas y simplistas.

«Creo que el verdadero desafío es cómo asegurarnos de que el asesoramiento financiero mediante IA sea efectivo para personas que no tienen un nivel de conocimientos financieros adecuado y que no redactan las preguntas a la perfección», dijo Choukhmane. Una idea para quienes estén interesados en usar IA para obtener asesoramiento financiero es comenzar utilizándola como una herramienta para desarrollar conocimientos financieros, en lugar de simplemente seguir sus consejos.

Según Choukhmane, la IA puede ser un buen complemento para trabajar con un asesor financiero —alguien con quien quizás te reúnas dos veces al año— porque puede ayudarte a implementar los consejos que te dan en tiempo real.

¿Y la IA?
#

Y para quienes no tienen el dinero para contratar a un asesor financiero humano, la IA es una buena manera de obtener asesoramiento a bajo costo. “Muchas de las personas que se beneficiarían del asesoramiento financiero son precisamente las que no cuentan con muchos recursos”, afirmó el investigador.

¿Cuál es el papel de las empresas?
#

Los investigadores creen que a medida que los consumidores recurren cada vez más a los asesores financieros para obtener asesoramiento, es posible que los proveedores deban replantearse cómo los clientes se informan sobre sus productos. El estudio reveló que los asesores financieros a menudo recomendaban tipos de cuentas, productos financieros y proveedores específicos que los propios encuestados no mencionaban. (Por ejemplo, los productos de inversión de Vanguard aparecieron en el 6 % de las respuestas de los asesores financieros, y los productos de iShares en el 3,4 %, a pesar de que menos del 0,4 % de las preguntas mencionaban a cualquiera de las dos compañías).

Según Choukhmane, esto sugiere que el asesoramiento basado en IA podría estar cambiando la forma en que las personas encuentran y comparan productos financieros. Para las empresas financieras, captar la atención de los clientes podría depender menos del marketing tradicional o de la visibilidad en los motores de búsqueda y más de si sus productos son descritos por expertos en marketing legal (LLM) y cómo lo son cuando los consumidores buscan asesoramiento.

Cita
#

El artículo titulado AI Financial Advice: Supply, Demand, and Life Cycle Implications (“Asesoramiento financiero mediante IA: oferta, demanda e implicaciones del ciclo de vida”), que ganó el premio al mejor artículo del Instituto Suizo de Finanzas en 2026, fue escrito por Taha Choukhmane, Weidong Lin y Matthew Akuzawa del MIT Sloan y por Tim de Silva de la Escuela de Negocios de Stanford
El artículo AI financial advice is surprisingly good — especially if you ask the right questions fue publicado en el sitio web de MIT Sloan