Son las 09:30 en Nueva York y un dato de inflación sale peor de lo esperado. En menos de un segundo, los sistemas automatizados de bancos, fondos y creadores de mercado leen la misma cifra, la cruzan con episodios históricos parecidos y llegan a idéntica conclusión: reducir exposición. Las órdenes de venta se acumulan mientras las de compra desaparecen del libro.
Ninguno de esos sistemas ha cometido un error, y aun así el resultado colectivo es una caída que ninguno buscaba. El escenario es hipotético, pero su lógica ya figura en los informes de estabilidad financiera de los principales supervisores del mundo.
De las reglas fijas a los modelos que aprenden
La automatización no es nueva en los mercados. Desde hace dos décadas, buena parte de las órdenes se ejecuta mediante negociación algorítmica tradicional: programas que siguen reglas escritas por personas, como dividir una orden grande en tramos o comprar cuando un precio cruza cierto umbral.
El aprendizaje automático añadió otra capa, porque esos modelos ya no obedecen instrucciones explícitas, sino que extraen patrones de grandes volúmenes de datos para estimar riesgos o anticipar precios. La IA generativa y los agentes autónomos van más allá, ya que interpretan noticias, informes y comunicados en lenguaje natural y pueden encadenar análisis y decisiones con creciente autonomía.
El FMI dedicó a este fenómeno un capítulo de su Informe sobre la Estabilidad Financiera Mundial de octubre de 2024, donde concluyó, a partir de datos de empleo y de patentes, que la adopción de IA en los mercados de capitales probablemente aumentará de forma significativa.
En ese momento, el organismo observó que los inversores apenas usaban la IA generativa, aunque los consultados preveían integrarla más en sus decisiones en un plazo de tres a cinco años, con supervisión humana en las grandes asignaciones de capital.
El riesgo de pensar igual
La sofisticación de cada modelo no garantiza la estabilidad del conjunto. Si instituciones distintas recurren a los mismos proveedores, a arquitecturas similares y a datos comparables, sus conclusiones tienden a converger, y lo hacen con más fuerza cuando la incertidumbre es alta y todos buscan la misma salida.
El Consejo de Estabilidad Financiera incluyó las correlaciones de mercado entre las vulnerabilidades asociadas a la IA con potencial de elevar el riesgo sistémico. El Banco de Inglaterra, por su parte, advirtió en 2025 que la dependencia de un número reducido de modelos y conjuntos de datos podría generar conductas de negociación correlacionadas y amplificar los choques en momentos de tensión.
Los economistas llaman a este mecanismo falacia de composición. Un fondo que vende para respetar sus límites de riesgo actúa con prudencia, pero cuando miles lo hacen a la vez los precios caen, la volatilidad sube y los modelos recalculan el riesgo al alza, lo que ordena nuevas ventas mientras los creadores de mercado amplían diferenciales o se retiran.
El Flash Crash del 6 de mayo de 2010 muestra esa dinámica sin intervención de la IA. Según el informe conjunto de la SEC y la CFTC, en una sesión ya marcada por alta volatilidad y liquidez menguante, un gestor de fondos lanzó un programa para vender 75.000 contratos E-Mini, valorados en unos 4.100 millones de dólares, y el Dow Jones llegó a perder casi 1.000 puntos en menos de media hora.
Aquel episodio involucró algoritmos de ejecución y operadores de alta frecuencia, no modelos de IA, y su lección está en el mecanismo: la liquidez puede evaporarse cuando más se necesita.
Frenos para una velocidad nueva
Tras 2010, los reguladores estadounidenses reforzaron los circuit breakers, y hoy una caída del S&P 500 del 7%, 13% o 20% activa pausas en todo el mercado. Las cámaras de compensación reducen el riesgo de contraparte, aunque en episodios de estrés elevan los márgenes y obligan a muchos participantes a buscar liquidez al mismo tiempo, un efecto procíclico que la automatización podría acelerar.
El FMI planteó que las autoridades y las plataformas de negociación evalúen si deben diseñar o ajustar mecanismos de respuesta a la volatilidad frente a caídas relámpago originadas en operaciones con IA, y advirtió que la tecnología podría desplazar inversión hacia fondos de cobertura y otros intermediarios no bancarios, menos transparentes y más difíciles de supervisar. El FSB, a su vez, pidió reforzar el monitoreo y evaluar si los marcos regulatorios vigentes son suficientes.
Los mercados cripto suman un frente propio, porque operan las 24 horas sin pausas coordinadas entre plataformas y con derivados apalancados cuyas liquidaciones automáticas ya han acelerado caídas de bitcoin en el pasado.
La otra cara existe y pesa. El mismo FMI reconoce que la IA podría reducir algunos riesgos al mejorar la gestión de riesgos, profundizar la liquidez y perfeccionar la vigilancia de los mercados. El resultado más probable es un mercado más eficiente en condiciones normales y más expuesto a respuestas sincronizadas en los extremos.
La paradoja de fondo es que cada sistema se diseña para proteger a quien lo usa, mientras nadie se ocupa de programar la prudencia del conjunto.
Automatizar la cautela individual no equivale a automatizar la estabilidad, y la pregunta que queda abierta para reguladores y mercados es quién se encargará de que miles de algoritmos prudentes no terminen tomando, en el mismo segundo, la decisión más imprudente de todas.
