La IA no sabe invertir: pierde hasta un 63% en pruebas reales. La promesa de utilizar IA, para predecir los mercados y operar en criptomonedas ha generado un enorme entusiasmo desde la llegada de modelos muy capaces como ChatGPT-3 o los primeros modelos Gemini. La idea es sencilla: si una IA puede analizar millones de puntos de datos en segundos, ¿no podría superar al mercado?
No es tan descabellado pensar en esto, después de todo, la capacidad de computar esta gran cantidad de datos, incluso en stream y tiempo real, hacen parecer a la IA como la “panacea” para el trading.
La IA no sabe invertir
Sin embargo, una reciente competición llamada “Alpha Arena” puso a prueba esta teoría en el mundo real. Para ello ha tomado a seis de los LLM más conocidos, les han dejado 10.000 dólares a cada uno y se les dio rienda suelta para operar en el volátil mercado de criptomonedas durante poco más de dos semanas. Los resultados finales fueron menos que estelares. Cuatro de los seis modelos terminaron en números rojos, demostrando que esta tecnología, lejos de ser una máquina de hacer dinero, podría ser simplemente una nueva y sofisticada forma de perderlo.
DAVID SACKS, JEFE DE IA EN EEUU, ACUSA A EUROPA DE ASFIXIAR LA INNOVACIÓN EN IA
Los resultados de Alpha Arena
La competición “Alpha Arena”, creada por la firma Nofl, fue diseñada para ver si los LLM podían gestionar de forma autónoma un portafolio de criptomonedas. Los resultados demostraron una clara incapacidad para generar ganancias de forma consistente.
Cuatro de los seis participantes perdieron dinero:
- ChatGPT (OpenAI): Fue el mayor perdedor, con un desplome del 63% de sus fondos, perdiendo 6.267 dólares.
- Gemini (Google): Perdió 5.671 dólares.
- Grok (X): Perdió 4.531 dólares.
- Claude Sonnet (Anthropic): Perdió 3.081 dólares.
Solo dos modelos lograron salvarse: QWEN3 MAX de Alibaba, que obtuvo una ganancia de 2.232 dólares, y DeepSeek, con una modesta ganancia de 489 dólares. Ante todo esto, quizás el dato más revelador fue la tasa de éxito (win rate) general. Para los seis modelos de IA, esta tasa se situó en un pobre rango de entre el 25% y el 30%.
¿Por qué los LLM fallan en el trading?
Estos decepcionantes resultados de Alpha Arena no son una anomalía y no deben sorprendernos. Tanto los datos de esa competición como otros estudios académicos sugieren que los LLM, en su forma actual, no están preparados para el caos de los mercados financieros. Después de todo, su arquitectura fundamental presenta varias debilidades clave cuando se enfrenta a esta tarea.
IA Y BLOCKCHAIN: LA DUPLA QUE DOMINARÁ EL EMPLEO TECH EN 2026
Manejo deficiente de datos y sobreoperación
Irónicamente, las IA han demostrado ser poco hábiles con los números en tiempo real. Como señaló el propio organizador de Alpha Arena, Jay Azhang, «las IA no manejan muy bien los datos de series temporales numéricas», que era precisamente el único contexto que se les proporcionaba para operar. En su lugar, los modelos de IA están diseñados para predecir la siguiente palabra en una oración, no el siguiente movimiento en un gráfico de precios.
Esta debilidad fundamental conduce a un comportamiento errático y costoso: la sobreoperación (over-trading). Básicamente, las IA son incapaces de identificar tendencias significativas a largo plazo a partir de datos numéricos puros, por lo que los modelos parecen reaccionar al «ruido» del mercado sin tener un contexto claro.
¿Resultados? Muy claros:
- Gemini de Google realizó un total de 238 operaciones y, a pesar de terminar con fuertes pérdidas, acumuló 1.331 dólares solo en comisiones.
- QWEN3 MAX, aunque fue rentable, también mostró esta tendencia, gastando 1.654 dólares en comisiones de trading.
En esencia, los LLM operaban con tanta frecuencia que las comisiones de la plataforma de intercambio (exchange) se comían cualquier ganancia potencial, un error clásico de trading novato.
Exceso de lógica en mercados irracionales
Otro punto es que los modelos de IA pueden actuar de forma no determinista y totalmente contraintuitiva cuando trabajan con datos volátiles. Esto lo dejo claro el estudio académico «Exploring LLM Cryptocurrency Trading Through Fact-Subjectivity Aware Reasoning», que descubrió que los modelos de IA más fuertes y avanzados (como GPT-4) a veces obtienen peores resultados que los modelos más débiles (como GPT-3.5).
La razón principal es que los modelos más avanzados muestran una fuerte preferencia por la información factual (datos objetivos, eventos concretos) por encima de la subjetividad (opiniones, sentimientos, rumores). Si bien esta preferencia por la lógica es beneficiosa en matemáticas o codificación, se convierte en una gran desventaja en los mercados de criptomonedas.
Y es que los mercados son racionales. De hecho, están fuertemente influenciados por «factores emocionales y psicológicos», como la euforia (FOMO), el pánico o el «hype» en redes sociales, que llevan los precios de los activos mucho más allá de su valor intrínseco.
Pero la IA, al buscar la lógica, resulta totalmente ciega a este motor emocional. Es por ello, que este estudio descubrió algo interesante: las IA mejoraban su rentabilidad cuando se les forzaba a analizar por separado los hechos y las opiniones subjetivas. De hecho, los investigadores identificaron que la información subjetiva es crucial para obtener mayores rendimientos en los mercados alcistas (bull markets).
Sin embargo, esto no es fácil de hacer con los modelos generalistas, hay que entrenar las IAs para tener en cuenta este tipo de situaciones desde su base, sin que ello haga un envenenamiento del modelo.
POR QUÉ LA LA, LOS CHIPS Y LAS CRIPTOMONEDAS SON LAS ARMAS DE LA NUEVA GUERRA FRÍA TECNOLÓGICA
Alucinaciones y falta de juicio
Y finalmente, el defecto más conocido de la IA es su tendencia a «alucinar», es decir, a inventar con total confianza cifras, hechos, URL y fuentes que parecen reales, pero que son completamente falsos. En un contexto de trading, una alucinación no es un error trivial; es el principio de una decisión financiera catastrófica. Una IA por ejemplo, podría «alucinar» que una empresa anunció una asociación o que un indicador técnico alcanzó un punto clave, y ejecutar una operación basada en esa falsedad. El resultado: pierdes dinero.
Por esta razón, los expertos advierten que la IA no debe ser tratada como «oráculos» para predecir precios o recibir consejos de compra/venta. Su verdadero potencial no reside en tomar decisiones, sino en procesar grandes cantidades de información.
En ese sentido, la analogía correcta es la de un «copiloto» de investigación, no la de un «piloto». Una IA puede ser una herramienta poderosa para resumir rápidamente noticias del mercado o el sentimiento en redes sociales. Datos que como trader, te pueden servir para tomar una decisión clara. Pero dejar que una IA maneje tu portafolio, puede ser una decisión que resulte muy cara al final.
Cuidado con los «bots milagrosos» de IA
Sobre todo porque el entusiasmo por la inteligencia artificial ha impulsado una nueva ola de publicidad engañosa y estafas (scams) que prometen riquezas fáciles a través de «bots de trading por IA». Estos servicios a menudo se anuncian con promesas de altos rendimientos garantizados.
ITALIA APRUEBA LEY DE IA CON PENAS DE HASTA 5 AÑOS DE CÁRCEL POR DEEPFAKES
Sin embargo, tal como lo demostró la competición Alpha Arena, ni siquiera los modelos de IA más avanzados y caros del mundo pueden operar de manera rentable en condiciones reales; de hecho, la mayoría pierde dinero estrepitosamente.
Por ello, cualquier plataforma que afirme tener un bot de IA secreto que supera al mercado está vendiendo una fantasía. Depender de predicciones de IA para el trading puede generar una falsa confianza y llevar a pérdidas significativas. La IA no es una bola de cristal, y en el trading, sigue siendo una herramienta que requiere una supervisión humana experta para evitar que cometa errores costosos.