La CNMV ejecutó un experimento en vivo durante diez meses (abril de 2025–enero de 2026) y la conclusión central es directa: los modelos de lenguaje no son inversores milagro, pero tampoco inherentemente inútiles; su utilidad depende de instrucciones precisas y control humano. (fuente: CNMV, abril 2026)
¿Pueden las LLM invertir por sí solas?
El experimento de la CNMV usó cuatro modelos —ChatGPT, Gemini, DeepSeek y Perplexity— y cada mes pidió las cinco acciones del IBEX35 “para comprar” y las cinco “para vender en corto”; el mercado real fue el juez. (fuente: CNMV). Durante diez meses el resultado fue variable: con prompts genéricos la mayoría de los modelos falló repetidamente y sólo ChatGPT dio ganancias puntuales sin supervisión; sin embargo, cuando se emplearon prompts iterativos y revisión humana, Perplexity llegó a 3,5% mensual sobre el IBEX35 en ese periodo (fuente: CNMV). Otro problema metodológico es que las versiones de los modelos cambiaron entre abril y enero —por ejemplo, Gemini de abril no era el mismo en enero— lo que complica atribuir resultados al prompt, al mercado o a la propia actualización del modelo. (fuente: CNMV).
¿Cómo impacta esto en el mercado argentino?
Lo primero que tenemos que decir es práctico: en LATAM la infraestructura y los incentivos son distintos. Tenemos pasarelas de pago, logística y comportamiento de cliente que no se parecen a EEUU; por eso la recomendación de un LLM hecha sin adaptar al contexto regional tiene menos valor real. En paralelo, otros experimentos muestran riesgo real: un proyecto en Reddit observó que en cuatro meses, mientras el S&P cayó 7% desde noviembre de 2024, varios modelos superaron ese índice pero solo dos terminaron con retornos nominales positivos (fuente: Reddit, usuario Blotter-fyi). Y en mercados cripto, la empresa nof1.ai reportó pérdidas significativas: GPT-5 perdió más del 25% y Gemini cerca del 40% operando sin intervención humana (fuente: nof1.ai). Para un inversor argentino esto significa: el riesgo de confiar sin auditoría ni supervisión es material y puede comerse el capital de forma rápida.
Qué hacer si sos pyme o inversor particular
Vemos tres reglas prácticas: 1) Empezar con lo mínimo: prueben en simulación o con poco capital. 2) Medir ROI en términos de tiempo y dinero: si una herramienta les cuesta plata, que les libere más tiempo o genere más ingresos que ese costo. 3) Supervisión humana y documentación: la CNMV muestra que cuando los modelos reciben documentos oficiales o balances su precisión sube significativamente —es decir, los LLM razonan mejor con hechos verificados que con búsquedas abiertas (fuente: CNMV). Si Perplexity logró 3,5% mensual con prompts iterativos (fuente: CNMV), y esa cifra se mantuviera —hipótesis— equivaldría a aproximadamente 51% anual compuesto (cálculo propio). Eso suena bien, pero es hipotético: los modelos cambian, los mercados también, y la supervisión exige disciplina y criterio.
La demanda de transparencia: qué tenemos que pedir
Si algo queda claro es que no alcanza con “usar IA”; hace falta trazabilidad. Pedimos transparencia en tres frentes: versiones y logs de modelo, metodología de backtest y acceso a datos de entrada/salida para auditoría independiente. La CNMV misma registró que las actualizaciones de los modelos durante el experimento complicaron la interpretación de resultados (fuente: CNMV). Por eso exigimos auditorías independientes sobre métricas, metodologías y actualizaciones antes de aceptar recomendaciones automatizadas —lo mismo que pedimos para otras áreas de IA y fintech. Sin esas garantías, la IA queda como una caja negra que puede generar recomendaciones convincentes pero erróneas. En términos prácticos: si un proveedor no entrega versión del modelo, historial de prompts y resultados reproducibles, no hay por qué confiarle la plata.
Conclusión breve: la IA puede ser una herramienta potente para invertir, pero solo si se la usa con prompts precisos, supervisión humana y auditorías independientes que permitan verificar resultados y responsabilizar a proveedores. Si no, es puro ruido con riesgo real de pérdida.
