El problema de la manada de IA: por qué los sistemas de trading más rápidos pueden hacer menos diverso el mercado de divisas en 2026
Zeeshan · 2026-09-27
La IA puede diversificar las decisiones dentro de cada entidad y hacer más correlacionado el mercado FX mediante modelos, datos y proveedores comunes.
Por Zeeshan | YouYaa Intelligence | 27 de septiembre de 2026
Un mercado puede ser más rápido sin ser más diverso.
La tesis controvertida
La inteligencia artificial entra en uno de los mercados más automatizados del mundo: las divisas.
La escala es enorme. El material del Comité de FX de la Reserva Federal de Nueva York muestra una rotación media diaria de 9,6 billones de dólares en abril de 2025.[1] La ejecución electrónica en spot FX se acerca al 75%, incluso en operaciones dealer-a-cliente.[1]
El riesgo controvertido no es solo que una IA haga una mala operación. Es que muchas entidades usen modelos, datos, proveedores y objetivos de beneficio parecidos. Cada entidad puede superar sus propias pruebas mientras el mercado se vuelve más correlacionado.
Ese es el problema de la manada de IA: los sistemas individuales parecen controlados, pero el comportamiento colectivo es menos predecible.
No es una predicción de una caída causada por IA. Las fuentes oficiales describen adopción temprana y riesgos emergentes, no una crisis actual. Pero la pregunta de control es urgente: ¿quién prueba qué ocurre cuando miles de sistemas supuestamente independientes reaccionan en la misma dirección a velocidad de máquina?
Las cifras de adopción
El mercado no empieza desde cero.
El material de la Reserva Federal de Nueva York cita una encuesta del Banco de Inglaterra y la FCA en la que 75% de las entidades ya usaban IA y 55% de los casos de uso de IA incluían alguna decisión automatizada.[1]
FMSB dice que la IA orientada al mercado aún está en una etapa relativamente temprana. Normalmente está integrada en la infraestructura de trading existente y sigue bajo supervisión humana directa o indirecta.[2]
| Señal | Evidencia de 2026 | Importancia |
|---|---|---|
| Rotación diaria media de FX | 9,6 billones USD | Cambios pequeños operan a una escala enorme |
| Ejecución electrónica spot FX | Cerca del 75% | La IA actúa dentro de un mercado ya automatizado |
| Entidades que usan IA | 75% | La adopción ya no se limita a experimentos |
| Casos con alguna automatización | 55% | La revisión humana puede no cubrir cada decisión |
| Trading plenamente autónomo | Aún no presente, según FMSB | El riesgo futuro no es un hecho actual |
Por qué puede aparecer la manada
La gobernanza tradicional de algoritmos supone una lógica relativamente estable. Una entidad documenta, aprueba, prueba y supervisa un sistema.
La IA adaptativa es diferente. El reentrenamiento, la recalibración, los cambios de datos y las actualizaciones de proveedores pueden cambiar el comportamiento entre dos aprobaciones formales.[1]
Un pequeño cambio puede parecer inocuo dentro de un sistema. En muchos sistemas puede cambiar al mismo tiempo la liquidez, la ejecución, los precios o el apetito de riesgo.
| Fuente de alineación | Posible efecto colectivo |
|---|---|
| Proveedores de datos comunes | Señales similares llegan al mismo tiempo |
| Modelos fundacionales comunes | Entidades distintas reciben resultados relacionados |
| Objetivos de optimización similares | Los sistemas prefieren la misma respuesta de liquidez o riesgo |
| Proveedores de nube o modelos comunes | Un cambio afecta a muchas entidades |
| Límites de riesgo similares | Las entidades reducen riesgo o cubren juntas |
| Reentrenamiento rápido | El comportamiento cambia más rápido que la gobernanza |
El mercado puede ser menos diverso aunque cada entidad crea que actúa de manera independiente.
El problema de la velocidad
FX ya funciona a velocidad electrónica. La IA puede comprimir el tiempo entre información, formación de precios, ejecución, rechazo, cobertura y post-trade.
El material de la Reserva Federal de Nueva York identifica la velocidad y la automatización como factores que pueden aumentar la opacidad y las asimetrías de ejecución.[1]
Para un CFO, una cobertura puede fallar por razones difíciles de explicar después. Para una fintech, una actualización del modelo puede cambiar la ejecución sin cambiar la interfaz del producto.
La brecha de responsabilidad
FMSB afirma que la responsabilidad humana clara sigue siendo esencial aunque los sistemas sean más adaptativos. También afirma que los sistemas de trading plenamente autónomos aún no están presentes.[2]
Una persona no tiene que pulsar cada operación para seguir siendo responsable. La entidad sí debe saber qué decisiones puede tomar el sistema, qué límites existen, cómo se aprueban los cambios, quién puede detenerlo y cómo se reconstruye la decisión.
| Pregunta de control | Evidencia mínima |
|---|---|
| ¿Qué puede cambiar la IA? | Límites documentados de decisión y parámetros |
| ¿Quién aprueba las actualizaciones? | Responsable nombrado y registro de cambios |
| ¿Cómo se mide el drift? | Supervisión continua del rendimiento y conducta |
| ¿Qué pasa si el proveedor actualiza el modelo? | Revalidación y reversión |
| ¿Se puede detener el sistema? | Kill switch y override humano probados |
| ¿Se puede explicar una mala ejecución? | Registros de decisión útiles |
| ¿Qué ocurre si varias entidades usan el mismo modelo? | Evaluación de concentración de mercado |
La última pregunta suele faltar en la gobernanza interna.
La zona ciega del mercado
La mayoría de los controles comienza dentro de la entidad. Eso es lógico, pero incompleto.
Una entidad puede probar su modelo con precios históricos. Una fintech puede probar su motor con escenarios de estrés. Un fondo puede probar la liquidez con varios escenarios.
Ninguna prueba responde por sí sola qué ocurre cuando muchos participantes aplican respuestas similares al mismo tiempo.
El material de la Reserva Federal de Nueva York señala la manada de modelos, el uso de modelos comunes, la concentración de terceros y los movimientos bruscos como problemas para la industria.[1]
| Vista de la entidad | Vista del mercado |
|---|---|
| ¿Es preciso nuestro modelo? | ¿Se están volviendo similares muchos modelos? |
| ¿Está el sistema dentro de límites? | ¿Se activan límites comunes juntos? |
| ¿Es fiable el proveedor? | ¿Cuántas entidades dependen de él? |
| ¿Funciona el kill switch? | ¿Qué ocurre si muchos se activan? |
| ¿Es explicable nuestra ejecución? | ¿Puede el mercado explicar un movimiento sincronizado? |
La conclusión controvertida es que la gobernanza de IA no puede terminar en la validación del modelo. Debe incluir la vigilancia del comportamiento colectivo.
Qué significa para las fintechs
Las fintechs venden velocidad, automatización y mejor ejecución. Son ventajas reales. Pero la IA cambia el significado de “mejor”.
Un sistema más rápido puede encontrar liquidez en condiciones normales y retirarse rápidamente en estrés. Un modelo puede reducir el coste de ejecución de un cliente y aumentar la selección adversa de otro. Un modelo de terceros puede actualizarse sin un lanzamiento visible del producto.
Las actualizaciones del modelo deben tratarse como eventos de producto y de estructura de mercado, no solo como eventos de ingeniería.
Qué significa para CFO y tesorería
Los CFO deben preguntar cómo afecta la IA a la ejecución, cobertura, liquidez y registros.
| Pregunta | Importancia |
|---|---|
| ¿El sistema se reentrena o recalibra? | Puede cambiar entre aprobaciones |
| ¿Usa modelos de terceros? | Depende de actualizaciones externas |
| ¿Cuál es la ruta alternativa? | Velocidad no es resiliencia |
| ¿Cómo se explican operaciones rechazadas? | Puede haber riesgo de auditoría y conducta |
| ¿Puede anularse el sistema? | La responsabilidad humana necesita poder real |
| ¿Usan proveedores modelos parecidos? | La correlación puede ocultarse tras diversidad de proveedores |
Pruebas de estrés para la manada de IA
Una buena prueba no debe preguntar solo si falla un modelo. Debe preguntar si convergen varios sistemas.
| Escenario | Pregunta |
|---|---|
| Actualización común | ¿Cuántas estrategias cambian a la vez? |
| Caída de datos | ¿Qué sistemas usan el mismo respaldo? |
| Movimiento brusco de FX | ¿Los modelos aportan o retiran liquidez? |
| Señal falsa | ¿Qué tan rápido se propaga? |
| Fallo del proveedor | ¿Pueden operar las entidades de forma independiente? |
| Desriesgo sincronizado | ¿Se vuelve el mercado unidireccional? |
| Evento de override | ¿Pueden los humanos frenar el sistema? |
Conclusión
El material de la Reserva Federal de Nueva York muestra la escala: 9,6 billones de dólares de rotación diaria media, cerca de 75% de ejecución electrónica spot FX, 75% de entidades usando IA y 55% de casos con alguna decisión automatizada.[1]
FMSB añade un límite importante: la IA orientada al mercado aún no es plenamente autónoma y la responsabilidad humana sigue siendo esencial.[2]
La conclusión controvertida es: el mayor riesgo de la IA en trading puede no ser una máquina rebelde, sino un mercado lleno de máquinas bien controladas que aprenden la misma lección al mismo tiempo.
Preguntas frecuentes
¿Qué es la manada de IA?
Es cuando muchos sistemas usan datos, modelos, proveedores, objetivos o reglas de riesgo parecidos y reaccionan de forma similar.
¿La IA ya opera FX de manera totalmente autónoma?
No. La revisión de FMSB de febrero de 2026 dice que la IA orientada al mercado aún no es autónoma y sigue bajo supervisión humana.[2]
¿Qué tamaño tiene el mercado FX?
La rotación diaria media presentada por la Reserva Federal de Nueva York fue de 9,6 billones de dólares para abril de 2025.[1]
¿Cuánta ejecución FX es electrónica?
Cerca del 75% en spot FX, incluida la actividad dealer-a-cliente.[1]
¿Cuántas entidades usan IA?
La encuesta citada del Banco de Inglaterra y la FCA encontró que 75% ya usaba IA y 55% de los casos incluía alguna decisión automatizada.[1]
¿Por qué son riesgosos los modelos de terceros?
Una actualización, drift, interrupción o cambio de datos puede afectar a muchas entidades a la vez.
¿Qué debe vigilar un CFO?
Reentrenamiento, proveedores, rutas alternativas, cambios de modelo, registros de decisión, controles de override y dependencia de modelos parecidos.
¿Es asesoramiento de inversión?
No. Es análisis general del uso de IA en mercados de trading. Obtenga asesoramiento adecuado.
Referencias
[1] New York Fed FX Committee, Artificial Intelligence (AI) in FX Markets, 15 de abril de 2026
Related Intelligence
- El impuesto de la compensación: hacer más seguro el mercado del Tesoro de EE. UU. puede hacerlo más caro
- El espejismo del seguro de depósitos: las redes recíprocas pueden hacer que la financiación bancaria parezca más segura de lo que es
- El archivo de crédito invisible: BNPL crece más rápido que el sistema que lo mide