La aplicación de la IAG en finanzas ya no es teoría: startups de análisis de riesgos, fondos de inversión e incluso bancos tradicionales están integrando modelos generativos como copilotos para interpretar reportes, construir dashboards, prever escenarios y automatizar compliance.
Pero... ¿cuán seguros, precisos y útiles son realmente?
¿Qué tareas financieras puede asumir un modelo generativo?
- Análisis de balances: interpretar ratios, destacar anomalías, comparar con benchmarks.
- Resúmenes de earnings: generar insights a partir de llamadas trimestrales.
- Generación de reportes: con secciones en lenguaje natural + tablas de Excel.
- Simulación de escenarios: usando descripciones para modificar parámetros.
- Automatización de procesos: KYC, redacción de contratos, revisión de compliance.
¿Qué modelos están siendo usados?
- GPT-4.5: muy potente en razonamiento numérico + generación textual.
- Claude 3 Opus: precisión superior en documentos largos y estructuras legales.
- Sonar Pro: veracidad y trazabilidad con fuentes, útil para riesgo y compliance.
- FinGPT: modelo open source ajustado al dominio financiero, aún en evolución.
Limitaciones actuales
- No hacen cálculos por sí solos: necesitan integración con hojas de cálculo o código.
- Pueden “alucinar” términos financieros si no están bien definidos en el prompt.
- Privacidad y cumplimiento: enviar datos financieros sensibles a un modelo cerrado es un riesgo (salvo con entornos privados).
¿Dónde sí brillan?
En tareas de análisis textual (reportes, contratos, emails) y como copilotos para analistas, la IAG ya ofrece mejoras tangibles en tiempo y claridad.
Aún no sustituirán al CFO, pero ya son indispensables para cualquier analista financiero que quiera optimizar su flujo de trabajo.
Te recomendamos la lectura de nuestro artículo acerca de APIs de generación de texto: cómo usar IAG en tu propio producto (sin saber mucho de código).