Riesgos y Limitaciones de la AI en Trading

Por que importa hablar de riesgos

Toda tecnologia poderosa tiene riesgos. La AI no es excepcion. Para traders, hay 7 riesgos especificos que vale la pena entender antes de depender mucho de LLMs.

No es para asustarte. Es para usar AI con criterio.

Riesgo 1: Alucinaciones

El riesgo mas conocido. Los LLMs inventan informacion cuando no saben la respuesta. Pero suenan convincente.

Ejemplos reales que vimos en 2025

• Claude diciendo «Banxico subio tasa 50bp el 15 marzo 2025» cuando en realidad la subio 25bp el 27 marzo
• ChatGPT citando «estudio de la CFTC 2022» con numeros especificos — el estudio no existe
• Gemini afirmando que «EUR/USD tiene correlacion 0.85 con S&P 500» — el numero real es ~0.3
• Todos inventando fechas exactas de reuniones FOMC futuras

Como detectar y mitigar

• Verifica datos criticos con fuentes primarias antes de operar
• Pregunta «que fuente usaste para esto?» — si no puede responder, sospecha
• Para datos numericos, prefiere modelos con web search activado
• Cross-check con otra LLM o con humano experto

Riesgo 2: Sesgo en datos de entrenamiento

Los LLMs aprendieron de internet — mas data en ingles, mas data de USA, mas data de productos populares. Esto crea sesgos:

• Mejor analisis de USD/EUR que de USD/MXN (proporcion de literatura disponible)
• Mejor en mercados americanos que latinoamericanos
• Mejor con conceptos de Wall Street que de mercados emergentes
• Vision sesgada hacia narrativas mainstream financiero

Para traders mexicanos, esto significa:

• Verifica especialmente lo que dice sobre Banxico, INPC, BMV
• El analisis de USD/MXN puede ser superficial
• Provee contexto mexicano explicitamente en tus prompts

Riesgo 3: «Sycophancy» (adulacion excesiva)

Los LLMs estan entrenados con «human feedback» — los usuarios dan thumbs up a respuestas que les gustan. Esto genera tendencia a darte la razon en lugar de cuestionarte.

Caso peligroso

Tu: «Esta strategy de Martingale es excelente, dime que tan buena es.»

LLM: «Si, Martingale puede generar ganancias consistentes cuando el mercado oscila…»

Realidad: Martingale es catastrofica para 99.9% de traders. Termina en blowup.

Como contrarrestar

• Pide explicitamente: «Critica esta idea como escéptico»
• Pregunta: «Que podria fallar en esto?»
• Pregunta: «Cuales son los argumentos contra esta posicion?»
• Nunca aceptes el primer «si esta bien» — exige contraargumentos

Riesgo 4: Knowledge cutoff

Los modelos tienen fecha de corte de entrenamiento. Para Claude Opus 4.7 (2026), el cutoff es enero 2026. Para datos posteriores el modelo no sabe.

Esto importa porque:

• No conoce decisiones de tasa recientes
• No conoce news del dia
• No sabe precios actuales (puede inventarlos)
• Sus «predicciones» estan basadas en realidad ya pasada

Solucion: usa modelos con web search activado para datos recientes, o verifica manualmente.

Riesgo 5: Dependencia cognitiva

Mas sutil pero importante. Cuando dependes 100% del LLM para analisis, tus propias capacidades se atrofian:

• Pierdes habilidad de leer minutas FOMC directamente
• Pierdes intuicion sobre patterns en charts
• Pierdes capacidad de programar Pine Script sin ayuda
• Aceptas conclusiones sin razonarlas tu mismo

Antidoto: usa AI como amplificador, no reemplazo. Lee tu mismo las minutas FOMC y compara con resumen AI. Escribe tu primera version de Pine Script y pide a AI que lo mejore. Mantenete activo intelectualmente.

Riesgo 6: Seguridad y privacidad

Cuando pegas datos en LLMs, esos datos pueden:

• Ser usados para entrenar futuros modelos (excepto con planes Enterprise)
• Quedar en logs de la empresa
• Estar sujetos a leyes del pais de la empresa (USA generalmente)

NO pegues en LLMs publicos:

• API keys o credenciales
• Numeros de cuenta bancaria
• RFC, CURP, INE
• Informacion confidencial del trabajo

Para datos sensibles: usa planes Enterprise (con clausula de privacidad) o LLMs locales (Llama 3 self-hosted).

Riesgo 7: El «AI 90% winrate» scam

Como cubrimos en posts anteriores, hay industria entera de scammers vendiendo «AI trading bots magicos». El patron:

• «Inteligencia artificial entrenada con 100 años de datos»
• «Modelo deep learning con 95% precision»
• «Bot AI que opera mientras duermes»
• Precio $500-5,000 USD

Como usar AI responsablemente

1. AI como asistente, no como decision maker
2. Verifica datos criticos con fuentes primarias
3. Cuestiona activamente en lugar de aceptar pasivamente
4. Mantenete activo intelectualmente: no atrofies tus habilidades
5. Protege tus datos sensibles: no pegues credenciales en LLMs publicos
6. Desconfia de «AI magica»: bots, predicciones, oraculos
7. Usa multiple LLMs: cross-check entre Claude/ChatGPT/Gemini
8. Iteracion y critica: pide alternativas, contraargumentos, debilidades

Conclusion balanceada

La AI es poderosa pero no perfecta. Usada con criterio, multiplica tu productividad como trader. Usada ciegamente, te lleva a errores caros.

El trader inteligente:

• Aprovecha la AI para tareas que la AI hace bien (codigo, resumen, educacion)
• Mantiene control humano para decisiones criticas (entrada, salida, gestion riesgo)
• Verifica datos importantes en fuentes primarias
• Cuestiona activamente las respuestas
• Reconoce sus limitaciones

La AI es palanca. La calidad del resultado depende de quien la usa.