El verdadero riesgo del trading con IA es el bucle de retroalimentación, no un modelo defectuoso

El trader de IA más peligroso quizá no sea el que toma una mala decisión. Puede ser el que toma una decisión razonable después de observar cómo miles de máquinas hacen lo mismo. Ese es el problema regulatorio que se esconde tras el entusiasmo actual por las finanzas agénticas: los mercados no solo están incorporando nuevas herramientas. Podrían estar adquiriendo nuevos participantes cuyas reacciones pueden amplificarse entre sí a velocidad de máquina.

La Commodity Futures Trading Commission está poniendo esa posibilidad sobre la mesa. El grupo de trabajo de innovación de la agencia ha anunciado una sesión del Frontier Forum para el 28 de octubre de 2026, centrada en la IA aplicada a los mercados de derivados y en el auge de las finanzas agénticas. La sesión forma parte de un debate regulatorio más amplio, no demuestra que los sistemas de trading autónomos ya se hayan apoderado del mercado. Pero la elección del tema es importante. Sugiere que los reguladores empiezan a tratar la IA como una cuestión de estructura de mercado, y no simplemente como una adquisición de software.

La CFTC acierta al pasar de los modelos a los sistemas

Durante años, la pregunta regulatoria natural era: ¿es este algoritmo preciso, justo y conforme a la normativa? La pregunta sigue siendo importante, pero resulta demasiado limitada para sistemas capaces de interpretar información, elegir acciones y ajustar potencialmente su comportamiento con una intervención humana limitada.

El trabajo previo de la propia CFTC apunta en esa dirección. En 2024, su Comité Asesor de Tecnología recomendó prestar atención a la participación humana, la gobernanza, la calidad de los datos, la privacidad y unos marcos de gestión de riesgos diseñados para los riesgos específicos de la IA. El comité también advirtió de que la IA generativa podría generar inestabilidad cuando las empresas no entienden o no controlan por completo los datos y las estrategias implicados, como explica el informe de la CFTC.

Es una base útil, pero el siguiente paso consiste en dejar de tratar cada modelo desplegado como un objeto aislado. Un agente de trading funciona dentro de una cadena: entran datos, un modelo los interpreta, una acción llega al mercado, otros sistemas reaccionan y los datos resultantes pasan a formar parte del entorno de futuras decisiones. El peligro se encuentra en ese bucle.

Un modelo puede ser defendible por sí solo mientras que el comportamiento combinado de muchos modelos se vuelve desestabilizador. Si varios agentes identifican la misma señal, adoptan la misma posición o se retiran del riesgo simultáneamente, sus acciones pueden convertir un pequeño movimiento en uno mayor. Esto no afirma que tal escenario sea inevitable. Es un argumento de que probar un modelo cada vez no permite descubrir todos los riesgos de un mercado conectado.

La «supervisión humana» debe ser un control real, no un eslogan

El lenguaje regulatorio suele presentar la participación humana como un tranquilizador punto de control final. Pero una persona que recibe una alerta automática después de que una posición haya cambiado rápidamente no está ejerciendo necesariamente un control significativo. Puede limitarse a observar un acontecimiento que ya no puede revertir con suficiente rapidez.

El criterio práctico debería ser la capacidad de intervenir. Las empresas deberían poder explicar qué está autorizado a hacer un agente, qué decisiones requieren aprobación, cómo se puede pausar su actividad y quién es responsable cuando el sistema se comporta fuera de los límites previstos. Son opiniones sobre lo que debería exigir una gobernanza eficaz, no detalles anunciados por la CFTC en su documentación. Sin embargo, se desprenden directamente de la preocupación de la agencia por que las empresas no comprendan o controlen plenamente los programas de trading y gestión de riesgos basados en IA.

El mismo principio se aplica a los proveedores. Si una entidad financiera depende de un modelo de terceros cuyos datos de entrenamiento, ponderaciones o actualizaciones son opacos, la responsabilidad no puede desaparecer en la cadena de suministro. La protección de la propiedad intelectual puede limitar lo que revela un proveedor, pero no debería impedir que una empresa regulada gestione y comunique sus propios datos de trading y compensación. Si lo hace, el acuerdo no es solo una cuestión tecnológica: es una laguna de gobernanza.

Las pruebas deben incluir la reacción del mercado al agente

Probar una estrategia con datos históricos no basta cuando la propia estrategia modifica las condiciones que intenta aprovechar. Los reguladores y las empresas necesitan pruebas que analicen cómo interactúan los sistemas: si los agentes convergen en comportamientos similares, con qué rapidez abandonan sus posiciones y qué sucede cuando los datos están incompletos, han sido manipulados o simplemente son erróneos.

El debate de la CFTC de 2024 identificó el trading, la gestión de riesgos, el cumplimiento normativo, la atención al cliente y las operaciones administrativas como casos de uso relevantes para la IA. Esa amplitud es importante porque la inestabilidad puede no comenzar con una instrucción de trading evidente. Una evaluación de riesgos defectuosa, una clasificación incorrecta de cumplimiento o una interacción automatizada con un cliente podrían alterar otras decisiones de la cadena.

Aquí es donde el foro de la CFTC podría convertirse en algo más que un ejercicio de escucha. La agencia debería exigir a los participantes que describan condiciones de fallo medibles y procedimientos prácticos de desconexión, en lugar de aceptar promesas generales sobre innovación responsable. El público necesita saber no solo si un agente funciona bien en condiciones normales, sino también con qué rapidez puede una empresa detectar un problema y contenerlo.

Ganarán las empresas que puedan demostrar que ejercen el control

Las normas para las finanzas agénticas no deberían aspirar a prohibir la automatización. La IA ya tiene usos consolidados en los mercados financieros, como la vigilancia, la detección del fraude, las pruebas retrospectivas y la gestión de riesgos, según el informe anterior de la CFTC. Los sistemas bien diseñados pueden reducir el trabajo manual e identificar actividades inusuales más rápido que las personas.

El objetivo regulatorio más adecuado es la autonomía sin rendición de cuentas. Las empresas que mantengan registros claros de los cambios en los modelos, los permisos, las fuentes de datos, las decisiones y las intervenciones deberían tener ventaja frente a las que tratan un agente de IA como una caja negra con una cuenta de trading. Este enfoque también beneficiaría a los desarrolladores serios: es más fácil construir sobre expectativas previsibles que sobre exigencias vagas de «usar la IA de forma responsable».

Por tanto, el foro de la CFTC del 28 de octubre es una señal, no una solución. Su importancia dependerá de que la conversación vaya más allá de las capacidades de los modelos individuales y aborde el comportamiento colectivo de las máquinas conectadas al mismo mercado. En nuestra opinión, los reguladores deberían regular primero el bucle de retroalimentación: exigir responsabilidades por cada ruta de decisión, probar las interacciones bajo estrés y garantizar que la intervención sea efectiva antes de que las finanzas autónomas se conviertan en una infraestructura corriente. Cuando un bucle de retroalimentación a velocidad de máquina esté dañando visiblemente los mercados, la supervisión ya llegará tarde.