Los agentes de IA ya tienen fecha tentativa para operar bonos
El jefe de banca corporativa e institucional de HSBC, Michael Roberts, sostiene que los agentes de inteligencia artificial podrían negociar bonos en los mercados financieros en un plazo de dos a cuatro años. La previsión la planteó en una entrevista con Bloomberg TV, en el marco de la reunión anual del Fondo Monetario Internacional en Bangkok, y apunta a un cambio estructural en cómo los bancos ejecutan operaciones y toman decisiones de inversión.
Para un founder que construye en fintech o infraestructura financiera, la señal es doble: se abre una ventana de producto en un mercado que mueve volúmenes enormes, y al mismo tiempo se endurecen las exigencias de retorno de los inversores que financian esa misma tecnología.
Qué hacen hoy los agentes de IA dentro de un banco
La transformación no arranca de cero. Varias entidades financieras ya usan agentes de IA para tareas de soporte a la negociación:
Leíste lo que hace la IA. ¿Y en tu negocio?
Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.
👥 Quiero el Kit →- Recopilar y analizar información de mercado
- Revisar cláusulas contractuales
- Resumir noticias que pueden influir en una decisión de negociación
- Detectar oportunidades a partir de condiciones de precio, calificaciones crediticias y diferenciales de rendimiento
El trabajo actual está en la capa de análisis, no en la ejecución. El salto que describe Roberts es pasar de «el agente me sugiere» a «el agente ejecuta», con la computación cuántica y las tecnologías de registro distribuido como habilitadores. «Con el advenimiento de la IA, que hará eso aún más rápido, puedes ver agentes negociando bonos usando computación cuántica», dijo Roberts. «Ese es el futuro.»
Los números: cuánto del mercado de bonos podría automatizarse
Un análisis publicado por Bloomberg proyecta que la adopción de estos sistemas ampliaría la negociación electrónica de bonos corporativos estadounidenses con grado de inversión. Barclays estima que esa modalidad pasaría del 45% actual al 65% del volumen negociado en los próximos años. En el segmento de deuda de alto rendimiento, la participación podría duplicarse hasta alcanzar el 50%.
Son cifras de mercado mayorista, no de retail: hablamos de la plomería donde se fondean empresas y gobiernos. Que un tercio adicional del volumen migre a canales electrónicos en pocos años redefine qué tipo de software compran los bancos y con qué criterios lo evalúan.
Por qué los humanos siguen «en el circuito»
Roberts fue explícito: más negociación algorítmica la harán agentes de IA, pero los humanos tienen que estar «in the loop» (en el circuito). Los participantes del mercado advierten que estos sistemas todavía requieren supervisión para verificar resultados, controlar riesgos y evitar decisiones automatizadas que generen pérdidas.
El motivo no es solo prudencial. La experiencia previa con sistemas automatizados ya mostró dificultades durante episodios de turbulencia financiera, cuando las condiciones cambian rápido y las decisiones exigen interpretar factores que no siempre quedan reflejados en los datos disponibles.
El riesgo sistémico: cuando todos los agentes leen la misma señal
El desafío más incómodo es la correlación. Si varios agentes identifican simultáneamente un deterioro en la capacidad de pago de una empresa, podrían intentar vender sus bonos al mismo tiempo y amplificar las caídas de precios. Es un patrón conocido en la automatización de renta variable, pero aplicado a un mercado menos líquido y con menos compradores naturales.
Para quien diseña estos sistemas, la conclusión práctica es que la diversidad de modelos y la gestión explícita del riesgo de correlación dejan de ser un detalle de ingeniería y pasan a ser un requisito regulatorio en potencia.
El costo humano y la presión sobre el capital
HSBC no mira esto desde la barrera. Bloomberg News reportó este año que el banco podría recortar cerca del 10% de su plantilla mundial, equivalente a unos 20.000 puestos, a medida que incorpora IA en su negocio.
El dato que enmarca el debate: entre los trabajadores del quintil de mayores ingresos, 67% está en ocupaciones con alto potencial de automatización, frente a 12% de los del quintil de menores ingresos. La automatización financiera golpea, sobre todo, a los roles mejor pagados del conocimiento.
Al mismo tiempo, el dinero para financiar todo esto se vuelve más caro y más exigente. Roberts habla de «una dosis saludable de escepticismo»: la velocidad a la que las compañías de IA levantan capital está llevando a bancos e inversores a ser más selectivos y a exigir mayores retornos. «Los prestamistas van a estar mucho más enfocados en retornos adecuados, en estructuras adecuadas», dijo. «Los tamaños de las operaciones son muy grandes y, por su naturaleza, son más difíciles de cerrar.»
El contexto macro no ayuda: los mercados globales de renta variable vienen vendiendo tras el desplome de las acciones de fabricantes de chips, con el rally de la IA desarmándose por dudas sobre el financiamiento. Las tasas de interés al alza y los rendimientos de los bonos globales en máximos de varias décadas elevan el costo del capital para construir infraestructura de IA, un gasto que PwC estima podría llegar a US$8,2 billones solo en Asia hacia 2050.
Qué significa esto para tu startup
1. Vende a la capa de supervisión, no solo a la de ejecución. El cuello de botella declarado por los propios bancos es la verificación: alguien tiene que auditar qué hizo el agente, por qué y con qué exposición. Herramientas de trazabilidad, registro de decisiones y monitoreo de riesgo para agentes autónomos tienen un comprador con presupuesto y una necesidad regulatoria creciente.
2. Diseña para la correlación desde el día uno. Si tu producto son agentes que operan, el argumento de venta no puede ser solo «más rápido». Necesitas demostrar que tu sistema no replica la misma señal que los demás. Lógicas de decisión distintas, límites de exposición y mecanismos de corte propios son diferenciadores comerciales, no features técnicas.
3. Apunta a los segmentos donde el volumen ya se mueve. La deuda de alto rendimiento es donde la participación electrónica podría duplicarse. Es un mercado con menos jugadores consolidados que el grado de inversión, y por eso una entrada más viable para un equipo pequeño.
4. Prepara el discurso de retorno, no el de la promesa. Con inversores exigiendo estructura y retornos concretos, un pitch de «IA para mercados financieros» ya no se sostiene solo con narrativa. Lleva unit economics, contratos piloto y una ruta clara a ingresos.
Conclusión
La predicción de Michael Roberts no es una promesa de producto: es una ventana temporal de dos a cuatro años para que la infraestructura esté lista. Los bancos ya usan agentes de IA para analizar; el paso siguiente es que ejecuten, y eso abre espacio para startups que resuelvan supervisión, riesgo de correlación y trazabilidad. La pregunta para un founder no es si los agentes van a operar bonos, sino quién le venderá al banco la capa que le permita dormir tranquilo mientras lo hacen.
Fuentes
- La República (fuente original)
- Yahoo Finance / Bloomberg
Leíste lo que hace la IA. ¿Y en tu negocio?
Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.
👥 Quiero el Kit →
