IA y finanzas personales: lo que puede hacer hoy (y lo que no)
Equipo Agentes AI ·
Pídele a un chatbot la tasa promedio de un crédito de libre inversión en Colombia y te va a responder con total seguridad. El problema es que esa cifra puede ser inventada. Ese contraste —fluidez perfecta, datos sin garantía— resume el estado actual de la IA aplicada a finanzas personales: hay tareas donde ya es genuinamente útil y otras donde confiar en ella sale caro. Lo que sigue separa una cosa de la otra, con cada afirmación amarrada a su fuente.
Lo que la IA sí hace bien hoy
Clasificar y organizar tus gastos
Leer texto desordenado y ponerle categoría es la tarea natural de un modelo de lenguaje. Las descripciones de un extracto bancario —“PAGO PSE REF 4432”, “COMPRA DATAFONO CRA 15”— son exactamente eso: texto ambiguo que las reglas fijas de las apps tradicionales clasifican mal y que un modelo interpreta con contexto. Si le das tus movimientos, puede separarlos en mercado, transporte, suscripciones y antojos, detectar cargos recurrentes que olvidaste y señalar duplicados. Aquí el riesgo es bajo: si se equivoca en una categoría, lo corriges y ya.
Resumir extractos y documentos financieros
Un contrato de crédito de veinte páginas, las cláusulas de un seguro, tres extractos de tarjetas distintas: la IA convierte eso en un resumen legible y responde preguntas concretas sobre el documento que tú le entregaste. La clave está en esa condición: el modelo trabaja sobre una fuente que tiene enfrente, no sobre su memoria. Aun así, repasa los totales tú mismo antes de decidir algo con plata: un modelo de lenguaje genera texto plausible, no ejecuta aritmética, y cuadrar muchas cifras de corrido no es su terreno fuerte.
Responder preguntas sobre productos, si tiene datos verificados
Un asistente que responde “¿qué banco tiene la mejor tasa de CDT?” leyendo una base de datos actualizada y citable es útil. El mismo asistente respondiendo de memoria es una lotería. La diferencia técnica se llama grounding: anclar cada respuesta a una fuente concreta. Un estudio de 2026 sobre LLMs y recomendaciones de inversión lo midió en un terreno exigente: encontró que las recomendaciones de los modelos vienen lastradas por información desactualizada o directamente alucinada, y que anclarlas en los reportes regulatorios oficiales de las empresas aumenta su precisión.
Los límites duros
No predice mercados
Aquí toca ser transparentes con las referencias: la conclusión de esta sección y la del punto anterior sobre grounding salen del mismo estudio, Large Language Models and Stock Investing: Is the Human Factor Required?. Sus autores evaluaron cuatro herramientas —ChatGPT, Gemini, DeepSeek y Perplexity— generando recomendaciones de inversión bajo tres estrategias de instrucciones: pregunta directa, método estructurado y razonamiento paso a paso. Encontraron fallas recurrentes de razonamiento: conceptos financieros mal aplicados, errores que se arrastran de un paso al siguiente, datos viejos o inventados. Y aunque reportan que, guiados y supervisados de cerca, los modelos llegaron a superar al mercado, su conclusión es que explotar ese potencial exige supervisión humana sustancial. Si alguien te vende una IA que “predice” el dólar o te dice cuándo comprar acciones sin un humano competente revisando cada paso, te está vendiendo marketing, no tecnología.
Alucina cifras cuando no tiene fuente
Esto está medido. El estudio Beyond the Reported Cutoff evaluó qué tanto saben los LLMs sobre datos financieros históricos de empresas: Llama-3-70B respondió correctamente el 54,17 % de las preguntas sobre ingresos empresariales de 2017, pero solo el 6,32 % de las de 1995 —a pesar de que esos datos son públicos desde entonces—. Peor aún: los modelos alucinaban más justamente con las empresas grandes y los periodos donde parecían más competentes, un patrón de sobreconfianza. Traducido a tu día a día: si le preguntas a un chatbot sin acceso a fuentes cuál es la tasa de usura vigente, te dará un número plausible, con formato perfecto y probablemente equivocado. Una cifra financiera sin enlace a su fuente debe tratarse como no verificada, siempre.
No reemplaza la asesoría regulada
En Colombia, la asesoría en el mercado de valores es una actividad regulada por el Decreto 661 de 2018: solo pueden ejercerla entidades vigiladas por la Superintendencia Financiera, a través de personas naturales certificadas e inscritas en el Registro Nacional de Profesionales del Mercado de Valores, con reglas explícitas sobre perfiles de cliente y conflictos de interés. Un chatbot no perfila tu tolerancia al riesgo bajo un marco legal, no responde por conflictos de interés y no tiene a quién reclamarle si su “consejo” te cuesta los ahorros. Usa la IA para llegar mejor preparado a la conversación con tu asesor: que te explique términos, que resuma un prospecto, que arme la lista de preguntas. La decisión regulada la firma un humano certificado.
La prueba de fuego: publicar datos financieros de verdad
Estas conclusiones también se dejan poner a prueba en la práctica. Nuestro equipo mantiene un comparador de tasas que opera bajo una regla única: cifra que no salga de una fuente oficial verificable, cifra que no se publica. Su metodología es pública y se apoya en tres decisiones concretas:
- Dos fuentes y ninguna más: los datasets abiertos de la Superintendencia Financiera en datos.gov.co y el valor diario de la UVR del Banco de la República. Tarifarios privados y comunicados comerciales quedan por fuera.
- El número publicado pondera cada tasa por el tamaño del desembolso reportado a la SFC, de modo que retrata lo que los bancos cobraron en agregado, con el rezago de 5 a 12 días que trae el reporte oficial y que la metodología declara de frente.
- El proceso corre sin intervención los lunes a las 7 de la mañana, hora de Colombia.
Montar y mantener eso deja una lección que incomoda al entusiasmo: de todo el sistema, el modelo de lenguaje resultó ser la pieza más resuelta. Donde se va el esfuerzo es en lo aburrido —confirmar que el dataset llegó completo, que ninguna categoría de crédito se cayó en el camino, que una cifra rara es un dato real y no un error de ingesta—. La inteligencia del conjunto está en negarse a publicar lo que no puede respaldar.
Resumen operativo
| Tarea | ¿Confiable hoy? | Condición |
|---|---|---|
| Clasificar gastos | Sí | Corrección ocasional tuya |
| Resumir un extracto o contrato | Sí | Verificar totales a mano |
| Responder sobre productos | Sí, con fuente | Datos verificados y citados |
| Citar tasas o cifras “de memoria” | No | Exigir siempre el enlace |
| Predecir mercados | No | — |
| Asesoría de inversión | No | Profesional certificado (Decreto 661) |
Cinco reglas para usarla sin quemarte
- Exige la fuente. Si el asistente da una cifra, pídele el enlace. Si no lo tiene, descártala.
- Dale tú los documentos. Un modelo resumiendo tu extracto es confiable; uno “recordando” tasas, no.
- Verifica contra el original. Toda cifra que vaya a mover tu plata se contrasta con la entidad o el regulador.
- Cuida tus datos. No pegues números de cuenta ni documentos sensibles en herramientas cuyo manejo de datos no conoces.
- Úsala para preparar decisiones, no para tomarlas. Comparar, entender y preguntar mejor: ahí rinde. Firmar, invertir y endeudarse: eso sigue siendo tuyo y, cuando aplica, de un asesor regulado.
La IA en finanzas personales funciona como un buen analista junior: rápido, incansable y propenso a inventar cuando no sabe. Dale fuentes, revísale las cuentas y nunca le entregues la firma.
Publicado por Equipo Agentes AI. Si encuentras un dato desactualizado, escríbenos a agentes.co.oficial@gmail.com y lo corregimos citando la fuente. ¿Quieres comparar tasas vigentes? Están en Tasas Colombia.