La inteligencia artificial (IA) ya no es Ciencia Ficción ni es el futuro; al contrario, es el presente, parte de nuestro día a día, que cada vez cumple funciones tecnológicas más significativas a nivel global. Es, en definitiva, el resultado de una verdadera revolución.  

Y si bien ha tenido un avance importante, captando la atención de inversionistas en todo el mundo, aún son pocos quienes conocen y entienden de ella en profundidad.  

De ahí nace la idea de esta secuencia de la IA y su relación y provecho desde el mundo financiero, abordando diferentes aristas para entender su funcionamiento. Esto, con el fin de entregar mayores herramientas a los inversionistas para la toma de decisiones y la búsqueda de oportunidades más allá de las “Big Tech”. 

De la Ciencia Ficción a la realidad 

Los primeros pasos de inteligencia artificial datan de los años ‘50, con pioneros como Alan Turing y John McCarthy, quienes —entre otros— sentaron las bases de este campo.  

Turing, con su “Test de Turing”, planteó que las máquinas podrían mostrar comportamientos inteligentes semejantes a los humanos. McCarthy, por su parte, acuñó el término “inteligencia artificial” y organizó la conferencia de Dartmouth en 1956, un evento crucial para el estudio formal de esta tecnología. 

Pese al entusiasmo inicial, los avances en IA fueron limitados durante varias décadas, debido a la falta de poder computacional y la incapacidad de los algoritmos para resolver problemas complejos. Aunque hubo algunos logros, el progreso fue intermitente, y su financiamiento e interés disminuyeron debido a la lentitud de los avances.  

No fue sino hasta finales de los ‘90 y principios de los 2000 cuando la inteligencia artificial comenzó a resurgir, impulsada por la disponibilidad de grandes volúmenes de datos, mejoras en la capacidad computacional y avances en algoritmos de aprendizaje automático. 

Este renacimiento permitió que la IA comenzara a generar aplicaciones comerciales exitosas en sectores como las finanzas, atención médica, manufactura y comercio electrónico. Entender su evolución es clave para reconocer cómo una tecnología especulativa se ha convertido en una herramienta tangible y comercial. 

Catalizadores del crecimiento 

Diversos factores han catalizado su avance y evolución, abriendo nuevas fronteras en el mundo de las inversiones, importante de considerar: 

• Capacidad computacional. El desarrollo de hardware especializado —como las unidades de procesamiento gráfico (GPU)— ha sido esencial para procesar grandes volúmenes de datos y entrenar redes neuronales profundas, impulsando áreas como el reconocimiento de imágenes y la conducción autónoma. 

• Datos masivos (Big Data). En la era digital, cada interacción genera datos. El gran volumen de información es clave para entrenar modelos de IA y hacerlos más precisos. 

• Progreso en Algoritmos. Aunque los conceptos detrás de las redes neuronales existen desde hace décadas, los avances recientes en algoritmos de aprendizaje profundo (deep learning) han permitido que las máquinas interpreten datos no estructurados, habilitando aplicaciones como el reconocimiento facial. 

• Inversiones y adopción empresarial. Las inversiones en inteligencia artificial han crecido exponencialmente, siendo las compañías tecnológicas —Google, Amazon y Microsoft, por mencionar algunas— quienes han liderado el camino. Sin embargo, otros sectores, como la banca, el retail y la atención médica, han ido adoptando esta tecnología para mejorar la eficiencia, optimizar cadenas de suministro y personalizar productos. 

Fundamentos de la IA 

Para comprender su funcionamiento, es crucial familiarizarse con algunos conceptos que están transformando industrias y abriendo nuevas oportunidades.  

• Aprendizaje automático (Machine Learning, ML). Una rama de la inteligencia artificial que permite a las máquinas aprender a partir de datos sin estar programadas con reglas específicas. Es muy relevante en sectores como las finanzas, donde las predicciones precisas pueden transformar la industria. 

• Aprendizaje profundo (Deep Learning). Subdisciplina del ML que utiliza redes neuronales artificiales para analizar datos complejos, como imágenes o audio. Este avance ha sido fundamental en el desarrollo de tecnologías como el reconocimiento de voz y la IA conversacional. 

• Big Data: La IA depende de grandes volúmenes de datos para entrenar modelos de predicción. El crecimiento del almacenamiento digital ha favorecido que más información esté disponible para alimentar estos modelos. 

• Automatización inteligente. A diferencia de la automatización tradicional, que se basa en reglas fijas, la automatización asistida por IA permite que los sistemas tomen decisiones en tiempo real, adaptándose a nuevas condiciones. Esta capacidad tiene aplicaciones en sectores como la manufactura, donde puede mejorar la eficiencia y reducir costos. 

La tecnología crece a pasos agigantados y la inteligencia artificial no se queda atrás, ya que no sólo ha cumplido sus promesas iniciales, sino que también se ha consolidado como un conocimiento comercial aplicable a diversas industrias. Entender estos factores es fundamental para que los inversionistas puedan evaluar los beneficios y riesgos de la IA y explorar oportunidades más allá de las “Big Tech”. 

En próximas ediciones, ahondaremos en los beneficios, riesgos y casos de uso de esta nueva tecnología y su relación con los mercados financieros. 

Tomás Fernández 

Analista de Carteras Discrecionales