Aswath Damodaran explica qué tareas financieras asumirá la IA con facilidad.
- Las cuatro dimensiones que dividen al humano del algoritmo
- Por qué la contabilidad y las normas fijas son presa fácil para la IA
- La paradoja de los ‘Damodaran Bots’: cuando clonan tu propio método
- Menos ‘erizos’ y más ‘zorros’: el perfil profesional que sobrevivirá a la automatización
- Narrativas con números: la verdadera frontera insustituible
- ¿Sabías que?
Construir un modelo financiero en una hoja de cálculo solía considerarse la habilidad definitiva en el mundo de los negocios. Dominar las fórmulas, ajustar las tasas de descuento y proyectar flujos de caja a cinco años garantizaba una carrera próspera en bancas de inversión, firmas de consultoría o departamentos contables. Sin embargo, cuando la tarea diaria de un analista se limita a repetir fórmulas predecibles y mover celdas en un libro digital, el riesgo de automatización no es una amenaza lejana: es una realidad inminente.
Durante el Investment Summit organizado en Bogotá por la CFA Society Colombia, el reconocido académico Aswath Damodaran, profesor de Finanzas en NYU Stern y conocido globalmente como el “Decano de la Valoración”, lanzó una advertencia clara sobre el futuro del empleo en la industria. Las tareas financieras mecánicas, contables y guiadas por reglas estipuladas serán asumidas fácilmente por algoritmos de inteligencia artificial.
Más datos: Qué significa la propuesta de Huawei de “IA contra IA” en ciberseguridad en Andicom
La supervivencia profesional dependerá de la capacidad de navegar la incertidumbre, cuestionar modelos matemáticos y traducir números en narrativas empresariales coherentes.
Las cuatro dimensiones que dividen al humano del algoritmo
Aswath Damodaran, profesor de NYU Stern, advirtió que las tareas financieras mecánicas, contables y guiadas por reglas estructuradas serán asumidas fácilmente por la inteligencia artificial. Sin embargo, el análisis de escenarios inciertos, la revisión de sesgos y la construcción de narrativas empresariales vinculadas a cifras continuarán exigiendo criterio humano.
Para entender dónde están los límites de la tecnología, el académico trazó una frontera dividida en cuatro ejes fundamentales: lo mecánico frente a lo intuitivo, las reglas frente a los principios, lo objetivo frente a lo subjetivo, y los sesgos rígidos frente a la apertura mental.
Cuando un proceso se apoya en reglas arbitrarias con pasos verificables y poca necesidad de adaptación, la máquina siempre ganará en velocidad y costos. No obstante, el panorama cambia cuando las decisiones dependen de supuestos no probados, condiciones de mercado cambiantes y contextos donde no existe una única respuesta correcta.
Otros datos: De crear correos a diseñar medicamentos: Oracle e NVIDIA revelan la nueva era de la IA en ANDICOM
Si tu trabajo se limita a ejecutar un algoritmo, tú eres el algoritmo.
Por qué la contabilidad y las normas fijas son presa fácil para la IA
Procesar registros contables, verificar el cumplimiento de normativas tributarias y auditar transacciones bajo reglas estandarizadas figuran entre las primeras labores expuestas a ser replicadas a bajo costo y con estricta fidelidad.
La ventaja competitiva de la inteligencia artificial crece en tareas estructuradas. Por el contrario, los profesionales que repiten patrones y mantienen sesgos identificables en sus análisis se vuelven predecibles. Si un analista aplica siempre la misma tasa de descuento sin entender el contexto macroeconómico o ajusta datos para validar un prejuicio, un modelo de lenguaje puede aprender esa conducta y reproducirla en milisegundos.
Si tu jornada laboral se reduce a copiar y pegar fórmulas en Excel cambiando tres parámetros, no estás haciendo análisis financiero: le estás entrenando el reemplazo a un modelo de IA.
Más sobre la IA: De la Copa Mundo al escritorio: cómo Lenovo busca democratizar la IA híbrida con control
La paradoja de los ‘Damodaran Bots’: cuando clonan tu propio método
La discusión sobre la automatización se volvió personal para el profesor de NYU Stern tras la aparición independiente de cinco ‘Damodaran Bots’, desarrollados por terceros sin su participación para replicar paso a paso su famosa metodología de valoración de empresas.
La existencia de estas herramientas demuestra que incluso metodologías asociadas a expertos internacionales pueden traducirse parcialmente a código. Sin embargo, la brecha real aparece cuando las condiciones del mercado se alejan de los patrones históricos:
- Límites de la automatización: Un bot puede ejecutar la matemática de una valoración, pero no puede interpretar cómo la regulación o un cambio de consumo alterarán la industria.
- Apertura mental: La capacidad de revisar hipótesis, incorporar información contradictoria y admitir un error en la expectativa inicial sigue siendo una cualidad exclusivamente humana.
Menos ‘erizos’ y más ‘zorros’: el perfil profesional que sobrevivirá a la automatización
Para ilustrar el perfil profesional necesario ante la irrupción tecnológica, el experto recurrió a la distinción del investigador Phil Tetlock entre “zorros” y “erizos”. Mientras los erizos son ultraespecialistas concentrados en una sola disciplina rígida, los zorros son generalistas capaces de conectar múltiples áreas de conocimiento.
Frente a algoritmos capaces de procesar datos masivos en segundos, la industria financiera necesita profesionales con mentalidad de “zorro”: analistas capaces de vincular la macroeconomía, el comportamiento del consumidor, la tecnología y la política para ajustar sus modelos ante la incertidumbre.
Otros datos: Más allá de la cámara: la IA responde a hurtos y recupera espacio público en la ciudad
Narrativas con números: la verdadera frontera insustituible
La valoración de un negocio no es una búsqueda de ecuaciones exactas, porque el futuro es esencialmente subjetivo. En palabras del propio académico, los mejores analistas no son quienes crean las hojas de cálculo más complejas, sino quienes logran construir historias coherentes sobre una compañía y someterlas al control estricto de las cifras.
El relato define cómo puede crecer una empresa y qué riesgos enfrenta; los números determinan si esa historia es consistente con sus ingresos y costos reales. Proyectar el futuro de una compañía mirando únicamente métricas pasadas es como intentar manejar un vehículo mirando solo por el espejo retrovisor.
¿Sabías que?
El uso de modelos matemáticos para intentar predecir el comportamiento financiero y automatizar decisiones no nació con los computadores modernos, sino en 1900 con la tesis doctoral del matemático francés Léon Bachelier, titulada La teoría de la especulación. Bachelier fue el primero en aplicar el concepto físico del “movimiento browniano” (el movimiento aleatorio de las partículas de polvo en un líquido) para modelar los cambios de precios en las acciones de la Bolsa de París.
Aunque su trabajo fue ignorado por la academia durante más de medio siglo por considerar “absurdo” intentar modelar los mercados con ecuaciones físicas, la tesis de Bachelier fue redescubierta en la década de 1950 y terminó convirtiéndose en el cimiento matemático de la célebre fórmula de Black-Scholes para valorar opciones financieras… la misma lógica cuantitativa que hoy ejecutan los algoritmos en milésimas de segundo.
