La evolución del trading con IA
El ámbito del trading en Wall Street ha estado históricamente dominado por firmas de élite que emplean sistemas de IA propietarios: algoritmos costosos desarrollados en secreto con vastos recursos. Estas instituciones han mantenido tradicionalmente su ventaja aprovechando sus sustanciales recursos financieros, talento especializado e infraestructura informática avanzada. Un análisis reciente de la industria reveló que el desarrollo de modelos sofisticados de trading con IA requiere inversiones que van desde $500,000 hasta más de $1 millón, excluyendo los gastos continuos de retención de talento y mantenimiento de la infraestructura.
La integración de la IA en el trading se remonta a la década de 1980, cuando las empresas emplearon inicialmente sistemas simples basados en reglas para el trading automatizado. La verdadera metamorfosis ocurrió a fines de la década de 1990 y principios de la de 2000, cuando los algoritmos de aprendizaje automático impulsaron las estrategias de trading cuantitativo de la época. Empresas prominentes como Renaissance Technologies y D.E. Shaw encabezaron el uso de modelos complejos de IA para discernir patrones de mercado y ejecutar operaciones con una velocidad sin precedentes. En la década de 2010, el trading de alta frecuencia (HFT) impulsado por IA se había convertido en un componente fundamental de las operaciones del mercado, y las empresas más grandes asignaban cientos de millones a infraestructura computacional y talento para mantener su ventaja competitiva.
Se estima que el trading algorítmico de alta frecuencia representa aproximadamente la mitad del volumen de trading de Wall Street.
DeepSeek e iniciativas similares de IA de código abierto están interrumpiendo este modelo convencional a través de su enfoque colaborativo para el desarrollo. En lugar de mantener los algoritmos bajo llave, estas plataformas aprovechan el conocimiento colectivo de una comunidad global de desarrolladores que refinan y mejoran constantemente la tecnología.
Sin embargo, adoptar esta tecnología no es tan sencillo como simplemente descargar código de código abierto. Si bien estas nuevas herramientas disminuyen ciertas barreras de entrada, no crean automáticamente un campo de juego nivelado. Los sistemas de trading tradicionales están profundamente arraigados en las operaciones del mercado y respaldados por años de validación en el mundo real. El desafío para las alternativas de código abierto radica no solo en igualar las capacidades avanzadas de los sistemas establecidos, sino también en demostrar su capacidad para funcionar de manera confiable dentro de los exigentes parámetros del trading en vivo.
Además, las empresas que adoptan sistemas de IA de código abierto aún deben cultivar marcos operativos apropiados, garantizar el cumplimiento normativo y construir la infraestructura necesaria para implementar estas herramientas de manera efectiva. En consecuencia, si bien la IA de código abierto tiene el potencial de reducir los costos de la tecnología de trading sofisticada, es improbable que descargue plataformas de trading de IA de código abierto con la misma facilidad que una aplicación de toma de notas de código abierto en el futuro cercano.
Costo y accesibilidad
Una de las facetas más atractivas de la IA de código abierto es su potencial para reducir significativamente los costos iniciales. Los sistemas propietarios tradicionales requieren tarifas de licencia sustanciales e inversiones en software personalizado. La colaboración continua de Citadel LLC con Alphabet Inc., por ejemplo, aprovecha más de un millón de procesadores virtuales para reducir los tiempos de cálculo complejos de horas a meros segundos, pero esto implica inversiones masivas y continuas en infraestructura.
El enfoque de código abierto de DeepSeek presenta un marcado contraste. Sus modelos V3 y R1 son de libre acceso y opera bajo una licencia MIT, lo que significa que se puede modificar y utilizar para fines comerciales. Si bien el software en sí puede ser gratuito, su implementación efectiva exige inversiones considerables en las siguientes áreas, como enfatizó Mamaysky:
- Infraestructura informática y hardware: Se requiere una potencia informática robusta para manejar las intensas demandas de procesamiento del trading impulsado por IA.
- Adquisición de datos de mercado de alta calidad: El acceso a datos de mercado precisos y en tiempo real es crucial para entrenar e implementar modelos de trading efectivos.
- Medidas de seguridad y sistemas de cumplimiento: Se necesitan protocolos de seguridad estrictos y sistemas de cumplimiento para salvaguardar los datos confidenciales y cumplir con los requisitos reglamentarios.
- Mantenimiento y actualizaciones continuas: El mantenimiento y las actualizaciones continuas son vitales para garantizar el rendimiento óptimo del sistema y adaptarse a las condiciones cambiantes del mercado.
- Experiencia especializada para la implementación y optimización: Se necesitan profesionales capacitados para implementar, configurar y optimizar los modelos de IA para estrategias de trading específicas.
Si bien puede acceder fácilmente al último modelo de DeepSeek y descargar el código sin cargo, implementarlo con éxito en un entorno HFT requiere mucho más que eso.
Transparencia y responsabilidad
Una ventaja frecuentemente citada de la IA de código abierto es su transparencia inherente. Con el código fuente abierto al escrutinio público, las partes interesadas pueden auditar los algoritmos, verificar sus procesos de toma de decisiones y modificarlos para cumplir con las regulaciones o cumplir con requisitos específicos. Un ejemplo destacado es AI Fairness 360 de International Business Machines Corporation, un conjunto de herramientas de código abierto diseñadas para auditar y mitigar los sesgos en los modelos de IA. Además, los detalles arquitectónicos y los datos de entrenamiento para los modelos Lllama 3 y 3.1 de Meta están disponibles públicamente. Esto permite a los desarrolladores evaluar el cumplimiento de los derechos de autor, las normas reglamentarias y éticas. Este nivel de apertura contrasta con la naturaleza de ‘caja negra’ de los sistemas propietarios, donde el funcionamiento interno está oculto, lo que a veces conduce a decisiones opacas que incluso los creadores del sistema pueden tener dificultades para desentrañar.
Sin embargo, sería inexacto describir todos los sistemas de trading propietarios como cajas negras impenetrables. Las principales instituciones financieras han logrado avances significativos en la mejora de la transparencia de sus modelos de IA, impulsadas tanto por la presión regulatoria (como la Ley de IA de la Unión Europea y las directrices estadounidenses en evolución) como por los imperativos internos de gestión de riesgos. La distinción central es que, si bien los sistemas propietarios desarrollan sus herramientas de transparencia internamente, los modelos de código abierto se benefician de la auditoría y validación impulsadas por la comunidad, lo que a menudo acelera el proceso de resolución de problemas.
La brecha de innovación
El avance del modelo R1 de DeepSeek atrajo la atención de los líderes de la industria; incluso Sam Altman de OpenAI admitió a principios de 2025 que estaba ‘en el lado equivocado de la historia’ con respecto a los modelos de código abierto, insinuando un posible cambio de paradigma en la forma en que la industria percibe el desarrollo colaborativo.
Sin embargo, Mamaysky afirmó que el verdadero desafío para aprovechar el potencial de una transición a la IA de código abierto radica en tres áreas fundamentales: escalar la infraestructura de hardware, asegurar datos financieros de alta calidad y adaptar modelos genéricos para aplicaciones de trading específicas. En consecuencia, no prevé que las ventajas de las empresas con buenos recursos se disipen pronto. ‘La IA de código abierto, en sí misma, no representa un riesgo [para los competidores] en mi opinión. El modelo de ingresos son los centros de datos, los datos, la capacitación y la solidez del proceso’, afirmó.
La carrera de la IA se complica aún más por consideraciones geopolíticas. El ex director ejecutivo de Google, Eric Schmidt, ha advertido que EE. UU. y Europa deben intensificar su enfoque en el desarrollo de modelos de IA de código abierto o corren el riesgo de ceder terreno a China en este ámbito. Esto sugiere que el futuro de la IA financiera puede depender no solo de las capacidades técnicas, sino también de decisiones estratégicas más amplias sobre cómo se desarrolla y difunde la tecnología de trading.
La aparición de plataformas de IA de código abierto como DeepSeek significa una transformación potencial en la tecnología financiera, pero actualmente no representan una amenaza inminente para la jerarquía establecida de Wall Street. Si bien estas herramientas reducen drásticamente los costos de las licencias de software y mejoran la transparencia, Mamaysky advirtió que ‘hacer que los modelos sean de código abierto o no, probablemente no sea un problema de primer orden’ para estas empresas.
Es más previsible un futuro híbrido, que combine sistemas de código abierto y propietarios. Por lo tanto, la pregunta pertinente no es si la IA de código abierto suplantará a los sistemas tradicionales de Wall Street, sino cómo se integrará en sus marcos existentes.
El movimiento de código abierto está cambiando la forma en que se construye y comparte el software en muchos campos. En finanzas, el potencial es que las nuevas herramientas y las plataformas colaborativas faciliten a las empresas más pequeñas y a los inversores individuales el uso de estrategias de trading impulsadas por IA.
El futuro de la IA en las finanzas probablemente será una combinación de sistemas de código abierto y cerrados, propietarios. La gran pregunta es qué tan bien pueden funcionar juntos estos diferentes enfoques, permitiendo a las empresas establecidas utilizar las fortalezas de la innovación impulsada por la comunidad mientras mantienen las ventajas especializadas que les han permitido mantenerse en la cima durante tanto tiempo.
La trayectoria de la IA en las finanzas no es meramente un asunto técnico; es estratégico, profundamente entrelazado con los paisajes regulatorios, la dinámica geopolítica y la estructura misma de los mercados financieros. Los próximos años revelarán cómo interactúan estas fuerzas, dando forma al futuro del trading y la inversión.
El auge de la IA de código abierto en el trading es un desarrollo crucial. Será interesante observar cómo cambia Wall Street y hace que las herramientas de trading avanzadas estén más disponibles para todos. Esta historia aún se está desarrollando y su capítulo final aún no se ha escrito. La combinación de colaboración y competencia, transparencia y ventaja propietaria, determinará el impacto final de la IA de código abierto en el mundo de las finanzas.