En julio de 2026 ocurrió algo que ninguna nota de investigación financiera registraba hasta entonces: JPMorgan, el mayor banco de Estados Unidos, midió la distancia entre el juicio de sus propios estrategas y el de una máquina de propósito general y publicó el resultado. Ganó a la máquina. Los autores de la nota, el equipo dirigido por Thomas Salopek, documentaron con rigor profesional un experimento cuya conclusión interpela su propio empleo.

La derrota tiene un agravante que la mayoría de las crónicas relegó al pie. Los ocho agentes de inteligencia artificial que el equipo construyó no corrieron sobre un sistema entrenado durante años para las finanzas, sino sobre modelos genéricos de OpenAI y Anthropic. Es decir, los mismos que redactan correos y resumen contratos. Un algoritmo que nadie preparó para asignar capital venció al modelo de regímenes de mercado que los especialistas del banco refinaron durante años. La noticia no es que una IA gane en una simulación; el dato es contra quién ganó y con qué herramienta.

En simulaciones retrospectivas que abarcaron dos décadas, los ocho agentes vencieron a la cartera tradicional de 60% en acciones y 40% en bonos. El mejor la superó por 0,7 puntos porcentuales anuales con una volatilidad 2,8% menor. Los ratios de Sharpe de los agentes oscilaron entre 0,74 y 0,95 contra 0,61 de la cartera de referencia. La mecánica es simple: los agentes clasifican el mercado en cuatro regímenes según el crecimiento y la inflación, y rotan la cartera hacia las acciones cuando el ciclo es firme y hacia los bonos cuando se degrada.

Conviene precisar el alcance, porque esto vuelve el argumento más difícil de refutar. Un estratega de JPMorgan hace muchas cosas que ningún índice de referencia mide. Habla, por ejemplo, con clientes, interpreta eventos políticos, participa en comités e integra restricciones regulatorias. Nada de eso quedó automatizado, solamente la parte más valiosa y prestigiosa del oficio, que es el juicio de asignación de activos que justificaba la mística entre estos profesionales y el precio de sus informes. Mientras el resto del trabajo sobrevive, el núcleo que lo jerarquizaba ya demostró ser replicable por un modelo de alquiler.

Un estratega de JPMorgan hace muchas cosas que ningún índice de referencia mide

Hasta esta nota, las firmas pagaban comités de estrategas porque no existía alternativa. Sin embargo, desde esta publicación existe una alternativa que cuesta una licencia de programa. La pregunta que todo director financiero puede formular ahora es incómoda por su simpleza: ¿por qué pagar millones de dólares anuales por un comité si un conjunto de agentes produce en la prueba resultados iguales o mejores? Las profesiones rara vez desaparecen porque dejan de ser posibles. Desaparecen porque dejan de justificar su costo.

Block ya recorrió ese camino en otra industria, con más de 4000 despidos atribuidos a la IA en febrero de 2026, y la gestión de activos acaba de recibir su primera medición formal. Cabe aclarar que los resultados son simulaciones retrospectivas, no dinero en vivo. El modelo que venció al pasado pudo memorizarlo, y el sobreajuste es el pecado original de toda estrategia probada hacia atrás. Los estrategas advirtieron contra aceptar sin crítica respuestas de una IA que exhibe confianza excesiva sobre datos que ya conoce, y escribieron que el agente debe apoyarse en un proceso diseñado por humanos en lugar de suponer que la máquina posee el conocimiento del dominio. Nada de eso desactiva la pregunta económica, sino que la agrava, porque quien redactó las cautelas es el mismo equipo cuya función quedó medida.

Queda un riesgo que la nota roza sin desarrollar, y que dejará de ser especulación por una razón mecánica. Si los agentes de todos los bancos descienden de los mismos dos o tres modelos de base, consumen las mismas variables macroeconómicas, reciben instrucciones parecidas y optimizan métricas similares, sus lecturas del ciclo convergen por construcción. Carteras distintas con el mismo cerebro venden al mismo tiempo. No sería la primera vez que la estandarización de una misma lógica de gestión amplifica una caída; octubre de 1987 lo demostró con programas más rudimentarios.

La diversificación de gestores presupone diversidad de juicios, y un mercado donde el juicio se alquila por licencia pierde esa diversidad sin que nadie lo decida. El informe de JPMorgan no probó que la IA gane dinero, sino que el mayor banco de Estados Unidos ya considera medible, publicable y respetable la pregunta de si sus estrategas justifican su costo. Las profesiones no caen cuando la máquina las supera; solo pierden espacio cuando la institución que las emplea empieza a medir la diferencia.

Las cosas como son.