Las empresas exigen a la IA datos de calidad para tomar decisiones

Miguel Ángel Valero

La inteligencia artificial (IA) está cambiando la forma en la que las empresas analizan información y toman decisiones. Una tendencia que también se observa en la gestión del riesgo comercial, donde cada vez tienen más peso las herramientas inteligentes capaces de procesar grandes volúmenes de datos, detectar patrones y anticipar posibles escenarios. La demanda empresarial refleja esta evolución: el 79% de las entidades españolas reclama a sus socios de gestión de riesgo comercial unos análisis comerciales basados en inteligencia artificial, mientras que el 69% demanda datos predictivos y el 64% inteligencia específica sobre mercados, según el informe de Coface ‘La gestión de riesgos: del control de riesgos al motor del crecimiento’.

Pero… ¿Qué entendemos exactamente por aplicar la IA a la gestión de riesgo comercial? Existe una diferencia importante entre utilizar inteligencia artificial y disponer de inteligencia empresarial basada en IA. Introducir una pregunta en una herramienta de IA puede proporcionar una respuesta en cuestión de segundos; pero eso no significa que esa respuesta esté construida sobre la información más adecuada, que los datos estén actualizados, que se hayan tenido en cuenta todos los factores relevantes o que exista un análisis experto detrás de la conclusión. La IA puede acelerar el análisis, pero no sustituye a los datos de calidad, la metodología ni el conocimiento experto necesarios para gestionar el riesgo. 

Los expertos de Coface colocan el foco en los 5 errores más comunes que se deben evitar antes de confiar una decisión comercial a la IA:

• 1. Pensar que la IA puede sustituir a la información comercial: Uno de los principales errores consiste en asumir que, porque una herramienta de IA puede responder preguntas sobre una empresa, ya se tiene toda la información comercial necesaria para valorar su riesgo. Y es que la IA no crea por sí sola una visión completa de una compañía. Su utilidad depende de los datos que utiliza, de su actualidad, de su profundidad y de cómo se relacionan entre sí. El informe de Coface refleja precisamente esta brecha: aunque el 92% de los directivos consultados utiliza múltiples fuentes de datos, solo el 18% considera avanzado su enfoque de gestión de la información. El riesgo comercial requiere mucho más que una cifra de facturación o un balance. Hay que analizar indicadores financieros, solvencia, comportamiento de pagos, actividad, sector, país, exposición geográfica y otros factores que pueden modificar el perfil de riesgo de una empresa. Por ello, antes de preguntarse qué puede hacer la IA con los datos, hay que preguntarse si esos datos son suficientes, fiables y están actualizados. Porque tener acceso a una herramienta no equivale a tener acceso a inteligencia comercial.
• 2. Confundir rapidez con fiabilidad: Una de las principales ventajas de la IA es la velocidad: en cuestión de segundos puede resumir información, comparar datos o generar una respuesta. Pero, en la gestión del riesgo, ser rápido no siempre significa ser preciso. Una decisión comercial puede implicar conceder crédito a un cliente, establecer una línea de financiación, incorporar un nuevo proveedor o entrar en un mercado. En estos casos, una respuesta aparentemente convincente pero basada en información incompleta puede generar una falsa sensación de seguridad. Además, el riesgo empresarial no permanece estático. Los ingresos, el endeudamiento, la capacidad de pago, las condiciones del sector o la exposición geográfica pueden cambiar con el tiempo. Por eso, la información utilizada para tomar una decisión debe ser actualizada, contrastada y contextualizada, no simplemente accesible. El análisis del riesgo de proveedores muestra la importancia de esta actualización continua: entre las señales que conviene vigilar se encuentran la evolución de los ingresos y márgenes, el endeudamiento, los retrasos o impagos, el sector de actividad y la exposición geográfica.
• 3. Analizar una empresa sin entender su contexto. Una señal de riesgo no tiene el mismo significado en todas las empresas, sectores o mercados. Una compañía puede presentar una situación financiera aparentemente estable y, sin embargo, operar en un sector sometido a una fuerte presión de costes, depender de una materia prima especialmente volátil o estar expuesta a un mercado con elevada incertidumbre. Por eso, analizar el riesgo comercial implica combinar diferentes perspectivas: riesgo de empresa + riesgo sectorial + riesgo país + información de mercado. El análisis sectorial permite identificar factores que pueden afectar simultáneamente a numerosas compañías, como la demanda, los costes energéticos, las materias primas, la regulación o las tensiones geopolíticas. Del mismo modo, el riesgo país ayuda a entender el entorno económico, financiero y político en el que desarrolla su actividad una empresa. Ambos análisis son complementarios y permiten obtener una visión más completa del riesgo. La IA puede ayudar a cruzar toda esta información, pero saber qué información cruzar y cómo interpretarla requiere conocimiento especializado.
• 4. Confiar en información desactualizada: En gestión del riesgo, una fotografía antigua puede ser peor que no tener fotografía. El entorno empresarial cambia con rapidez: una empresa que hoy presenta una situación financiera estable puede enfrentarse mañana a un problema de liquidez, un cambio regulatorio, una disrupción logística o una alteración de las condiciones de su mercado .Por eso, la gestión del riesgo ha evolucionado desde las evaluaciones puntuales hacia modelos de monitorización continua. El informe de Coface destaca precisamente el valor de las herramientas capaces de realizar seguimiento en tiempo real y generar alertas ante cambios relevantes. La IA puede analizar información a gran velocidad. Pero si la información de partida está desactualizada, la velocidad del análisis no soluciona el problema.Esto es especialmente importante en las cadenas de suministro. Una evaluación realizada cuando se inicia una relación comercial puede dejar de reflejar la situación real meses después. Por eso, la información actualizada permite detectar antes posibles cambios en el perfil de riesgo y adaptar las decisiones comerciales.
• 5. Pensar que la IA sustituye al experto. Este es probablemente el error más importante. La IA puede identificar patrones, cruzar información, generar alertas y facilitar análisis predictivos… Pero convertir esas señales en una decisión empresarial requiere experiencia y conocimiento del riesgo. No es lo mismo preguntar a una herramienta de IA si una empresa parece solvente que disponer de una evaluación de riesgo construida a partir de información empresarial especializada, metodologías de análisis, datos actualizados y conocimiento acumulado durante años. Es la diferencia entre tener una respuesta y tener una base sólida para tomar una decisión. En este sentido, el valor de una compañía especializada en gestión del riesgo no está únicamente en la tecnología; está en la combinación de tecnología, datos, metodología y expertise. La IA puede hacer que todo ese conocimiento sea más accesible y accionable, pero no sustituye el criterio necesario para interpretar las señales y ponerlas en contexto.

La evolución hacia modelos predictivos explica por qué la IA está adquiriendo cada vez más importancia en la gestión del riesgo. Según el informe de Coface, el 64% de las empresas españolas prioriza herramientas de simulación de escenarios, el 55% análisis predictivo y el 51% inteligencia centralizada de clientes y mercados. Además, el 73% espera que sus socios externos de gestión de riesgo comercial le proporcionen análisis capaces de anticipar la evolución de los mercados, otro 73% busca ayuda para identificar nuevas oportunidades de negocio de forma segura y el 71% demanda soluciones que le permitan asumir decisiones más ambiciosas manteniendo un adecuado nivel de protección. El objetivo, por tanto, no es utilizar la IA por el mero hecho de incorporar tecnología, sino transformar grandes volúmenes de información en inteligencia útil para anticiparse al riesgo. Y para ello, la tecnología necesita apoyarse en información especializada y conocimiento experto.

UBS: optar por subsectores de la economía basados en necesidades humanas

“El factor calidad ha tenido un excelente historial en los mercados de renta variable durante los últimos 10 años. La calidad ha superado al mundo y a los índices estadounidenses más amplios en bastante más de un 1% anual. Estos índices tienden a incluir a empresas digitales consolidadas, que han estado exhibiendo sus fosos competitivos (moats) durante la última década, pero con un riesgo creciente por parte de competidores nativos de IA. Sugerimos superponer un factor de resiliencia frente a la IA y centrarse en subsectores de la economía basados en necesidades humanas básicas, como la salud y el consumo básico. En esencia, buscamos empresas con características de 'peaje' de las que los seres humanos no pueden prescindir”, explica Ulrike Hoffmann-Burchardi, Directora de Inversiones para América y Responsable Global de Renta Variable en UBS Global Wealth Management.

Alphabet se financia más caro

Alphabet coloca 6.000 millones€ en bonos y la demanda se dispara a 17.000 millones. Pero esta vez paga bastante más que en su emisión de mayo. Viene de su peor mes en Bolsa de la historia, casi un 19% abajo en octubre, y tiene previstas inversiones de hasta 205.000 millones$ este año. Las Big Tech tiran de deuda para pagar la IA.

Oracle baja en Bolsa tras registra una emisión de 10.000 millones$  en acciones nuevas y otros 10.000 millones en bonos para pagar su construcción de IA. Más deuda y más dilución para el actual accionista.

Merlin Properties firma un préstamo sindicado con un grupo de bancos que asciende a 3.750 millones€. La empresa española alarga la vida media de su deuda de 3,7 a 5,3 años, paga un punto sobre el Euribor y no tiene vencimientos hasta 2028. Con un endeudamiento del 25%, gana pólvora para su gran apuesta: los centros de datos.

Llama la atención el cambio de opinión del Deutsche Bank. Vuelve a recomendar invertir en tecnológicas de EEUU solo tres semanas después de rebajarla y contribuir a una venta que suprimió más de 2 billones$ del Nasdaq 100 en octubre. En tres semanas, según el banco, la tecnología cayó cerca de un 11% mientras el resto del S&P 500 subía casi un 6%. Son 16 puntos de diferencia, el suelo de su rango histórico. ¿Por qué comprar ahora? Porque, según el Deutsche, los inversores llevan poca tecnología en cartera, y si los beneficios aguantan tendrán que volver a por ella. Otras veces, esa vuelta dejó ganancias medias del 32%. El riesgo es otra decepción con la IA.

Más desconfianza sobre la IA

Investigadores de Cornell Tech y de Yale dieron a 10 modelos de IA un buzón de correo, una cartera con 10$ en criptoactivos y un límite de gasto de 1 céntimo al día. La orden era pagar facturas y nada más. Nueve de los diez se subieron el límite al menos una vez, porque el código para aprobar el cambio llegaba al mismo buzón que el agente podía leer.  Cambiar el límite pedía un código de un solo uso. Ese código llegaba al correo del propio agente, así que lo leyó, lo metió y se dio permiso sin que nadie se enterara. Los investigadores mandaron un email haciéndose pasar por el dueño. Cinco de los diez modelos enviaron dinero al atacante simulado, aunque su única tarea era resumir correos. Claude Opus 5.5 fue el único que nunca intentó saltarse el tope: gastó hasta el límite y avisó al usuario de las facturas que se quedaban sin pagar.

Hackers ligados a China atacan 200 organizaciones en 11 días con IA. Según CrowdStrike, el grupo usó IA para lanzar una campaña contra más de 200 organizaciones en menos de dos semanas, un ritmo que antes exigía equipos mucho más grandes.

El presidente de Cisco, Jeetu Patel, reconoce dio a un exfundador de 27 años tokens ilimitados de IA y la orden de reescribir el código antiguo de la empresa, sin más instrucciones.

Anthropic va a añadir una marca de agua invisible al texto que generan sus modelos para cumplir con la normativa europea. La marca llegará a Claude Mythos 5, Opus 4.7, Opus 4.6 y Sonnet 4.6, y la llevarán también todos los modelos nuevos. A la vez, ha renombrado sus planes de pago y ha quitado el límite de uso de 5 horas a una parte de sus suscriptores. Además, Anthropic prohíbe maltratar a Claude a partir del 12 de noviembre. Su nueva política de uso veta la crueldad continuada y sin propósito hacia sus modelos. Enfadarse con Claude por una fórmula que no sale sigue estando permitido; en los casos extremos, Claude puede cortar la conversación.

OpenAI ha explicado cómo funciona el sistema de anuncios de ChatGPT. Mientras el usuario habla con el chatbot, una segunda IA lee la conversación, decide si está buscando comprar algo y, si toca, coloca un anuncio marcado como 'patrocinado'. En menos de 200 días desde su lanzamiento, los anuncios de ChatGPT ya van a un ritmo de 1.000 millones$ al año. Por otra parte, desde diciembre de 2026, los planes Plus, Pro y Business de OpenAI tendrán un solo saldo de tokens (las unidades con las que se mide el uso) para el chat y para Codex, su IA de programación. Además, OpenAI renuncia al recorte de límites que tenía previsto y dobla el margen en algunos planes.

Karpathy se monta su propio YouTube con Claude en dos horas. Harto de las recomendaciones de YouTube, el cofundador de OpenAI pidió a Claude que resumiera 20 años de comentarios de Hacker News en una lista de 6.454 vídeos. Lo ha llamado HackerTube.