Tres años de desarrollo en sigilo y una ronda de financiamiento de 62.5 millones de dólares respaldan el lanzamiento de un modelo de inteligencia artificial capaz de anticipar el comportamiento humano en situaciones no vistas previamente. La tecnología, desarrollada por una startup israelí, ya opera en un grupo selecto de corredurías financieras con el objetivo de predecir las reacciones de traders ante condiciones de mercado volátiles.
El enfoque técnico marca una diferencia sustancial respecto a los modelos predictivos convencionales. En lugar de extrapolar patrones desde acciones pasadas, el sistema analiza las motivaciones internas de los individuos a partir de interacciones no relacionadas directamente con su comportamiento financiero: procesos de verificación de identidad (KYC), llamadas de soporte y transacciones diversas. Variables como el sentimiento expresado y la frecuencia de interacciones alimentan un modelo que emplea representaciones matemáticas de rasgos de personalidad integradas en una arquitectura basada en transformadores.
Arquitectura técnica y métricas de desempeño
El modelo establece probabilidades de decisión bajo distintas circunstancias y utiliza un modelo de lenguaje para explicar sus predicciones en lenguaje natural. Un principio de diseño central es la consistencia conductual: si un individuo muestra históricamente aversión al riesgo, el sistema debe reflejar esa tendencia incluso al simular escenarios nuevos. Según sus creadores, el comportamiento no es determinista sino "constantemente probabilístico", lo que implica que las tendencias psicológicas persisten con cierta probabilidad incluso cuando las circunstancias cambian.
En términos de desempeño, la empresa reporta una precisión del 98% para determinar si los flujos de trading se encuentran dentro de rangos esperados, y un puntaje F1 de entre 0.8 y 0.85 para predecir dirección y volumen de operaciones. Estas métricas, si se sostienen en auditorías independientes, representan un umbral de confiabilidad relevante para la gestión de riesgo institucional.
Privacidad, escala y base científica
El sistema procesa registros de clientes sin requerir datos personales identificables. Según la empresa, "el modelo nunca sabe quién es la persona", aunque construye perfiles de comportamiento a partir de la actividad agregada de los usuarios. Esta distinción es técnicamente relevante en contextos regulatorios donde el tratamiento de datos sensibles está sujeto a marcos como el GDPR en Europa o la Ley Federal de Protección de Datos en México.
La base científica del proyecto integra investigaciones en psicología, neurociencia y genética, con la participación de asesores como Dan Shechtman, Premio Nobel de Química 2011. El entrenamiento del modelo comenzó con miles de individuos y actualmente incorpora datos de más de 30 millones de personas provenientes de biobancos y conjuntos de datos gubernamentales.
Para mercados como México y América Latina, donde la volatilidad cambiaria, la informalidad financiera y la heterogeneidad del comportamiento del consumidor representan variables difíciles de modelar con enfoques tradicionales, este tipo de tecnología abre una línea de análisis que va más allá de los modelos actuariales convencionales. La pregunta estratégica no es si la IA puede predecir el comportamiento humano, sino qué tan rápido las instituciones financieras de la región estarán en condiciones de evaluar, adoptar y auditar estos sistemas de forma responsable.
