¿Cómo programar sin codificar en finanzas? El rol del economista en la era del 'Human-in-the-Loop'

Sat, 01 Aug 2026 10:00:00 +0000

Durante la última década, la frontera del economista y del analista financiero se desplazó drásticamente hacia el código. Escribir modelos econométricos en R, construir algoritmos de valorización en Python o estructurar consultas complejas en SQL se convirtió en el estándar para gestionar portafolios, medir el valor en riesgo (VaR) y automatizar la gestión de tesorería.

Hoy en día, un modelo de lenguaje avanzado genera un script para la interpolación de curvas de tasas de interés o una simulación de Monte Carlo en cuestión de segundos.

Frente a esta automatización, surge una pregunta crítica para nuestro gremio: ¿sigue teniendo sentido que un economista aprenda a programar si la máquina redacta el código por nosotros?

La respuesta es un rotundo sí, pero el enfoque ha cambiado por completo.

Operar fórmulas no es estructurar finanzas

En finanzas, al igual que en la ingeniería, me gusta usar una analogía clara: redactar un script en R o Python es el equivalente moderno a ingresar datos en una calculadora financiera. Es un paso operativo necesario, pero que jamás debe confundirse con la estructuración de una decisión de inversión o de gestión de riesgos.

Un algoritmo de IA puede entregarte en segundos una función impecable en sintaxis. Sin embargo, no sabe si la muestra histórica elegida omite un periodo de alta volatilidad, si el supuesto de distribución normal destruye la estimación de colas anchas (fat tails) o si el ajuste viola una restricción regulatoria de la SBS o de liquidez en mesa.

Podemos representar el valor de un modelo cuantitativo financiero ($V$) mediante la interacción entre la capacidad de automatización ($A$) y el criterio económico-financiero ($C_{fin}$):

$$V = A \times C_{fin}$$

Si la IA eleva la aceleración algorítmica ($A$) al máximo, pero el criterio financiero ($C_{fin}$) es deficiente o nulo, el modelo resultante genera una peligrosa ilusión de precisión que puede costar millones en pérdidas de mercado o riesgo de contraparte.

El principio de responsabilidad irreductible

Hay un factor fundamental que separa el código escrito por una IA del trabajo de un profesional: la responsabilidad ante el error.

La inteligencia artificial no asume riesgos, no firma informes de valorización, no rinde cuentas ante un comité de inversión ni responde ante los organismos reguladores. Si un script generado por IA contiene una falla sutil en la tasa de descuento y genera una pérdida millonaria o una sanción regulatoria, la máquina no sufre las consecuencias. La responsabilidad recae al 100% sobre el economista o el gerente de riesgos que aprobó la implementación.

Por ello, el rol del economista en la era del “humano en el bucle” (Human-in-the-Loop) se concentra en tres pilares:

Responsabilidad y autoría técnica: Entender cada línea de código ejecutada. Si no eres capaz de auditar y explicar el código que la IA generó, no deberías ponerlo en producción.
Auditoría de supuestos cuantitativos: Validar que las hipótesis del modelo (estacionariedad, ausencia de arbitraje, comportamiento de tasas) respondan a la realidad macroeconómica y no solo a un ajuste estadístico ciego.
Contexto de mercado y regulación: La IA no comprende la liquidez del mercado local, el impacto de una intervención del Banco Central ni el tratamiento de capital de una operación en tesorería.

Si cualquier analista puede generar un código financiero con un prompt, la diferencia entre un economista valioso y uno prescindible ya no es quién escribe la función más rápida, sino quién entiende a fondo la matemática financiera subyacente y asume la responsabilidad del resultado.

Conclusión: De mecanógrafos de scripts a arquitectos de decisiones financieras

La programación asistida por IA no reemplaza al economista cuantitativo; eleva su nivel de discusión. Dejamos de consumir horas valiosas en corregir sintaxis para concentrarnos en la estrategia, el análisis macroeconómico y la gestión del riesgo.

En finanzas, la inteligencia artificial puede ser un copiloto extraordinario para escribir sintaxis, pero nunca compartirá el peso de las decisiones. El código puede ser generado por la máquina, pero la responsabilidad del error seguirá siendo, siempre, humana.

¿Cómo manejas la validación del código generado por IA en tus análisis?

¿Consideras que la facilidad de generar código rápido aumenta el riesgo de desplegar modelos sin la debida auditoría humana? Me interesa conocer tu perspectiva en los comentarios.

Si te interesan los temas de finanzas cuantitativas, economía y gestión de riesgos, te invito a seguirme en LinkedIn y revisar más artículos en mi sitio web arturochian.com.

R | Arturo Chian

¿Cómo programar sin codificar en finanzas? El rol del economista en la era del 'Human-in-the-Loop'

Operar fórmulas no es estructurar finanzas

El principio de responsabilidad irreductible

Conclusión: De mecanógrafos de scripts a arquitectos de decisiones financieras

¿Cómo manejas la validación del código generado por IA en tus análisis?