¿Democratizará la IA el acceso a la financiación mediante capital riesgo? 

Al transformar la forma en que se generan y comparten los datos, la IA podría reducir drásticamente los costos de información, monitoreo, cumplimiento y creación de mercado. De este modo, podría convertir el capital propio, actualmente un privilegio de élite, en una importante fuente de financiación, especialmente para las empresas pequeñas y jóvenes. 

Salvo en contadas excepciones como Estados Unidos, Reino Unido, Canadá y Singapur, los mercados de valores dinámicos son escasos. Incluso en estos casos, el número de empresas cotizadas es notablemente reducido. Pocas empresas salen a bolsa con valoraciones inferiores a 10 millones de dólares, y cuando lo hacen, la liquidez es mínima y los costes fijos de cotizar en bolsa son prohibitivos. 

En gran parte del mundo, incluida Europa Occidental, el término “desarrollo financiero” se ha traducido en “desarrollo bancario”. Si bien los bancos son indispensables, solo venden un producto: deuda. Sin embargo, un balance sólido depende de una combinación equilibrada de deuda y capital propio; cuanto mayor sea el riesgo de la inversión, mayor será el capital propio que requiera. 

Y ahí radica el problema: si bien los mercados de deuda son sólidos, los de capital no lo son. En la práctica, los bancos prestan en proporción al colchón de capital que ya posee una empresa. Pero ese capital suele provenir de dos fuentes: Dinero de amigos y familiares o utilidades retenidas. El primero es limitado y se distribuye de forma desigual; el segundo restringe el crecimiento. 

En consecuencia, las empresas que dependen de la autofinanciación solo pueden crecer al ritmo de sus beneficios, no de sus oportunidades. Esto puede ser suficiente para una panadería, pero no para una plataforma digital que depende de los efectos de red ni para un fabricante que debe invertir fuertemente antes de generar ingresos. Muchas empresas transformadoras —desde gigantes del comercio electrónico como Amazon hasta pioneros del transporte compartido como Uber— operaron con pérdidas durante años. Un sistema centrado en la banca no puede financiar ese tipo de crecimiento. 

La escasez de capital propio se debe en gran medida a la información asimétrica. Mientras que los prestamistas pueden obtener garantías, exigir pagos fijos y embargar activos si las cosas salen mal, los inversores de capital propio son los últimos en la fila y reciben lo que queda después de que todos los demás hayan cobrado. 

Esto hace que la transparencia, la debida diligencia y la gobernanza sean fundamentales para la viabilidad de los mercados de valores. Sin embargo, para las pequeñas empresas, los costos suelen superar las posibles ganancias. Si a esto se le suman la iliquidez, los elevados costos de salida a bolsa, la escasa cobertura de los analistas y la débil protección de los accionistas minoritarios, el resultado es un camino sin salida. 

La IA puede ayudar a construirlos, comenzando por la transparencia. Los pequeños emisores actuales se enfrentan a sistemas de cumplimiento diseñados para grandes empresas, pero la IA puede reducir costes generando estados financieros legibles por máquina y cotejando facturas, extractos bancarios, declaraciones de impuestos y registros de nóminas en tiempo real, además de detectar inconsistencias antes de que se conviertan en escándalos. 

Los datos estandarizados y legibles por máquina permitirían a los inversores (o a sus bots) realizar comparaciones instantáneas y directas entre miles de empresas, no solo las pocas grandes compañías que ya siguen los analistas. Con el tiempo, la monitorización basada en IA podría hacer que la auditoría anual tradicional parezca tan obsoleta como la conexión a internet por módem. 

Además, los modelos de lenguaje natural pueden revisar contratos, permisos, historiales de litigios e informes ambientales, mientras que los modelos de series temporales pueden conciliar pedidos, envíos y flujos de efectivo. Tareas que antes requerían numerosos empleados ahora se pueden completar en minutos, y el resultado será más económico, consistente y totalmente auditable. Este cambio podría dar lugar a un nuevo modelo de negocio: el suscriptor de IA. En lugar de cobrar elevadas comisiones a unos pocos clientes importantes, estos suscriptores podrían sacar a bolsa a decenas de emisores más pequeños cada semana utilizando informes estandarizados, comprobaciones automatizadas y alertas de riesgo en tiempo real. 

Otra oportunidad reside en la liquidez. Los creadores de mercado algorítmicos —ya habituales entre las grandes empresas cotizadas— podrían extenderse de forma responsable a los emisores más pequeños una vez que se estandaricen las divulgaciones y se implemente una supervisión continua. La investigación basada en IA podría contribuir a mejorar la fijación de precios y la liquidez al aumentar la disponibilidad de información y la confianza, mientras que los algoritmos de emparejamiento podrían alinear los mandatos de los inversores y los perfiles de los emisores con mucha mayor precisión que las agrupaciones rudimentarias actuales. 

En muchas economías emergentes, las transacciones con partes relacionadas, el desvío de activos y las diluciones repentinas han erosionado durante mucho tiempo la confianza de los inversores. En estos casos, los sistemas de monitoreo basados en IA pueden ayudar a reforzar la protección de los accionistas minoritarios mediante el seguimiento en tiempo real de las transacciones, las actas de las reuniones del consejo de administración, los registros de adquisiciones y los patrones de negociación, alertando a los reguladores y a los inversores sobre posibles abusos. 

Mientras tanto, la gobernanza programable —es decir, los estatutos que hacen cumplir automáticamente los derechos preferentes, las protecciones y los mecanismos para el reparto de dividendos— puede convertir el texto legal en código ejecutable, lo que dificulta enormemente que las personas con información privilegiada diluyan o perjudiquen a los inversores externos. 

Por último, la estandarización de la información digital y los robo-asesores podrían contribuir a democratizar la inversión en empresas más pequeñas, creando carteras diversificadas de acciones de pequeñas y medianas empresas (pymes) adaptadas a la tolerancia al riesgo, la ubicación y los objetivos de los inversores. Los fondos de pensiones y las aseguradoras, prácticamente ausentes de este segmento, podrían destinar pequeñas porciones de sus activos a índices gestionados por inteligencia artificial. De este modo, se elimina la necesidad de costosos equipos internos. 

Pero para que esta visión se materialice, los responsables políticos deberán establecer un régimen de capital público reducido basado en cuatro pilares: informes continuos y simplificados, en lugar de voluminosos informes periódicos; protección de responsabilidad para los emisores que adopten sistemas de verificación basados en IA; requisitos de cotización simplificados; y marcos de datos abiertos que permitan a terceros aportar valor mediante el análisis de la información divulgada. Tras décadas de subvencionar el crédito, los bancos públicos de desarrollo deberían canalizar parte de sus recursos hacia inversiones de capital. Por ejemplo, podrían apoyar a empresas que cumplan con ciertos requisitos. Los estándares de divulgación y verificación basados en IA proporcionan cobertura de primera pérdida para fondos de capital de PYME diversificados y promueven una infraestructura de supervisión compartida. 

Sin duda, la IA puede tener alucinaciones, los modelos pueden manipularse y quienes están dentro del sistema siempre sabrán más. Pero la prueba es la ventaja relativa, no la perfección. Si la IA reduce los costos de transacción entre un 50 por ciento y un 90 por ciento, el impacto sería transformador: aunque inevitablemente algunos fraudes se colarían, muchas más empresas legítimas se convertirían en candidatas viables para la inversión externa. 

Para ampliar la propiedad, impulsar la innovación y acelerar el crecimiento, debemos orientar la IA hacia el desafío de mayor rentabilidad: lograr una mayor abundancia de capital. El objetivo, fundamentalmente, no es un casino, sino un mercado más seguro, económico y rico en datos, donde el riesgo lo asuman quienes estén mejor capacitados para ello. Tras un siglo dedicado a perfeccionar el sistema crediticio, la IA ofrece la oportunidad de completar, por fin, la otra mitad del sistema financiero. 

El autor es exministro de Planificación de Venezuela y execonomista jefe del Banco Interamericano de Desarrollo, es profesor en la Escuela Kennedy de Harvard y director del Laboratorio de Crecimiento de Harvard. 

Derechos de autor: Project Syndicate, 2025.  
www.project-syndicate.org