Los economistas en todo el mundo están enfocados, y con razón, en cómo la IA transformará los mercados laborales. Pero el cambio más trascendental de los próximos diez años podría producirse en un mercado completamente diferente: el del capital accionario.
Al transformar la forma en que se generan y se comparten los datos, la IA podría reducir drásticamente los costos de información, supervisión, cumplimiento y creación de mercados. De este modo, el capital pasaría de ser un privilegio de las élites a convertirse en una fuente importante de financiación, especialmente para las empresas pequeñas y jóvenes.
Fuera de un puñado de países como Estados Unidos, el Reino Unido, Canadá y Singapur, los mercados de capital dinámicos son escasos. Y aún en esos casos, la “cola larga” de empresas listadas en bolsa es notablemente reducida. Pocas empresas salen a bolsa con valoraciones inferiores a 10 millones de dólares y, cuando lo hacen, la liquidez es insignificante y los costos fijos de cotizar en bolsa son prohibitivos.
En gran parte del mundo, incluida Europa occidental, “desarrollo financiero” ha pasado a ser sinónimo de “desarrollo bancario”. Si bien los bancos son indispensables, ofrecen un solo producto: deuda. Sin embargo, un balance saludable depende de una combinación equilibrada de deuda y capital -cuanto más riesgosa es la empresa, más capital necesita.
Y ahí reside el problema: mientras que los mercados de deuda son profundos, los mercados de capital no lo son. En la práctica, los bancos prestan en proporción al colchón de capital que ya tiene una empresa. Pero ese capital suele provenir de dos fuentes: dinero de amigos y familiares o ganancias retenidas. La primera fuente es limitada y está distribuida de forma muy desigual; la segunda restringe el crecimiento.
Como resultado de ello, las empresas que dependen de la autofinanciación solo pueden crecer en la medida que crezcan sus ganancias, y no al ritmo de sus oportunidades. Eso puede ser suficiente para una pastelería, pero no para una plataforma digital que depende de los efectos de red o para un fabricante que debe hacer grandes inversiones antes de generar ingresos. Muchas empresas transformadoras -desde gigantes del comercio electrónico como Amazon hasta pioneros del transporte compartido como Uber- operaron a pérdida durante años. Un sistema centrado en la banca no puede financiar ese tipo de crecimiento.
La escasez de capital puede atribuirse, en gran medida, a la asimetría de la información. Mientras que los prestamistas pueden obtener garantías, exigir pagos fijos y confiscar activos si las cosas salen mal, los inversores en capital son los últimos en la fila y reciben lo que queda después de que todos los demás hayan cobrado.
Esto hace que la divulgación de información, la diligencia debida y la gobernanza sean fundamentales para la viabilidad de los mercados de capital accionario. Sin embargo, para las pequeñas empresas, estos costos muchas veces superan los potenciales beneficios. Si a esto le sumamos la falta de liquidez, los altos costos de cotización, la cobertura limitada de los analistas y las escasas protecciones para los accionistas minoritarios, nos encontramos con una escalera sin peldaños inferiores.
La IA puede ayudar a crearlos, empezando por la divulgación. Los pequeños emisores de hoy se enfrentan a sistemas de cumplimiento normativo diseñados para gigantes, pero la IA puede reducir los costos automatizando la generación de estados financieros legibles y cotejando facturas, extractos bancarios, declaraciones de impuestos y registros de nóminas en tiempo real -y señalando las inconsistencias antes de que se conviertan en escándalos.
Los datos estandarizados y legibles por máquina les permitirían a los inversores (o a sus bots) hacer comparaciones instantáneas, de manzanas con manzanas, entre miles de empresas, no solo entre los pocos grandes nombres que ya cubren los analistas. Con el tiempo, la supervisión mediante IA podría hacer que la auditoría anual tradicional pareciera tan anticuada como la conexión a Internet por línea telefónica.
Asimismo, los modelos de lenguaje natural pueden revisar contratos, permisos, historiales de litigios y reportes ambientales, mientras que los modelos de series temporales pueden conciliar pedidos, envíos y flujos de caja. Las tareas que antes requerían ejércitos de asociados se podrán completar en cuestión de minutos, y el resultado será más barato, más consistente y totalmente auditable. Este cambio podría dar lugar a un nuevo modelo de negocio: la IA como banco asegurador de emisiones. En lugar de cobrar honorarios elevados a unos pocos clientes grandes, estos bancos aseguradores podrían sacar a bolsa a decenas de emisores más pequeños cada semana utilizando divulgaciones estandarizadas, comprobaciones automatizadas y alertas de riesgo en tiempo real.
Otra oportunidad está relacionada con la liquidez. Los creadores algorítmicos de mercado -que ya son habituales entre las grandes empresas públicas- podrían extenderse de forma responsable a los emisores más pequeños una vez que se estandarice la divulgación de información y la supervisión pase a ser continua. La investigación basada en la inteligencia artificial podría ayudar a mejorar el proceso de formación 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 más precisión que las grandes categorías, bastante rudimentarias, por cierto, de hoy.
En muchas economías emergentes, las transacciones ilegítimas entre partes relacionadas, el desvío de activos y las diluciones repentinas han erosionado durante mucho tiempo la confianza de los inversores. También en este caso, los sistemas de monitoreo basados en IA pueden ayudar a hacer cumplir las protecciones de los accionistas minoritarios mediante el seguimiento en tiempo real de las transacciones, de las minutas de las juntas directivas, de las compras y de las transacciones en bolsa, alertando a los reguladores y a los inversores de posibles abusos.
Por otro lado, la gobernanza programable -estatutos que hacen cumplir automáticamente los derechos preferentes, las protecciones y los desencadenantes 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 información digital estandarizada y los robo-asesores podrían ayudar a democratizar la inversión en empresas más pequeñas, creando carteras diversificadas de acciones de pequeñas y medianas empresas (PYME) adaptadas a la tolerancia al riesgo, la ubicación y los objetivos de los inversores. Se podría permitir que los fondos de pensiones y las aseguradoras, ausentes en gran medida de este segmento, asignen porciones modestas de sus activos a índices supervisados mediante IA, eliminando así la necesidad de costosos equipos internos.
Ahora bien, para que esta visión se materialice, las autoridades económicas deberían establecer un régimen especial para emisiones de capital de empresas pequeñas basado en cuatro pilares: informes continuos y simplificados, en lugar de informes periódicos voluminosos; 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 sumar valor mediante el análisis de la información divulgada.
Tras décadas de subsidiar el crédito, los bancos públicos de desarrollo deberían canalizar parte de sus recursos hacia inversiones en capital accionario. Por ejemplo, podrían apoyar a las empresas para que cumplan las normas de divulgación y verificación basadas en IA, proporcionar cobertura de primera pérdida a los fondos de capital de PYMEs diversificadas y promover una infraestructura de supervisión compartida.
Sin duda, la IA puede alucinar, los modelos pueden manipularse y quienes están dentro del sistema siempre sabrán más. Pero la pregunta es si este sistema sería una mejora sustancial, no la perfección. Si la IA redujera los costos de transacción entre 50% y 90%, el impacto sería transformador: aunque inevitablemente algunos fraudes se colarían, muchas más empresas legítimas se convertirían en candidatas viables para la inversión en su capital accionario.
Para ampliar la propiedad, estimular la innovación y acelerar el crecimiento, deberíamos orientar a la IA hacia el desafío de hacer más abundante el acceso al capital accionario. El objetivo, fundamentalmente, no es un casino, sino un mercado más seguro, más barato y más informado, donde el riesgo lo asuman quienes estén 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.
Ricardo Hausmann, exministro de Planificación de Venezuela y execonomista jefe del Banco Interamericano de Desarrollo, es profesor de la Harvard Kennedy School y director del Harvard Growth Lab.
Copyright: Project Syndicate, 2025.
