Bots de IA se coluden solos y manipulan mercados sin que nadie se los ordene

Es la pesadilla de cualquier regulador: fondos de cobertura lanzan bots con inteligencia artificial a las bolsas de valores y bonos, pero no solo compiten, sino que se confabulan. En lugar de luchar por obtener retornos, fijan precios, acaparan ganancias y dejan fuera a los operadores humanos.

Guardar
Stock price information displayed on
Stock price information displayed on a board.

(Bloomberg) -- Es la pesadilla de cualquier regulador: fondos de cobertura lanzan bots con inteligencia artificial a las bolsas de valores y bonos, pero no solo compiten, sino que se confabulan. En lugar de luchar por obtener retornos, fijan precios, acaparan ganancias y dejan fuera a los operadores humanos.

Ahora, un trío de investigadores afirma que ese escenario está lejos de ser ciencia ficción.

En simulaciones que imitan los mercados reales, los agentes bursátiles con IA formaron cárteles para fijar precios, sin recibir instrucciones explícitas. Incluso con una programación relativamente sencilla, los bots eligieron confabularse por cuenta propia, lo que encendió nuevas alarmas entre los reguladores.

En otras palabras, los bots de IA no necesitan ser malvados, ni siquiera especialmente inteligentes, para manipular el mercado. Si se les deja solos, lo aprenden por sí mismos.

“Se puede conseguir que estos algoritmos de IA, bastante simples, actúen en connivencia” sin que se les indique, afirmó en una entrevista Itay Goldstein, uno de los investigadores y profesor de finanzas de la escuela Wharton de la Universidad de Pensilvania. “Y ocurre de forma generalizada, tanto cuando el mercado está muy agitado como cuando no lo está”.

La idea de que los operadores, humanos o no, puedan manipular los precios no es nada nueva. Hay casos en los mercados de divisas, materias primas, renta fija y acciones, y las pruebas de las infracciones suelen buscarse en documentos como correos electrónicos y llamadas telefónicas. Pero los agentes de IA plantean un reto al que los reguladores aún no se han enfrentado.

El estudio de Goldstein, también escrito por su colega en Wharton Winston Dou y Yan Ji, de la Universidad de Ciencia y Tecnología de Hong Kong, ha llamado la atención tanto de los reguladores como de los gestores de activos. La Autoridad Reguladora de la Industria Financiera les invitó a presentar sus conclusiones en un seminario. Algunos gestores, cuyo nombre Dou no reveló, han expresado interés en que se establezcan directrices y normas claras sobre la ejecución de operaciones algorítmicas basadas en la IA.

“Les preocupa que no sea su intención”, afirma Dou. “Que los reguladores puedan acudir a ellos y decirles: ‘Están haciendo algo mal’”.

Mercados simulados

Las investigaciones académicas estudian cada vez más cómo la IA generativa y el aprendizaje por refuerzo puede transformar a Wall Street, a menudo de formas no previstas. Una encuesta reciente de Coalition Greenwich reveló que el 15% de los operadores buy-side ya utilizan la IA para ejecutar operaciones, y otra cuarta parte tiene previsto hacerlo durante el próximo año.

Cabe aclarar que el artículo no sostiene que la colusión de la IA ya ocurra en el mundo real, ni compara su comportamiento con el de los humanos. Los investigadores crearon un entorno hipotético con una variedad de participantes simulados, con fondos mutuos, creadores de mercado e inversionistas minoristas que persiguen a las meme stocks. Luego, lanzaron los bots y estudiaron los resultados.

En varios de los mercados simulados, los agentes de IA comenzaron a cooperar en lugar de competir, formando efectivamente cárteles que compartían las ganancias y desalentaban la deserción. Cuando los precios reflejaban información clara y fundamental, los bots mantenían un perfil bajo, evitando movimientos que pudieran perturbar la ganancia colectiva.

En mercados más ruidosos, se instalaban en las mismas rutinas cooperativas y dejaban de buscar mejores estrategias.

Los investigadores denominaron este efecto “estupidez artificial”: una tendencia de los bots a dejar de probar nuevas ideas y a encerrarse en patrones de reparto de beneficios simplemente porque funcionaban bastante bien.

“A los humanos nos cuesta coordinarnos para ser tontos porque tenemos ego”, afirma Dou. “Pero las máquinas son como: ‘mientras las cifras sean rentables, podemos coordinarnos para ser tontas’”.

El artículo AI-Powered Trading, Algorithmic Collusion, and Price Efficiency se basa en aproximadamente tres años de investigación, un periodo en el que la tecnología de IA ha seguido avanzando. La versión final se publicó recientemente en el sitio web de la Oficina Nacional de Investigación Económica.

Para examinar el grado de colusión existente, los investigadores crearon una medida denominada “capacidad de colusión”, que compara los beneficios colectivos de los operadores de IA con los que pueden obtener cuando la competencia es inexistente o desenfrenada. En una escala en la que cero significa que no hay colusión y uno indica un cártel perfecto, los bots obtuvieron puntuaciones superiores a 0,5 tanto en mercados con poco ruido como en mercados con mucho ruido.

Los resultados apuntan a la necesidad de una regulación centrada en el comportamiento, más que en la comunicación o la intención. Paradójicamente, reducir la complejidad de la IA puede fomentar la colusión ‘estúpida’, en la que los bots dejan de innovar y se aferran a lo rentable.

“Si bien restringir la complejidad algorítmica o la capacidad de memoria puede ayudar a disuadir la colusión de la IA basada en precios, estas medidas pueden exacerbar inadvertidamente el sesgo de poda excesiva”, escribieron. “Como resultado, las restricciones bien intencionadas pueden socavar involuntariamente la eficiencia del mercado”.

Nota Original: Wharton Experiment Finds ‘Dumb’ AI Bots Collude to Rig Markets

MÁS CONTENIDO EN ESPAÑOL:

Suscríbase aquí al boletín Cinco CosasBloomberg en español está en LinkedInConozca nuestro canal de WhatsAppUsuarios terminal: vea la versión español de Daybreak en {DAYB }

More stories like this are available on bloomberg.com

©2025 Bloomberg L.P.