AI para la gestión de patrimonio: asesoramiento hiperpersonalizado y construcción de carteras

Introducción

El asesoramiento patrimonial se vuelve genuinamente personal cuando la cartera refleja el contexto de decisión completo del cliente: objetivos, pasivos, liquidez, situación fiscal, monedas, entidades jurídicas, gobernanza familiar, posiciones existentes, activos privados, concentración, preferencias y capacidad de pérdida. Un breve cuestionario de riesgo y una cartera modelo capturan solo una parte de ese contexto. La inteligencia artificial puede ayudar a organizar la información, detectar cambios, preparar escenarios y explicar opciones. La institución de inversión sigue necesitando un método controlado que convierta la información en asesoramiento idóneo y una cartera autorizada.

Este documento desarrolla ese método para dos Matchpoint Partners perfiles de cliente ideales. El primero abarca bancos privados, gestores de activos externos y family offices multifamiliares que asesoran o gestionan activos para muchos clientes. El segundo abarca GCC family offices y titulares de patrimonios ultraaltos que asignan capital entre entidades familiares, empresas operativas, mercados líquidos e inversiones privadas. Ambos perfiles afrontan datos fragmentados, preparación manual repetida, restricciones multijurisdiccionales y exigentes requisitos de explicación. Sus derechos de decisión y su economía operativa difieren.

La evidencia empírica disponible respalda afirmaciones acotadas. D'Acunto, Prabhala y Rossi encontraron efectos de diversificación y de comportamiento tras la adopción de un roboasesor de gestión patrimonial, con resultados que variaban según la cartera inicial del inversor [26]. Scherer y Lehner analizaron 151.200 recomendaciones de perfil de un importante roboasesor estadounidense y encontraron que los objetivos y los horizontes influían en las asignaciones a renta variable, mientras que las demandas de cobertura más complejas estaban en gran medida ausentes [27]. Un experimento de campo de 2026 encontró que un formato de explicación gráfica no aumentó la adherencia a las recomendaciones algorítmicas [28]. Un experimento de cartera de diez semanas encontró que la implementación por defecto produjo resultados más sólidos que el asesoramiento por sí solo [29]. Estos resultados muestran que el diseño, la condición inicial y la vía de implementación importan. No establecen un efecto universal sobre el rendimiento, los ingresos o la productividad.

La evidencia regulatoria respalda la misma frontera operativa. La guía de gestión de inversiones digitales de ADGM aborda la idoneidad, las divulgaciones, la gobernanza de algoritmos, las pruebas, los recursos humanos, los controles cibernéticos y la externalización [1]. ESMA espera que las empresas que utilizan AI en servicios de inversión cumplan los requisitos organizativos y de conducta de MiFID II y actúen en el mejor interés de los clientes [8]. Los materiales de la SEC y FINRA preservan las obligaciones de asesor, cuidado, supervisión y comunicación cuando se utiliza tecnología [9-12]. La guía de IOSCO asigna responsabilidad a la alta dirección, pruebas, competencia y supervisión de terceros [13,14].

El documento presenta cinco proposiciones.

Todos los casos desarrollados, umbrales, volúmenes, plazos, tasas y parámetros económicos de este artículo son supuestos de modelización explícitamente hipotéticos. Los ingresos atribuidos a Matchpoint o al cliente, la reducción de costes en efectivo y la reducción de pérdidas permanecen como USD 0 hasta que exista evidencia observada aprobada.

Proposición	Implicación para la decisión
P1. La personalización comienza con un registro de cliente gobernado.	El asesoramiento no puede superar la exhaustividad, la vigencia, los derechos y la conciliación de los hechos subyacentes.
P2. La idoneidad, la construcción de carteras y la explicación son servicios separados.	Las reglas deterministas y la optimización producen propuestas controladas; AI ayuda en la recogida de información, la síntesis, los escenarios y la comunicación.
P3. Un hogar o una familia es un balance, no una puntuación de cuestionario.	Los pasivos, las monedas, las entidades jurídicas, los activos privados, la exposición a empresas operativas y la gobernanza entran en el conjunto de restricciones.
P4. El asesor sigue siendo el propietario de la decisión.	La revisión humana debe estar informada, documentada y ser capaz de cambiar o rechazar la propuesta.
P5. La escala se gana mediante resultados aceptados.	La calidad del asesoramiento, el tiempo de revisión, las anulaciones, las reclamaciones, la desviación y los resultados económicos realizados se miden antes de la expansión.

Alcance, definiciones y límites de la evidencia

Alcance

El artículo abarca el asesoramiento patrimonial asistido por AI y la construcción de carteras para relaciones de asesoramiento y discrecionales. Trata el descubrimiento del cliente, la consolidación de datos, la idoneidad, la capacidad de riesgo, el diseño de políticas de inversión, la asignación estratégica de activos, la selección de instrumentos, el análisis de escenarios, las restricciones fiscales y de divisa, la explicación de la cartera, la preparación de revisiones, el seguimiento y la detección de cambios.

El método se aplica a bancos privados, gestores de activos externos, family offices múltiples, family offices unifamiliares y organizaciones de inversión de patrimonios ultraaltos. Las normas aplicables de licencias, fiduciarias, de conducta, de datos, de externalización y transfronterizas dependen de la entidad, la actividad, el cliente, el producto, la jurisdicción y el canal de distribución. Profesionales cualificados de legal, cumplimiento normativo, fiscalidad e inversión determinan la aplicabilidad y aprueban la implementación.

El artículo no prescribe un valor, un gestor, una asignación de activos ni una rentabilidad esperada. No proporciona asesoramiento de inversión, legal, regulatorio, fiscal, contable, de privacidad, de ciberseguridad ni tecnológico. No trata un modelo de lenguaje como optimizador de carteras, motor de idoneidad, fiduciario ni asesor autónomo.

Definiciones de trabajo

Jerarquía de la evidencia

La investigación da prioridad al derecho vinculante, las normas oficiales, la orientación regulatoria, los organismos de normalización y los estudios empíricos originales. Una fuente se utiliza dentro de su población y método declarados.

Las fuentes se revisaron hasta el 1 de agosto de 2026. NIST indica que la versión 1.0 de AI RMF se está revisando [18]. El estado regulatorio y del producto puede cambiar. El registro de obligaciones debe consignar la fecha de la fuente, el estado actual, la fecha de la próxima revisión y el responsable designado.

Método de investigación

El método articula cuatro preguntas: qué necesita un responsable de decisiones de OR; qué establece la evidencia empírica sobre el asesoramiento automatizado y la personalización; qué esperan las autoridades aplicables; y qué evidencia de producción justificaría el despliegue. Las estadísticas reportadas conservan su población de estudio. Los valores de escenario se etiquetan como no verificados. Las afirmaciones sobre el rendimiento de proveedores y el tamaño de mercado se excluyen del caso de negocio principal, salvo que cuenten con el respaldo de una fuente primaria o autorizada.

Y mapa de decisiones

bancos privados, EAM y family offices multi

Una institución atiende una cartera de hogares o entidades jurídicas. El reto operativo es una prestación repetida bajo un marco de control común, preservando las circunstancias, restricciones y explicación específicas de cada cliente. La firma debe conciliar el criterio de front office, la política de inversión, la gobernanza de productos, los datos de custodia, la investigación, el cumplimiento, la información fiscal y la comunicación con el cliente.

La escala crea un requisito de control. Una plataforma reutilizable puede reunir datos y análisis. Cada cliente sigue requiriendo un registro de decisión individual. Las etiquetas de segmento, las puntuaciones de siguiente mejor acción y la propensión de marketing no pueden sustituir la idoneidad.

GCC family offices y propietarios de patrimonios ultraaltos

Una cartera de family office a menudo va más allá de las cuentas de custodia. Puede incluir fondos propios de empresas operativas, bienes inmuebles, fondos privados, inversiones directas, préstamos de accionistas, trusts, fundaciones, sociedades holding, arte, seguros, pasivos familiares y varias divisas. Las valoraciones y la liquidez pueden ser irregulares. La gobernanza familiar puede restringir las transferencias o exigir aprobaciones. Por lo tanto, un optimizador de carteras que solo ve valores negociables puede recomendar una asignación eficiente a nivel local y no idónea a nivel global.

El principal de la familia o el comité de inversiones puede mantener amplia discrecionalidad. Esa discrecionalidad se beneficia de una arquitectura de evidencia coherente. El sistema debe poner de manifiesto la información ausente, la obsolescencia de las valoraciones y los objetivos en conflicto, en lugar de reducirlos a una única puntuación de riesgo.

Contrato de decisión compartido

Todo flujo de trabajo asistido por AI debe comenzar con un contrato de decisión.

Qué respalda la evidencia empírica y de mercado

Los efectos sobre la cartera varían según la situación de partida

D'Acunto, Prabhala y Rossi estudiaron la introducción de un roboasesor de gestión patrimonial que adaptaba las carteras a las posiciones y preferencias [26]. La adopción mejoró la diversificación de los inversores inicialmente poco diversificados. Los inversores que ya estaban diversificados cambiaron de forma diferente. Los adoptantes también mostraron una reducción de los efectos de disposición, seguimiento de tendencias y rango, mientras que la actividad de negociación y la atención cambiaron. La lección operativa es una línea base condicional: el valor depende de la cartera inicial del cliente, su comportamiento y el uso que hace de la recomendación.

Este hallazgo impide afirmar de forma universal que la automatización mejore todas las carteras. Un proyecto piloto debería estratificar por diversificación inicial, complejidad de los activos, canal de asesoramiento y tipo de cliente. Debería medir los efectos a nivel de cartera después de comisiones e implementación, no solo la aceptación de la recomendación.

Las recomendaciones comerciales siguen siendo simplificadas

Scherer y Lehner recopilaron mediante scraping web recomendaciones para 151.200 tipos de inversores de un importante roboasesor estadounidense [27]. Los objetivos y los horizontes temporales influían en la asignación a renta variable. Los autores descubrieron que las recomendaciones observadas ignoraban en gran medida las demandas de cobertura del tipo Merton. Esto es una advertencia directa para su uso con clientes UHNW y family offices: las recomendaciones digitales accesibles pueden simplificar la teoría de las finanzas de los hogares y omitir riesgos de fondo importantes.

Una institución controlada puede utilizar la simplicidad de forma intencionada. La política de inversión debería indicar qué riesgos se representan, se aproximan o se excluyen. La exposición a empresas operativas, el capital humano, los impuestos, los pasivos, los activos ilíquidos y las obligaciones en divisas deberían entrar en el optimizador o en una capa humana documentada.

La explicación no genera automáticamente adherencia

Boulu-Reshef, Direr y Louafi realizaron un ensayo controlado aleatorizado dentro de una plataforma francesa de asesoramiento robótico [28]. El estudio, publicado como preprint de 2026, no encontró evidencia de que una explicación gráfica basada en perfiles aumentara la adherencia o la participación. La experiencia con dispositivos y plataformas pareció más importante en algunos comportamientos. El resultado no demuestra que la explicación sea ineficaz. Demuestra que no puede suponerse que un formato de explicación concreto cambie el comportamiento.

La institución debería comprobar si una explicación ayuda al usuario previsto a identificar hechos, disyuntivas, costes y riesgos a la baja. La comprensión, la corrección y la anulación informada son objetivos más sólidos que la simple adherencia. Un cliente que rechaza correctamente una recomendación tras ver una restricción omitida puede demostrar un control de explicación exitoso.

El diseño de la implementación cambia los resultados

El estudio de Economic Journal de 2026 utilizó un experimento de elección de cartera de diez semanas [29]. El asesoramiento robótico favoreció la participación continuada, el rebalanceo y carteras más cercanas a un parámetro de referencia maximizador de utilidad. La implementación por defecto funcionó mejor que el asesoramiento por sí solo. Este resultado depende del diseño y plantea una cuestión de conducta. Una opción por defecto puede mejorar la implementación al tiempo que aumenta la importancia de la idoneidad, la divulgación, los conflictos, la supervisión y la reversibilidad.

Back, Morana y Spann utilizaron dos experimentos con consecuencias y hallaron que la disponibilidad de asesoramiento robótico reducía el efecto disposición [30]. Los elementos de diseño social de tipo humano redujeron la búsqueda de asesoramiento en su diseño. La lección es probar las características de la interfaz en función de la calidad de la decisión. El lenguaje antropomórfico y la fluidez conversacional no deben tratarse como evidencia de confianza.

La personalización puede mejorar la diversificación dentro de diseños acotados

Un estudio de recomendador basado en casos evaluó recomendaciones de cartera con 1.172 usuarios reales y notificó un rendimiento mejorado en la mayoría de los entornos experimentales, cumpliendo al mismo tiempo los perfiles de riesgo declarados [31]. Un experimento natural de 2026 que utilizó datos a nivel de cuenta de un importante banco comercial chino notificó una reducción del 7,6 por ciento en la concentración tras recomendaciones personalizadas, junto con mayores ingresos por inversión y un menor riesgo general [32]. Estos estudios difieren en mercado, producto, población y diseño. Respaldan la evaluación de la diversificación y la alineación con la capacidad de riesgo. No establecen el mismo efecto para un banco privado GCC o family office.

La investigación sobre colaboración humano-robot identifica respuestas heterogéneas de los usuarios y la importancia de la información sobre el desempeño y el encuadre [33]. Por lo tanto, la institución debería registrar la fuente del asesoramiento, la versión de la explicación, la interacción con el asesor y la anulación. Las tasas de aceptación agregadas pueden ocultar diferencias importantes según la sofisticación del cliente, el canal y la condición inicial.

Contexto actual del sector financiero

El Banco de Inglaterra y la FCA informaron en su encuesta de 2024 que el 75 por ciento de las empresas encuestadas utilizaba AI y otro 10 por ciento planeaba utilizarlo en un plazo de tres años; un tercio de los casos de uso eran implementaciones de terceros [25]. Las cifras describen la población encuestada. Establecen una adopción material y exposición a dependencias en esa encuesta.

La encuesta de la DFSA de 2025 abarcó 661 empresas autorizadas con una tasa de participación del 88 por ciento. Notificó que el 52 por ciento utilizaba AI, el 60 por ciento contaba con alguna forma de estructura de gobernanza y el 21 por ciento carecía de una rendición de cuentas o supervisión claras incluso cuando el uso de AI era crítico [4]. Estos hallazgos específicos de DIFC respaldan un filtro de gobernanza para las instituciones.

El Informe de Estabilidad Financiera Global de 2024 del FMI describe oportunidades en la gestión de riesgos y la liquidez de mercado junto con opacidad, dependencia operativa, riesgo cibernético y comportamiento correlacionado [15]. El trabajo de la OCDE describe el potencial de recomendaciones diferenciadas y personalizadas y destaca preocupaciones sobre datos, sesgos, explicabilidad, conducta de mercado y estabilidad [16,17]. Ninguno de estos informes establece alfa de cartera local ni valor comercial realizado.

El modelo de decisión de personalización

Separar hechos, políticas, matemáticas y lenguaje

El modelo operativo utiliza cuatro capas.

La separación permite diagnosticar los errores. Una divisa de cliente incorrecta es un problema de hechos. Un instrumento prohibido que entra en el universo elegible es un problema de política. Una asignación inestable es un problema de matemáticas. Una justificación fluida pero no respaldada es un problema de lenguaje. Cada uno requiere un responsable y una prueba distintos.

Escala de personalización

La institución debería declarar su nivel actual en lugar de utilizar el término hiperpersonalización como reclamo de marketing.

La progresión requiere evidencia. Una institución puede operar en distintos niveles en función del mandato o del cliente. Una family office puede alcanzar una visión consolidada del patrimonio familiar para la asignación estratégica, manteniendo las valoraciones de activos privados como rangos explícitos.

Jerarquía de objetivos y restricciones

El problema de cartera debe formularse como una jerarquía antes de la optimización.

1. Preservar las prohibiciones legales, del mandato y del cliente.
2. Atender los requerimientos de efectivo a corto plazo, servicio de la deuda y llamadas de capital.
3. Proteger los objetivos requeridos de patrimonio mínimo o de gasto en las pruebas de estrés aprobadas.
4. Mantenerse dentro de los rangos estratégicos de riesgo, concentración, divisa y liquidez.
5. Mejorar el objetivo seleccionado, como la utilidad esperada, el tracking, el resultado después de impuestos o la cobertura de pasivos.
6. Minimizar los costes evitables, la rotación y la carga de implementación.

Un objetivo estilizado con restricciones puede formularse como:

`max_w E[R_p] - lambda Var(R_p) - kappa Cost(w, w_0) - eta * Tax(w, w_0)`

sujeto a:

`A w <= b`, `sum(w) = 1`, `Liquidity_h >= RequiredCash_h`, y `ProhibitedExposure = 0`.

Los símbolos y las entradas no son universales. El método aprobado debe definir los rendimientos esperados, la covarianza, el horizonte de pasivos, los costes de transacción, el tratamiento fiscal, la iliquidez, el apalancamiento, el look-through y la tolerancia. El modelo de lenguaje no debe inventar estos valores.

Múltiples objetivos y gobernanza familiar

Las familias pueden tener objetivos contrapuestos: preservar el poder adquisitivo, distribuir efectivo, apoyar una empresa operativa, financiar filantropía, transferir patrimonio, mantener el control y crear opcionalidad. El registro de decisiones debe mostrar a quién corresponde el objetivo, la entidad jurídica, el horizonte temporal, la prioridad y la vía de resolución de conflictos.

Arquitectura controlada y stack de herramientas

Arquitectura de referencia

La arquitectura comienza con la identidad y la autorización. Un cliente o asesor solo puede acceder a entidades, cuentas y documentos autorizados. Una capa de datos conserva la fuente original, los valores conciliados y el linaje. Un servicio de políticas aplica reglas de elegibilidad, idoneidad y mandato. Una capa de analítica calcula exposiciones, riesgo, escenarios y optimización. Una capa AI puede recuperar evidencia aprobada, preparar preguntas y redactar explicaciones. Una capa de validación comprueba el esquema, las citas, los números, las acciones prohibidas y el estado de las políticas. Una persona autorizada aprueba el asesoramiento final o la acción de cartera.

El rol permitido de LLM

Para un despliegue inicial, un modelo de lenguaje de gran tamaño podrá resumir notas de clientes vinculadas a fuentes; detectar hechos faltantes o incoherentes; redactar preguntas aclaratorias; recuperar investigación aprobada; explicar un escenario ya calculado; comparar una propuesta con la política aprobada; y preparar un borrador de paquete de revisión.

El modelo no debe tener autoridad autónoma para cambiar la clasificación de riesgo, alterar las restricciones de políticas, seleccionar un producto no aprobado, aprobar asesoramiento, ejecutar una operación, contactar con un cliente, mover datos, modificar un registro de origen o suprimir una excepción. Cualquier autoridad posterior requiere una aprobación separada respaldada por evaluación, análisis jurídico, monitorización y reversibilidad.

Aislamiento de datos y modelos

Los datos de clientes deben permanecer segmentados según los derechos de acceso legales y operativos. La recuperación debe aplicar los controles de acceso antes de que un pasaje entre en el contexto del modelo. Los prompts y las salidas deben heredar la clasificación más alta aplicable. El uso por parte del proveedor de entradas o salidas para entrenamiento, retención, acceso de soporte y procesamiento transfronterizo requiere una revisión explícita.

La encuesta del Banco de Inglaterra y la FCA encontró un uso significativo de terceros y concentración en las categorías de proveedores [25]. Las directrices de IOSCO esperan que las empresas gestionen las relaciones con terceros y aclaren el rendimiento, la responsabilidad, los derechos y los recursos [13]. y las organizaciones deben documentar las dependencias de proveedores, modelos, alojamiento, datos, recuperación, identidad y monitorización, así como las dependencias de cuarta parte.

Resiliencia y alternativa manual

El proceso de asesoramiento debe continuar o detenerse de forma segura cuando falla una fuente de datos, un modelo, un optimizador o un proveedor. Los estados de contingencia son explícitos: utilizar los últimos datos verificados con una advertencia de obsolescencia; pasar a la preparación manual; pausar la recomendación; o escalar al responsable autorizado. El sistema nunca debe sustituir silenciosamente un modelo, un supuesto o una fuente de datos.

Modelo de datos de clientes y hogares

Registro de la verdad del cliente

La personalización comienza con una jerarquía de fuentes. Los extractos de cuenta firmados por el cliente, los documentos legales, los registros del custodio, los registros del administrador, las cuentas auditadas, las valoraciones aprobadas y las confirmaciones directas pueden tener distinto nivel de autoridad. El registro debe conservar tanto el campo normalizado como la evidencia de origen.

Procedencia y confianza.

Todo campo relevante para la decisión debe registrar origen, fecha, responsable y estado. Un conjunto práctico de estados es: verificado, declarado por el cliente, proporcionado por terceros, estimado por la dirección, en conflicto, desactualizado o ausente. Un valor etiquetado como estimado por la dirección no debe aparecer como verificado en una explicación ni en una entrada del optimizador.

Las fuentes en conflicto requieren una excepción. El sistema puede mostrar ambos valores y solicitar su resolución. No debe seleccionar el valor más reciente o conveniente sin una regla aprobada. Un valor ausente puede activar una política conservadora o una pausa. La respuesta elegida depende de la consecuencia.

Modelo de desactualización.

La desactualización debe depender del campo. Las posiciones cotizadas pueden requerir actualizaciones diarias o basadas en eventos. Las valoraciones de activos privados pueden ser trimestrales o menos frecuentes. Los objetivos familiares pueden permanecer estables hasta un evento vital o de gobernanza. La autoridad jurídica solo cambia cuando cambia el instrumento subyacente.

Consentimiento, finalidad y minimización

El marco de protección de datos personales UAE se aplica al tratamiento de datos personales dentro de su ámbito y establece requisitos de gobernanza, seguridad, derechos y transferencias transfronterizas [6]. El Reglamento 10 de Protección de Datos de DIFC aborda los datos personales tratados mediante sistemas autónomos y semiautónomos [7]. GDPR y las directrices del EDPB pueden aplicarse a contextos pertinentes de tratamiento y toma de decisiones automatizada en la UE [23,24]. La aplicabilidad requiere un análisis jurídico cualificado.

El control operativo es específico para cada finalidad. La institución debe indicar por qué se recopila cada campo, dónde se utiliza, quién puede verlo, cuánto tiempo se conserva, qué proveedores lo reciben y cómo puede corregirlo el cliente. Los datos de comportamiento recopilados para el diseño de comunicaciones no deben convertirse silenciosamente en un insumo para el riesgo de inversión.

Consolidación del patrimonio familiar y look-through

La consolidación debe preservar la separación jurídica. La visión familiar es analítica y no fusiona la titularidad, la custodia ni la autoridad. La exposición look-through debe registrar la fuente y el método. Una empresa operativa puede generar dependencia de sector, país, divisa, apalancamiento e ingresos. Un fondo privado puede exponer la cartera a varias estrategias y compromisos no desembolsados. Los datos look-through no disponibles siguen siendo una incógnita explícita.

Para las carteras, un cubo de exposición útil abarca la entidad jurídica, el activo, el gestor, la estrategia, el sector, la geografía, la divisa, el tramo de liquidez, la fecha de valoración, el apalancamiento y el derecho de decisión. El cubo apoya las decisiones de concentración y flujo de caja mientras conserva los límites de titularidad.

Idoneidad y construcción de carteras

La idoneidad como cadena de evidencia

La guía de inversión digital de ADGM sitúa la idoneidad, las divulgaciones y la gobernanza de algoritmos dentro del marco operativo para los gestores de inversión digital [1]. La revisión de clasificación de clientes e idoneidad de la DFSA identificó documentación inadecuada y una dependencia excesiva de enfoques de casillas en las entidades revisadas [3]. La declaración de ESMA de 2024 identifica sesgos, calidad de datos, opacidad, dependencia excesiva, privacidad y riesgos de seguridad cuando AI presta apoyo a servicios de inversión [8]. La guía de obligaciones de cuidado de la SEC exige comprender la inversión y el perfil específico del inversor minorista, incluidos su situación financiera, necesidades, activos, deudas, situación fiscal, horizonte, liquidez, tolerancia y experiencia [10].

La cadena práctica de evidencia es:

`hecho de origen -> objetivo del cliente -> capacidad de riesgo -> restricción aplicable -> alternativas consideradas -> efecto en la cartera -> juicio del asesor -> comunicación al cliente -> aprobación`.

Cada eslabón debe poder reconstruirse. Una puntuación de riesgo sin sus respuestas, fecha, método, conflictos y revisor es insuficiente.

Tolerancia al riesgo y capacidad de riesgo

La tolerancia al riesgo es conductualmente inestable y puede verse afectada por el encuadre, los rendimientos recientes y el diseño de las preguntas. La capacidad de riesgo depende del balance. El sistema debe preservar ambas y escalar el conflicto. Un cliente puede declarar una alta disposición a asumir riesgo mientras mantiene obligaciones vinculantes a corto plazo. La cartera resultante debe respetar la capacidad y las normas de idoneidad aplicables.

Construcción de la política de inversión

La política de inversión traduce los hechos del cliente en reglas y rangos vinculantes. Debe identificar la moneda base, los objetivos, el índice de referencia, la asignación estratégica, los activos permitidos y prohibidos, la liquidez, la concentración, el apalancamiento, las divisas, los derivados, el ritmo de inversión en mercados privados, los requisitos ESG o de la sharia, el rebalanceo, la valoración, la delegación y la revisión.

Un asistente AI puede redactar una política a partir de campos estructurados aprobados e identificar las secciones que faltan. El asesor o el comité de inversiones es responsable de la política. La redacción vinculada a fuentes permite al revisor rastrear cada restricción hasta la instrucción del cliente, el documento legal o el criterio aprobado.

Optimización de cartera

Markowitz formalizó la selección de cartera de media-varianza [38]. Merton desarrolló la elección de cartera en tiempo continuo con dinámica de consumo y riqueza [39]. Black y Litterman presentaron un enfoque para combinar rendimientos de equilibrio con las opiniones del inversor [40]. Estos métodos proporcionan fundamentos y siguen siendo sensibles a los supuestos, el error de estimación, los objetivos y las restricciones.

El optimizador debe ser un servicio analítico probado. Su paquete de entrada incluye el universo elegible, los supuestos de rentabilidad y riesgo, la divisa, las comisiones, los impuestos, la liquidez, la rotación, los rangos de activos y la cartera actual. Su paquete de salida incluye el valor de la función objetivo, las restricciones, los límites vinculantes, las características esperadas, los resultados de escenarios, la rotación y las alternativas.

La institución debe probar la estabilidad. Pequeños cambios en los rendimientos esperados o en la covarianza pueden generar grandes cambios en la asignación. Los controles pueden incluir estimación robusta, contracción, regularización, remuestreo, tamaños mínimos de operación, penalizaciones por rotación y rangos estratégicos. La técnica seleccionada requiere una revisión independiente y una justificación documentada.

Activos privados e iliquidez

Las inversiones privadas requieren un tratamiento de flujo de caja y valoración más allá de un optimizador de activos cotizados. La cartera debe registrar los compromisos no desembolsados, las llamadas de capital esperadas y las distribuciones, el horizonte de liquidez, la fecha de valoración, el apalancamiento, la moneda, el sector y la concentración. El análisis de escenarios debe incluir salidas retrasadas, distribuciones reducidas, llamadas aceleradas y ajustes a la baja en la valoración.

Para las familias, el negocio operativo puede dominar la exposición económica. Tratarlo como ausente genera una asignación distorsionada en los mercados públicos. Una exposición basada en rangos y una superposición de escenarios pueden ser más honestas que una estimación puntual falsa. El comité de inversiones debe aprobar cómo las exposiciones privadas incompletas entran en la decisión.

Restricciones fiscales, de moneda y de entidad

El asesoramiento debe distinguir la optimización antes de impuestos de la implementación después de impuestos. Los lotes fiscales, los envoltorios, la titularidad legal, la residencia, las retenciones, las ganancias realizadas y las estructuras de sucesión pueden cambiar la acción preferida. Se requiere asesoramiento fiscal cualificado. El sistema puede preservar las entradas, calcular escenarios aprobados y señalar conflictos.

La moneda debe estar vinculada a los pasivos y objetivos. La moneda de reporte por sí sola es insuficiente. El registro de asignación debe mostrar la moneda del activo, la moneda económica, la cobertura, la moneda del pasivo y la política para la exposición residual.

Selección de productos y gestores

La asignación de la cartera y la elección del producto son decisiones separadas. La selección de productos debe considerar la idoneidad del mandato, la liquidez, las comisiones, el seguimiento, la contraparte, el crédito, el riesgo operativo, los impuestos, los términos legales, la capacidad y los conflictos. Un modelo debe recuperar solo del universo elegible aprobado y de los registros actuales de diligencia debida. El lenguaje de marketing y la popularidad no pueden sustituir la gobernanza de productos.

Campo de objetivo	Valor requerido
Responsable	Cliente, grupo de beneficiarios, fideicomiso, sociedad u órgano familiar.
Métrica	Importe en divisa, probabilidad, rendimiento real, cobertura de pasivos o rango de política.
Horizonte	Fecha o intervalo de revisión.
Prioridad	Vinculante, meta o preferencia.
Flexibilidad	Déficit, retraso o sustitución permitidos.
Autoridad	Persona u órgano facultado para aprobar cambios.

Flujo de trabajo y explicación del asesor

Flujo de trabajo antes y después

El flujo de trabajo existente suele pasar por reuniones, notas, hojas de cálculo, sistemas de riesgo, propuestas de inversión, controles de cumplimiento y documentos de revisión ensamblados manualmente. El flujo de trabajo controlado mantiene la discusión profesional y crea una única ruta de evidencia.

1. Ingerir registros fuente autorizados y notas del cliente.
2. Conciliar posiciones, entidades, pasivos y restricciones.
3. Identificar hechos faltantes, obsoletos o en conflicto.
4. Aplicar reglas deterministas de idoneidad y de política.
5. Calcular cartera, alternativas, costes y escenarios.
6. Redactar un paquete explicativo vinculado a las fuentes.
7. Obtener la revisión del asesor y la revisión de control exigida.
8. Debatir con el cliente o el órgano de decisión.
9. Registrar la aceptación, la anulación, el aplazamiento o el rechazo.
10. Canalizar las instrucciones aprobadas mediante controles de ejecución separados.

Paquete de explicación

Una explicación debe ayudar al destinatario a comprender la decisión. Debe indicar los hechos utilizados, las restricciones pertinentes, el cambio recomendado, las alternativas consideradas, los costes, los escenarios clave, la incertidumbre, los conflictos, las limitaciones y la acción requerida.

La explicación no debe exponer el razonamiento interno privado de un modelo. Debe exponer la evidencia de la decisión, el método, los supuestos significativos, las alternativas y el juicio responsable y sujeto a rendición de cuentas.

Revisión del asesor

Una revisión significativa requiere tiempo, competencia, acceso a fuentes y autoridad para rechazar. Un botón de revisión por sí solo no establece supervisión. El asesor debe confirmar los datos del cliente, la política, los cálculos de la cartera, las alternativas, los costes, los conflictos, el lenguaje y la acción. Las anulaciones materiales requieren un motivo codificado y una justificación en texto libre.

El análisis de anulaciones es una señal de aprendizaje. Las anulaciones persistentes pueden revelar defectos en datos, políticas, el optimizador o el flujo de trabajo. Una tasa baja de anulaciones no es automáticamente buena; el sesgo de automatización puede suprimir el cuestionamiento.

Comprensión y cuestionamiento del cliente

El cliente debe poder corregir hechos materiales, solicitar alternativas, entender los costes y rechazar la recomendación. Las pruebas de explicación deben medir la comprensión y la corrección, no la persuasión. El estudio de campo sobre transparencia de 2026 respalda la prueba directa de formatos y canales [28].

Para un comité de inversiones familiar, el paquete puede incluir un cuadro de mando para la decisión, un apéndice de supuestos y acciones a nivel de entidad. Distintas audiencias pueden recibir distinto nivel de detalle mientras los hechos y cálculos subyacentes permanecen consistentes.

Control de comunicaciones

FINRA afirma que las reglas neutrales en cuanto a tecnología siguen aplicándose a AI generativa, incluidos los estándares de supervisión y comunicaciones [12]. La aplicación coercitiva de la SEC contra afirmaciones engañosas sobre AI demuestra la importancia de describir con precisión el uso del sistema [11]. Las comunicaciones con clientes deben identificar el servicio con precisión, evitar afirmaciones no respaldadas sobre rendimiento o capacidades, conservar las divulgaciones requeridas y registrar la versión aprobada.

Campo del registro	Contenido requerido
Identidad	Sistema, proveedor, modelo, versión, responsable y estado.
Finalidad	Usuario, proceso, población de clientes, resultado y uso excluido.
Efecto de la decisión	Hechos, política, cartera, comunicación o ejecución influidos.
Datos	Fuentes, sensibilidad, ubicación, derechos, retención y transferencia.
Autoridad	Leer, redactar, recomendar, aprobar, comunicar o ejecutar.
Evidencia	Revisiones de diseño, evaluación, validación, privacidad, seguridad y legales.
Operación	Monitorización, cambios, incidentes, reclamaciones y excepciones.
Salida	Alternativa de contingencia, portabilidad, eliminación, transición y terminación.

Gobernanza, privacidad, seguridad y terceros

Responsabilidad de la alta dirección

La guía de IOSCO de 2021 recomienda la asignación de responsabilidades a la alta dirección, pruebas y monitorización, competencia adecuada, supervisión de terceros, divulgación y controles de datos [13]. ADGM espera que el consejo y la alta dirección supervisen el diseño, el rendimiento, el despliegue y la seguridad de los algoritmos de los gestores de inversiones digitales [1]. Una institución debe asignar un ejecutivo responsable, un responsable de asesoramiento, un responsable del método de inversión, un responsable de datos, un responsable de cumplimiento, un responsable de privacidad, un responsable de seguridad y un validador independiente.

Una family office puede utilizar una estructura proporcionada. El CIO o el comité de inversiones es responsable de la política de inversión y de las decisiones de cartera. Un responsable tecnológico designado opera el servicio. Asesores externos, asesores fiscales, especialistas en ciberseguridad y consultores de inversión aportan experiencia acotada. La delegación y las materias reservadas quedan documentadas.

AI y registro de modelos

El registro debe identificar cada sistema, componente y uso. Un modelo de lenguaje integrado en un sistema de relación con clientes, una plataforma de carteras o una aplicación ofimática sigue formando parte del perímetro cuando puede procesar información de clientes o influir en el asesoramiento.

Marco de riesgos

El RMF AI de NIST organiza los resultados en Gobernar, Mapear, Medir y Gestionar [18]. El Perfil Generativo AI de NIST identifica riesgos como la confabulación, el sesgo perjudicial, la privacidad de los datos, la integridad de la información, la seguridad de la información y las dependencias de la cadena de valor [19]. ISO/IEC 42001 especifica un sistema de gestión AI [20]. ISO/IEC 23894 proporciona orientación AI sobre gestión de riesgos [21]. Estas fuentes pueden estructurar los controles. Su uso no establece cumplimiento legal ni certificación.

La evaluación de riesgos debe abarcar asesoramiento inadecuado, daño al cliente, discriminación, privacidad, confidencialidad, ciberataque, datos inexactos, inestabilidad del modelo, lenguaje no respaldado, conflictos, fallo de terceros, concentración, acciones no autorizadas e incapacidad de reconstruir la decisión.

Privacidad y tratamiento automatizado

La institución debe mapear las funciones de responsable del tratamiento y encargado del tratamiento, la base jurídica, la finalidad, la categoría de datos, el acceso, la transferencia, la retención, los derechos y las obligaciones en materia de incidentes. Cuando se apliquen normas sobre toma de decisiones automatizada o elaboración de perfiles, los responsables jurídicos cualificados deben determinar la información requerida, las salvaguardias, la intervención humana y la vía de impugnación [7,23,24].

La minimización de datos es importante porque la hiperpersonalización puede propiciar una recogida excesiva. Un dato debe incorporarse al registro solo cuando estén definidos su finalidad decisoria y su control. La información sensible de la familia requiere un acceso, un registro y una divulgación especialmente restrictivos.

Garantía

El servicio debe aplicar el mínimo privilegio, el aislamiento de clientes y entidades, el cifrado, la gestión de secretos, la integración segura, la validación de resultados, el registro, la respuesta a incidentes y los controles de proveedores. El contenido recuperado puede contener instrucciones maliciosas o engañosas. Los documentos y el contenido web son datos, no autoridad. El sistema debe mantener los permisos de las herramientas separados del texto recuperado y validar cada acción propuesta frente a una política determinista.

Diligencia debida de terceros

Conflictos y objetivo de optimización

Una función de optimización puede crear un conflicto de conducta si incluye objetivos institucionales de ingresos, captación o colocación de productos sin la gobernanza adecuada. El contrato de decisión debe registrar el objetivo de optimización y los objetivos prohibidos. La propensión a generar ingresos debe quedar fuera de la idoneidad y de la construcción de carteras, salvo que responsables cualificados determinen un uso lícito, justo y divulgado.

La guía de diligencia de la SEC y su interpretación fiduciaria exigen anteponer los intereses del cliente y un conocimiento razonable de los objetivos [10,36]. El sistema debe preservar las alternativas consideradas, los costes de los productos y los conflictos institucionales.

Evaluación y monitorización

Unidad de evaluación

La unidad de evaluación es el flujo de trabajo configurado para una población de clientes definida y una tarea de asesoramiento. Las puntuaciones de referencia de los proveedores no acreditan la idoneidad. Las pruebas deben incluir la ingesta de datos, las reglas de políticas, los cálculos, la recuperación, la generación, la revisión humana, la comunicación y la gestión de fallos.

Conjunto de evaluación representativo

El conjunto debe cubrir casos de distinta complejidad: clientes nuevos y consolidados; mandatos de asesoramiento y discrecionales; carteras únicamente cotizadas y carteras mixtas de activos líquidos y privados; una y varias entidades; varias divisas; tolerancia y capacidad en conflicto; datos faltantes o desactualizados; restricciones de productos; lotes fiscales; negocios operativos concentrados; llamadas de capital; y estrés de mercado.

Cada caso necesita un resultado de referencia aprobado o un proceso de adjudicación. Los expertos deben documentar alternativas aceptables. Las decisiones de idoneidad y de cartera pueden admitir más de una respuesta válida. La evaluación debe distinguir un incumplimiento inaceptable de una alternativa profesional razonable.

Conjunto de métricas

Criterios eliminatorios

Ciertos fallos deben bloquear la producción independientemente de la puntuación media: cliente o entidad incorrectos; acceso no autorizado a datos; incumplimiento de una restricción vinculante; producto no respaldado; cálculo fuera de tolerancia; falta de coste material o de conflicto; afirmación material no respaldada; acción prohibida; aprobación fallida; o incapacidad para reconstruir la decisión.

Un porcentaje medio de precisión puede ocultar un grave fallo de idoneidad o privacidad. El punto de control debería usar errores ponderados por consecuencia y umbrales separados según la tarea.

Monitorización

El seguimiento debería abarcar datos, cartera, método, proveedor y resultados humanos y de clientes.

Cuestionamiento independiente

Los revisores independientes deben tener acceso a los métodos, los casos, los registros fuente y los registros de fallos. Deben reproducir los cálculos, cuestionar los datos y los supuestos, probar acciones prohibidas, evaluar los resultados por subgrupos e inspeccionar si la revisión humana es significativa. Las condiciones y los riesgos residuales deben tener responsables y fechas de vencimiento.

Productividad y medición económica

Resultado aceptado

La unidad económica es un paquete de asesoramiento o revisión aceptado. Un borrador generado no tiene valor reconocido hasta que supera las validaciones de datos, idoneidad, cartera, control y revisión humana. El tiempo ahorrado en la redacción puede consumirse en conciliación, corrección, supervisión, conversación con el cliente o gestión de incidentes.

`Coste por resultado aceptado = Coste total del flujo de trabajo controlado / Resultados aceptados`

El coste total del flujo de trabajo controlado incluye personal, datos, licencias, integración, cómputo, evaluación, validación, seguridad, privacidad, cumplimiento, supervisión de proveedores, cambio, monitorización, incidentes y coste de retirada.

Puente de productividad

La tasa de productividad debe utilizar una combinación de casos equivalente y un estándar de resultados equivalente. La medición debe informar el tiempo mediano y el tiempo de cola, no solo una media. Los casos que fallan o requieren un retrabajo extenso permanecen en el denominador.

Capacidad e ingresos

La capacidad liberada tiene valor económico solo cuando la institución cambia un resultado observable. El asesor puede dedicar más tiempo a los clientes, atender relaciones cualificadas adicionales, acortar los ciclos de revisión o reducir el apoyo externo. El reconocimiento requiere registros de tiempo, resultados aceptados, liberación de capacidad y un evento operativo o comercial materializado.

`Valor de la capacidad realizada = Horas liberadas verificadas Factor de utilización realizada aprobado Valor aprobado por hora realizada`

La atribución de ingresos requiere una regla causal documentada que vincule la intervención con una relación de cliente adquirida, retenida o ampliada y con ingresos cobrados. El pipeline, el valor de las propuestas, la implicación del cliente y los activos bajo asesoramiento son indicadores intermedios. No son ingresos cobrados.

Riesgo y pérdida

La pérdida evitada es difícil de demostrar. Un escenario puede respaldar el apetito de riesgo y la inversión en controles. Debe seguir siendo una estimación de la dirección hasta que existan una metodología aprobada y evidencia contrafactual observada.

Los costes de calidad pueden medirse directamente: correcciones significativas, asesoramiento retrasado, remediación al cliente, cancelación de operaciones, gestión de reclamaciones, respuesta a incidentes y revisión externa. Un caso de productividad debe restar estos costes.

Fórmulas ilustrativas no verificadas de caso de negocio

Todas las variables de esta subsección son supuestos hipotéticos de modelización.

`Beneficio bruto de tiempo = (minutos de referencia - minutos asistidos) Volumen elegible Coste por minuto cargado`

`Beneficio ajustado por calidad = beneficio bruto de tiempo Factor de aceptación Factor de realización`

`Beneficio neto = beneficio ajustado por calidad + ingresos realizados aprobados + reducción de pérdidas observadas aprobada - coste incremental total`

`ROI = beneficio neto / coste incremental total`

Ningún escenario numérico se presenta como una previsión. Los ingresos atribuidos a Matchpoint o al cliente, la reducción de costes en efectivo y la reducción de pérdidas siguen siendo USD 0.

Casos operativos ilustrativos

flujo de trabajo de revisión anual

El siguiente caso es un ejemplo ilustrativo. No describe una implementación observada de Matchpoint ni de un cliente.

Una family office multiafamiliar prepara revisiones anuales para clientes con varios custodios. El piloto propuesto abarca la consolidación de datos, preguntas sobre cambios de situación, diagnósticos de cartera, escenarios aprobados y un borrador de paquete explicativo. El asesoramiento, la selección de productos, la comunicación con el cliente y la ejecución siguen en manos de profesionales autorizados.

Estos son supuestos de la dirección para el diseño de la medición. No son evidencia de referencia. El piloto debe registrar la complejidad real de los casos, el tiempo por rol, el retrabajo, las anulaciones, las excepciones de datos, las correcciones del cliente y los resultados aceptados. Debe detenerse si falla una puerta de control estricta o si los revisores no disponen de tiempo suficiente para cuestionar el resultado.

puerta de decisión

El piloto avanza cuando la institución verifica los derechos sobre los datos y la conciliación; reproduce los cálculos; registra cero incumplimientos de restricciones vinculantes en el conjunto de pruebas aprobado y en el piloto; establece explicaciones fundamentadas; demuestra una revisión sustantiva por parte del asesor; y observa un coste ajustado por calidad por resultado aceptado dentro del umbral aprobado.

Una reducción media del tiempo no puede prevalecer sobre un fallo de idoneidad, de acceso o de explicación de aspectos materiales. La expansión debe añadir una dimensión controlada cada vez, como un nuevo segmento de clientes, una fuente de datos, un tipo de producto o una autoridad de flujo de trabajo.

flujo de trabajo de asignación de capital familiar

El siguiente caso también es un ejemplo ilustrativo.

Un family office mantiene inversiones cotizadas, varios fondos privados, participaciones directas en empresas, inmuebles y una participación en una empresa operativa. El piloto propuesto crea un cubo de exposición, una escalera de liquidez de doce trimestres, escenarios de asignación estratégica y un paquete para el comité de inversiones. Las valoraciones privadas siguen siendo con fecha de referencia y basadas en rangos. El optimizador genera alternativas solo para la cartera líquida aprobada y utiliza ajustes aprobados por el comité para las exposiciones ilíquidas.

puerta de decisión

La family office debe confirmar la titularidad jurídica y las facultades; conciliar los activos cotizados y el efectivo; etiquetar las valoraciones privadas y las lagunas de transparencia; documentar los supuestos de llamadas de capital; probar la liquidez en escenarios de tensión; mostrar la cartera pública con y sin exposición a negocios operativos; y registrar las decisiones y excepciones del comité.

El resultado debe poner de manifiesto la incertidumbre. Un amplio rango de valoración, la exposición no informada del gestor o un objetivo familiar en disputa deben permanecer visibles. El sistema no debe crear una falsa precisión que haga que la asignación parezca completa.

Comparación de casos operativos

Hoja de ruta de implementación

Días 0-15: autoridad y alcance

Identifique al ejecutivo responsable y al responsable de asesoramiento o inversión. Seleccione una población de clientes y una decisión. Defina acciones prohibidas, límites de datos, revisión, plan de contingencia y controles obligatorios. Reconcilie las funcionalidades existentes de AI en cartera, CRM y las herramientas de oficina y comunicación.

Días 16-30: registro de la verdad y línea base

Defina el esquema de cliente y unidad familiar, la jerarquía de fuentes, la obsolescencia, la conciliación y las reglas de excepción. Tome una muestra de casos representativos y mida el tiempo actual, el reproceso, los cortes de datos, la revisión y la calidad. Obtenga el análisis de privacidad, seguridad, legal y cumplimiento para el piloto acotado.

Días 31-45: políticas y analítica

Versionar las reglas de idoneidad, el universo elegible, las restricciones de cartera, los supuestos, los escenarios y los métodos de cálculo. Crear una prueba de reproducción independiente. Construir la plantilla de explicación y los requisitos de evidencia.

Días 46-60: evaluación offline

Ejecutar casos históricos y sintéticos representativos sin impacto para el cliente ni en la ejecución. Probar datos faltantes, hechos contradictorios, valoraciones desactualizadas, conflictos de restricciones, fallos de proveedores, contenido malicioso, preguntas sin soporte y mercados adversos. Registrar cada error y determinar alternativas aceptables.

Días 61-75: operación en modo sombra

Ejecutar el flujo de trabajo asistido en paralelo al proceso existente. Los revisores permanecen ciegos al resultado asistido cuando el diseño de la evaluación lo exige. Comparar integridad, cálculos, recomendaciones, explicaciones, tiempo, retrabajo y anulaciones. Ningún resultado asistido llega al cliente ni a la ruta de ejecución.

Días 76-90: puerta de control del piloto restringido

Aprobar un piloto restringido solo después de superar las puertas de control estrictas, los derechos sobre los datos, la validación, la supervisión, la monitorización y el mecanismo de respaldo. Definir la población máxima, las funciones permitidas, los revisores designados, la revisión de incidencias diaria o semanal y la autoridad para detener. Registrar la evidencia económica recopilada sin pronosticar beneficios no observados.

Del cuarto al duodécimo mes

Ampliar una dimensión después de obtener evidencia. Añadir fuentes de datos, casos, productos o clientes mediante control de cambios y pruebas de regresión. Probar la salida de proveedores y la continuidad manual. Analizar anulaciones, resultados por subgrupos, reclamaciones y la economía de los resultados aceptados. Obtener aseguramiento independiente antes de que se amplíe la autoridad significativa.

Limitaciones, agenda de investigación y conclusión

Los estudios empíricos citados utilizan distintos países, productos, poblaciones de inversores, interfaces y métodos. Varios se centran en el roboasesoramiento minorista y no en bancos privados, EAM, family offices multifamiliares o family offices GCC. El artículo de transparencia de 2026 era una preimpresión en la fecha de corte de la evidencia. Los efectos de cartera y de comportamiento no establecen la productividad del asesor, los ingresos recaudados, la idoneidad local ni el rendimiento para una institución específica.

La síntesis regulatoria es transjurisdiccional. La aplicabilidad depende de la entidad, la actividad, el cliente y la ubicación. Las normas y los marcos voluntarios apoyan el diseño de controles y no acreditan el cumplimiento legal. Las capacidades de AI, las condiciones del proveedor y los calendarios regulatorios pueden cambiar después de la fecha de corte de la evidencia.

La investigación futura debería probar un asesoramiento adaptado al hogar con activos y pasivos privados; comparar formatos de explicación para la comprensión y la corrección; medir las anulaciones del asesor y el sesgo de automatización; evaluar la implementación después de impuestos y en múltiples divisas; comprobar si la completitud de los datos mejora los resultados idóneos; e informar de incidentes, reclamaciones y resultados por subgrupos. Las instituciones deberían publicar métodos y resultados acotados cuando la confidencialidad lo permita.

La conclusión práctica es que el asesoramiento patrimonial hiperpersonalizado es un sistema de decisión controlado. Un registro de verdad gobernado recoge al cliente o a la familia. La política y la matemática aprobadas generan alternativas reproducibles. AI ayuda en la síntesis, las preguntas y la explicación. Un profesional responsable asume la idoneidad, el criterio y la acción. La evidencia de producción determina la escala.

Los ingresos atribuidos a Matchpoint o los ingresos de clientes, la reducción de costes en efectivo y la reducción de pérdidas permanecen como USD 0 hasta que la evidencia observada y aprobada respalde la atribución.

Registro de fuentes

El documento completo recoge la clasificación de la evidencia, el alcance y las limitaciones aplicadas a estas fuentes.

1. [1] Autoridad Reguladora de Servicios Financieros del Mercado Global de Abu Dabi (2025). *Guía complementaria: Gestión de inversiones digitales*. Código abierto
2. [2] Banco Central de UAE, Autoridad de Valores y Materias Primas, Autoridad de Servicios Financieros de Dubái y Autoridad Reguladora de Servicios Financieros (2021). *Directrices para instituciones financieras que adopten tecnologías habilitadoras*. Código abierto
3. [3] Autoridad de Servicios Financieros de Dubái (2018). *Conclusiones de la revisión de clasificación e idoneidad de clientes*. Código abierto
4. [4] Autoridad de Servicios Financieros de Dubái (2025). *Encuesta sobre inteligencia artificial 2025*. Código abierto
5. [5] Banco Central de los Emiratos Árabes Unidos (2026). *Nota de orientación sobre la protección del consumidor y la adopción y uso responsables de la inteligencia artificial y el aprendizaje automático por parte de las instituciones financieras licenciadas en los EAU*. Código abierto
6. [6] Gobierno de los Emiratos Árabes Unidos (2021). *Decreto-ley federal n.º 45 de 2021 relativo a la protección de datos personales*. Código abierto
7. [7] Centro Financiero Internacional de Dubái (vigente en 2026). *Normativa de protección de datos; Reglamento 10: datos personales tratados mediante sistemas autónomos y semiautónomos*. Código abierto
8. [8] Autoridad Europea de Valores y Mercados (2024). *Declaración pública sobre inteligencia artificial y la prestación de servicios de inversión*. Código abierto
9. [9] Comisión de Bolsa y Valores de Estados Unidos (2017). *Asesores robóticos: actualización de orientación y boletín para inversores*. Código abierto
10. [10] Personal de la Comisión de Bolsa y Valores de Estados Unidos (2023). *Normas de conducta para intermediarios de valores y asesores de inversión: obligaciones de diligencia*. Código abierto
11. [11] Comisión de Bolsa y Valores de Estados Unidos (2024). *La SEC acusa a dos asesores de inversión de formular declaraciones falsas y engañosas sobre su uso de inteligencia artificial*. Código abierto
12. [12] Autoridad Reguladora de la Industria Financiera (2024). *Aviso regulatorio 24-09: obligaciones regulatorias al utilizar inteligencia artificial generativa y modelos de lenguaje de gran tamaño*. Código abierto
13. [13] Organización Internacional de Comisiones de Valores (2021). *El uso de inteligencia artificial y aprendizaje automático por parte de intermediarios de mercado y gestores de activos*. Código abierto
14. [14] Organización Internacional de Comisiones de Valores (2025). *La inteligencia artificial en los mercados de capitales: casos de uso, riesgos y desafíos*. Código abierto
15. [15] Fondo Monetario Internacional (2024). *Informe de estabilidad financiera global, capítulo 3: avances en inteligencia artificial: implicaciones para las actividades de los mercados de capitales*. Código abierto
16. [16] Organización para la Cooperación y el Desarrollo Económicos (2023). *Inteligencia artificial generativa en finanzas*. Código abierto
17. [17] Organización para la Cooperación y el Desarrollo Económicos (2021). *Inteligencia artificial en finanzas*. Código abierto
18. [18] Instituto Nacional de Estándares y Tecnología (2023). *Marco de gestión de riesgos de inteligencia artificial 1.0*. Código abierto
19. [19] National Institute of Standards and Technology (2024). *Marco de Gestión de Riesgos de Inteligencia Artificial: Perfil de Inteligencia Artificial Generativa, NIST AI 600-1*. Código abierto
20. [20] Organización Internacional de Normalización (2023). *ISO/IEC 42001:2023, Sistemas de gestión de inteligencia artificial*. Código abierto
21. [21] Organización Internacional de Normalización (2023). *ISO/IEC 23894:2023, Inteligencia artificial: orientación sobre la gestión de riesgos*. Código abierto
22. [22] Unión Europea (2024). *Reglamento (UE) 2024/1689 por el que se establecen normas armonizadas sobre inteligencia artificial*. Código abierto
23. [23] Unión Europea (2016). *Reglamento (UE) 2016/679, Reglamento General de Protección de Datos*. Código abierto
24. [24] Comité Europeo de Protección de Datos (2018). *Directrices sobre la toma de decisiones individuales automatizadas y la elaboración de perfiles*. Código abierto
25. [25] Banco de Inglaterra y Autoridad de Conducta Financiera (2024). *La inteligencia artificial en los servicios financieros del Reino Unido, 2024*. Código abierto
26. [26] D'Acunto, F., Prabhala, N. y Rossi, A.G. (2019). *Promesas y riesgos del asesoramiento robótico*. Review of Financial Studies, 32(5), 1983-2020. Código abierto
27. [27] Scherer, B. y Lehner, S. (2025). *¿Qué impulsa el asesoramiento robótico?* Journal of Empirical Finance, 80, 101574. Código abierto
28. [28] Boulu-Reshef, B., Direr, A. y Louafi, M. (2026). *Transparencia algorítmica y elecciones de cartera: evidencia de campo*. Preprint de SSRN. Código abierto
29. [29] Lambrecht, M., Oechssler, J. y Weidenholzer, S. (2026). *Sobre los beneficios del asesoramiento robótico en los mercados financieros*. Economic Journal, manuscrito aceptado. Código abierto
30. [30] Back, C., Morana, S. y Spann, M. (2023). *¿Cuándo nos convierten los asesores robóticos en mejores inversores? El impacto de los elementos de diseño social en el comportamiento del inversor*. Journal of Behavioral and Experimental Economics, 103, 101984. Código abierto
31. [31] Musto, C., Semeraro, G., Lops, P., de Gemmis, M. y Lekkas, G. (2015). *Asesoramiento financiero personalizado mediante sistemas de recomendación basados en casos y estrategias de diversificación*. Decision Support Systems, 77, 100-111. Código abierto
32. [32] Wang, C., Zhang, T. y Zhu, S. (2026). *Recomendaciones de big data y diversificación de carteras: evidencia a partir de datos a nivel de cuenta*. Finance Research Letters, 92, 109541. Código abierto
33. [33] Mahmud, H., Islam, N. y Krishnan, S. (2025). *Colaboración entre humanos y robo-asesores en la toma de decisiones: evidencia de un estudio experimental de métodos mixtos multifase*. Decision Support Systems, 198, 114541. Código abierto
34. [34] Organización para la Cooperación y el Desarrollo Económicos (2024). *Enfoques regulatorios de la inteligencia artificial en las finanzas*. Código abierto
35. [35] Consejo de Estabilidad Financiera (2024). *Implicaciones de la inteligencia artificial para la estabilidad financiera*. Código abierto
36. [36] Comisión de Bolsa y Valores de Estados Unidos (2019). *Interpretación de la Comisión sobre la norma de conducta para los asesores de inversión*. Código abierto
37. [37] Foerster, S., Linnainmaa, J.T., Melzer, B.T. y Previtero, A. (2017). *Asesoramiento financiero minorista: ¿una misma solución sirve para todos?* Journal of Finance, 72(4), 1441-1482. Código abierto
38. [38] Markowitz, H. (1952). *Selección de carteras*. Journal of Finance, 7(1), 77-91. Código abierto
39. [39] Merton, R.C. (1969). *Selección de carteras a lo largo de la vida en condiciones de incertidumbre: el caso del tiempo continuo*. Review of Economics and Statistics, 51(3), 247-257. Código abierto
40. [40] Black, F. y Litterman, R. (1992). *Optimización global de carteras*. Financial Analysts Journal, 48(5), 28-43. Código abierto

Etapa	Hito de evidencia	Decisión
Alcance	Contrato de decisión y autoridad aprobados	Diseño.
Línea base	Proceso actual representativo medido	Construcción.
Offline	Puertas de control estrictas y umbrales de rendimiento superados	Modo sombra.
Sombra	Resultados aceptados equivalentes o mejores con revisión significativa	Piloto restringido.
Piloto	Calidad, conducta, control y economía estables	Expansión controlada.
Escalar	Dependencia, resiliencia y aseguramiento aceptables en toda la cartera	Producción ampliada.