La gente ya está pidiendo consejos de dinero a chatbots. Presupuesto, deudas, inversión, impuestos, jubilación. No es una hipótesis de laboratorio.

Persona revisando finanzas personales con AI assistant, presupuesto, cartera y controles

Un nuevo análisis de MIT Sloan sobre el paper "AI Financial Advice: Supply, Demand, and Life Cycle Implications" explica por qué esto importa. Los autores recogieron prompts de 1,000 adultos en Estados Unidos y simularon qué pasaría durante una vida si siguieran el consejo de un LLM. No son resultados reales observados durante décadas. Es una simulación, pero una simulación útil.

El hallazgo es mixto. La AI suele dar consejos sensatos: ahorrar, crear un fondo de emergencia, diversificar, usar fondos amplios y reducir riesgo con la edad. Para muchas personas eso puede ser mejor que no recibir consejo, seguir a influencers o aceptar una venta disfrazada de asesoría.

El problema es la frase "si haces las preguntas correctas". El estudio encontró diferencias por financial literacy, experiencia previa con AI y género. En las simulaciones, esas diferencias podían acumularse en una brecha de riqueza cercana a 4-5% hacia la jubilación. La AI puede ampliar el acceso al consejo, pero también premiar a quienes ya saben preguntar.

Qué se probó

El paper, de Taha Choukhmane, Tim de Silva, Weidong Lin y Matthew Akuzawa, analiza supply, demand y life-cycle implications. La versión de marzo de 2026 se centra sobre todo en GPT-5.2 y Gemini 3 Flash. Los investigadores usaron un modelo con ingresos, impuestos, desempleo, rendimientos y mortalidad calibrados para Estados Unidos.

La AI añadió temas útiles que muchos usuarios no mencionaban. Liquidity apareció en 83% de las respuestas aunque sólo 6% de los prompts la pedía. Savings apareció en 76% de las respuestas frente a 20% de los prompts. Eso es valioso: un buen chatbot puede recordar higiene financiera básica.

Dónde falla

Los fallos importantes son sutiles. El paper dice que la AI manejó peor shocks como desempleo, drawdown en jubilación y rebalancing activo. Podía recortar demasiado el gasto tras perder empleo, incluso con liquidez disponible, o dejar que la cartera se desviara con los retornos.

Los structured prompts mejoraron las respuestas, pero un usuario normal no escribe como un paper académico. Suele omitir país, impuestos, deudas, cuentas, dependientes, horizonte y tolerancia al riesgo.

Cómo usarla

No preguntes "qué debo comprar". Usa la AI para preparar una decisión.

Incluye país y región, edad, estabilidad de ingresos, deudas, fondo de emergencia, metas, horizonte, cuentas, impuestos, dependientes y tolerancia al riesgo. No compartas números de cuenta ni datos sensibles.

Pide assumptions, missing information, escenarios conservative/base/aggressive y reglas locales que debes verificar en fuentes oficiales. Para decisiones de impuestos, jubilación, seguros, herencia, deuda compleja o inversiones reguladas, consulta una fuente oficial o un profesional cualificado.

Qué significa para fintech

Un financial assistant serio no debería ser sólo un chat box. Necesita structured intake, jurisdiction detection, calculators, retrieval de reglas oficiales, disclosures, audit logs y handoff humano.

También debe controlar product steering. El paper encontró que menos de 3% de los usuarios mencionó tickers, pero la AI nombró productos y proveedores como Vanguard, iShares y algunos tokens cripto. Eso no prueba publicidad, pero muestra lo fácil que es introducir productos no pedidos.

Conclusión

La AI ya sirve para educación financiera y planificación básica. No debería ser la autoridad final. El mejor uso es convertir una pregunta vaga en una lista de datos, opciones, supuestos y verificaciones.

MIT Sloan no demuestra que debas delegar tu dinero a un chatbot. Demuestra que el valor depende del prompt, del contexto, del diseño del producto y de la capacidad de verificar.