Consejos financieros con IA: el estudio que mide su exactitud

Cuando le pregunto a un chatbot si me conviene aportar más a mi plan de jubilación o pagar antes la tarjeta de crédito, la respuesta llega en segundos, con seguridad y buen formato. Esa seguridad es justo el problema. Un estudio publicado a mediados de septiembre de 2026 por la fintech Saturn, titulado "Artificial Authority", probó dieciocho modelos de IA con cerca de diez mil preguntas financieras y encontró que dieron consejos inexactos en promedio el 57% de las veces. Estamos hablando de ChatGPT, Claude, Copilot, Grok y Gemini, las herramientas que ya usamos a diario para redactar correos o resumir documentos.

La cifra duele, pero esconde un matiz útil: no todos los errores pesan igual, ni todas las preguntas son igual de arriesgadas. Los errores ChatGPT finanzas y los de cualquier otro modelo del montón comparten patrón, aunque no todos se pagan igual. Lo que sigue es una explicación de qué midió Saturn, por qué la IA se equivoca y qué conviene verificar antes de mover dinero real con el consejo de un chatbot.

Qué encontró el estudio de Saturn sobre los consejos financieros con IA

Saturn probó 18 modelos de IA con unas 10.000 preguntas financieras (algunas fuentes mencionan 121 preguntas en un componente específico de la prueba). El resultado global, según el estudio: consejos inexactos en el 57% de los casos.

El promedio oculta lo peor. Cuando las preguntas se volvían complejas, la tasa de error subió al 88%, y algunos modelos fallaron el 99% de las consultas complejas. Traducido: para decidir si refinanciar una hipoteca o cómo declarar una venta de acciones, la mayoría de los chatbots no son una fuente fiable.

También hay una brecha según el nivel de acceso. En herramientas de pago el error fue del 49%, frente al 63% en las gratuitas. En las preguntas más difíciles, los modelos gratuitos llegaron a fallar hasta el 93% de las veces.

Esa brecha de 14 puntos tiene una lectura incómoda: pagar una suscripción mejora el resultado, pero no lo arregla.

Por qué los chatbots se equivocan al dar asesoramiento fiscal con IA

Hay una razón estructural detrás de buena parte de estos fallos, y tiene menos que ver con la inteligencia del modelo que con su fecha de caducidad.

Un modelo de lenguaje aprende de un bloque de texto que se congela en un momento concreto. Las normas fiscales no se congelan. Los tramos de tributación, las aportaciones máximas a planes de jubilación, los límites de deducción y los umbrales de exención cambian cada año, y cambian distinto en cada país. Cuando el modelo responde con la cifra que aprendió, está citando la ley del año pasado con la seguridad de quien cita la de hoy.

El segundo problema es la alucinación de reglas. El análisis de NerdWallet sobre estas pruebas señala que los chatbots tienden a inventar normas que suenan plausibles y citar casos legales que no existen. Un modelo no dice "no lo sé"; rellena el hueco con algo que encaja sintácticamente. En un resumen académico eso pasa. En una declaración de la renta, no.

Y hay un sesgo de alcance que conviene conocer: los modelos se centran demasiado en impuestos federales y fallan cuando la pregunta es estatal o autonómica. Si tu caso depende de la normativa de tu región, la respuesta genérica tiene menos valor del que aparenta.

NerdWallet también apunta una mejora real y merece la pena reconocerla: las habilidades matemáticas de estos modelos han mejorado. La aritmética ya no es el punto débil principal. El problema se ha desplazado a lo que no se puede calcular, es decir, al criterio y al contexto normativo.

La alucinacion IA aplicada a las finanzas personales

La palabra da un poco de risa hasta que te equivocas en la declaración por creerte una cifra inventada.

Conviene separar dos cosas que suenan parecidas. Que un modelo se invente un dato es lo que en inglés llaman hallucination, o alucinacion IA en la jerga que ya se usa en español. Que un consejo sea técnicamente correcto pero no encaje en tu situación es un problema distinto, y a menudo más caro.

Un ejemplo sirve mejor que la definición. Pregúntale si te conviene amortizar hipoteca o invertir el excedente. La respuesta estándar suele mencionar el tipo de interés de la deuda frente a la rentabilidad esperada de la inversión, y esa comparación es correcta. Lo que no sabe es que tu contrato tiene una comisión por amortización anticipada, ni que tienes un colchón de ahorro de apenas un mes. Dos datos que cambian la conclusión por completo.

Esa es la trampa del consejo financiero generado por IA: la respuesta puede ser impecable en abstracto y equivocada para ti. Y eso no se arregla preguntando mejor.

Cuándo la exactitud de la IA en finanzas es aceptable y cuándo no

La tasa de error del 57% no se reparte de forma uniforme, así que la pregunta práctica no es "¿confío o no confío?", sino "¿para qué la uso?".

Uso razonable, con verificación posterior. Definir conceptos básicos (qué es una aportación a un plan de pensiones, qué diferencia hay entre interés simple y compuesto), redactar un presupuesto a partir de tus propios datos, ordenar el vocabulario para llegar mejor preparado a una consulta. Aquí el modelo actúa como un primer borrador, no como una autoridad.

¿Y las cifras concretas? Ahí empieza el terreno minado.

Uso arriesgado. Cifras concretas de impuestos, plazos de presentación, límites de deducción, reglas de una herencia o de una venta de criptomonedas. Es exactamente el terreno donde el estudio sitúa los fallos más graves.

Un caso intermedio que veo mucho: pedirle un plan de pago de deudas. La estructura que propone (ordenar por tipo de interés, decidir qué cantidad va a cada deuda) suele seguir pautas de planificación financiera razonables. La parte estratégica aguanta. Lo que no aguanta es que le pidas el importe exacto de la retención que te corresponde.

Qué verificar antes de actuar sobre un consejo financiero de la IA

Aquí está la parte que sí puedes controlar. Antes de mover dinero real a partir de una respuesta de chatbot, comprueba tres cosas.

1. La fecha de la norma. Busca la cifra en la web del organismo fiscal de tu país y confirma que corresponde al ejercicio vigente. Si el modelo no cita la fuente, la cifra no cuenta.
2. La letra pequeña que el modelo no conoce. Comisiones, condiciones de tu contrato, plazos, exenciones que aplican solo a tu caso. La IA no ve tu cuenta bancaria ni tu contrato, así que esa parte la pones tú.
3. La fuente. Pide al modelo que cite de dónde sale cada dato y luego abre esa fuente. Si no puede señalar un documento concreto, trátalo como un borrador sin revisar.

Y un contrapunto que conviene mantener a la vista. Otra prueba realizada por medios como NPR encontró que el consejo de los chatbots era en gran medida sólido y seguía pautas comunes de planificación financiera. Las dos conclusiones pueden ser ciertas a la vez: la dirección general del consejo suele estar bien, la fiabilidad de los detalles concretos no. El problema no es que la IA diga barbaridades sobre tus finanzas; es que dice cosas razonables con una precisión que no puede garantizar.

Cuándo acudir a un profesional en lugar de a un chatbot

Hay una línea bastante clara, y no depende de la gravedad de la pregunta, sino de si el coste de equivocarse es recuperable.

Si la pregunta es de cultura financiera, la IA basta. Si la decisión implica una cantidad que tardarías meses en recuperar, un plazo legal que no se puede ampliar o una situación fiscal con varias jurisdicciones, el chatbot se queda corto.

La razón es sencilla: un asesor fiscal o un planificador financiero responde por su recomendación y tiene en cuenta tu situación completa. Un modelo responde con la pauta estadísticamente más probable para una pregunta parecida a la tuya, sin saber casi nada de ti. Esa diferencia no se cierra con una pregunta mejor formulada.

El caso más claro es el de los impuestos. El estudio de Saturn encontró fallos de hasta el 93% en las preguntas más difíciles, y un rasgo recurrente es que los modelos se apoyan en la normativa federal o nacional y fallan en la información específica de cada región. Si tu declaración depende de la norma de tu comunidad o provincia, esa es precisamente la parte donde el modelo no puede ayudarte.

También conviene mirar el dato de la FCA, el regulador financiero británico: según sus hallazgos, el 26% de los consumidores confiaba en herramientas de IA de uso general para tomar decisiones financieras. Un cuarto de los usuarios tomando decisiones de dinero con una herramienta que falla en casi seis de cada diez respuestas es un desajuste que merece atención.

Para quien quiera poner a prueba a su propio chatbot, la forma más honesta es hacerle una pregunta cuya respuesta correcta ya conozcas, sobre tu propio caso. Si falla ahí, ya sabes cuánto pesa el resto. Pruébalo antes de descargar o instalar cualquier gestor de finanzas que prometa automatizar tus decisiones: si el motor de consejos falla en lo básico, la app que lo envuelve tampoco te salva.

La fiabilidad de la IA en finanzas: lo que significa para ti

El estudio de Saturn no dice que la IA sea inútil para las finanzas. Dice que no es una autoridad, y que la tratamos como si lo fuera. Un matiz pequeño con consecuencias grandes.

Ese es el cambio de hábito que propone: usar el chatbot para pensar mejor y no para decidir por ti. Que te explique un concepto, que ordene tus opciones, que te prepare las preguntas que llevarás a tu asesor. En ese papel funciona bien y ahorra tiempo real.

La conclusión práctica es dejar de tratarlo como una respuesta final. La IA es un borrador muy rápido, y los borradores se revisan. Si ese borrador toca tu dinero, la revisión no es opcional.