Un estudio del MIT Sloan ha medido la calidad del consejo financiero que dan los modelos de IA y el resultado tiene dos caras: las recomendaciones son buenas, y quien pregunta mal se deja unos 100.000 dólares por el camino. El trabajo, publicado el 21 de julio de 2026, simula décadas de decisiones de ahorro siguiendo lo que responden GPT-5.2, GPT-5.6 y Gemini 3 Flash.
Puntos clave
- El paper se titula "AI Financial Advice: Supply, Demand, and Life Cycle Implications" y lo firman Taha Choukhmane, Weidong Lin y Matthew Akuzawa, de MIT Sloan, con Tim de Silva, de Stanford. Ganó el Swiss Finance Institute Outstanding Paper Award 2026.
- Los investigadores reclutaron a 1.000 adultos para que escribieran sus propias preguntas, en lugar de usar prompts de laboratorio.
- Después simularon seguir esas recomendaciones desde los 22 hasta los 89 años con un modelo de ciclo de vida financiero.
- A los 60 años, la diferencia de patrimonio acumulado llegaba a unos 50.000 dólares (un 4%) según género y nivel de alfabetización financiera, y a casi 100.000 (un 6%) entre quien ya usaba IA y quien no.
El consejo es bueno, el problema es la pregunta
La parte que sorprende es que los modelos aciertan. Siguiendo sus recomendaciones, la mayoría de personas por encima de los 30 acababa con un colchón de ahorro razonable. No es un desastre de consejos genéricos: los sistemas construyen recomendaciones coherentes con la situación que les describen.
El matiz está en esa última palabra. La situación que les describen.
Los investigadores compararon las preguntas reales de los 1.000 participantes con lo que llamaron prompts académicos: consultas estructuradas que incluían la información financiera completa de la persona y los supuestos económicos explícitos. Con los prompts completos, la calidad del consejo subía para todo el mundo. Con las preguntas espontáneas, subía para unos más que para otros.
Quien ya sabe de finanzas menciona sin pensar su tipo marginal, su horizonte temporal, si tiene hipoteca a tipo fijo o variable. Quien no sabe, pregunta "¿cuánto debería ahorrar?" y recibe una respuesta construida sobre supuestos por defecto que igual no son los suyos.
La ventaja de haber usado la herramienta antes
La brecha más grande del estudio no es la de conocimientos financieros. Es la de experiencia previa con IA: casi 100.000 dólares a los 60 años entre quienes ya venían usando estos sistemas y quienes no.
Eso apunta a una habilidad distinta de saber de dinero. Es saber que puedes dar contexto, que puedes repreguntar, que la primera respuesta es un punto de partida y no un veredicto. Quien lleva meses usando un modelo ha aprendido eso sin proponérselo.
El patrón se repite fuera de las finanzas. En un test con 1.100 casos clínicos reales, los cuatro sistemas médicos evaluados fallaban de la misma forma cuando la consulta llegaba incompleta. La calidad del output sigue a la calidad del input con una fidelidad incómoda.
Qué significa para una empresa
Este estudio va de finanzas personales, pero el mecanismo es idéntico al de cualquier despliegue de IA en una empresa. Dos personas del mismo equipo, con el mismo modelo y la misma licencia, obtienen resultados que se separan mucho. La diferencia no está en el modelo.
Ahí está el argumento a favor de construir herramientas internas en lugar de repartir licencias de chat y esperar. Cuando el contexto va dentro de la herramienta (los datos de la empresa, los supuestos del negocio, el formato de salida), deja de depender de si la persona que pregunta sabe qué mencionar. Es la diferencia entre dar acceso a un modelo y montar un proceso.
También explica por qué las métricas de adopción del primer mes engañan. La gente que lleva medio año usando la herramienta no se parece a la que empezó ayer, y no por el modelo, sino por lo que ha aprendido sobre cómo preguntarle.
Por qué importa
Si estás decidiendo cómo meter IA en tu empresa, este estudio te da un número al que agarrarte: un 6% de diferencia en el resultado final atribuible solo a la experiencia previa con la herramienta.
La conclusión operativa es que la formación no es un extra del despliegue, es el despliegue. Y que las plantillas de prompt con el contexto ya metido valen más que cualquier sesión teórica, porque cierran la brecha sin depender de que cada persona la cierre sola.
Relacionado
