Olvídate de Géminis 3 vs. GPT-5. El futuro de las finanzas es independiente del LLM.

Cuando Google presentó su último modelo Gemini la semana pasada, Internet explotó. Varios medios han informado que OpenAI está bajo presión. Según The Information, un memorando interno filtrado de Sam Altman advierte a los empleados sobre «vibraciones adversas» y «vientos económicos en contra». como resultado del aumento de rendimiento de Google. El memorando, supuestamente escrito el mes pasado, contrastaba marcadamente con las ambiciones públicas de billones de dólares de Altman y advertía que el crecimiento de los ingresos de OpenAI podría desacelerarse a un solo dígito para 2026. Y un tweet viral amplificó aún más el momento, exponiendo las ventajas estructurales de Google en un lenguaje sencillo: los datos del mundo, sus propios chips, enormes reservas de efectivo y exposición a miles de millones de usuarios en YouTube, Search, Gmail, Maps y Android.

Andrew Lockenaut sobre Google frente a OpenAI

Andrés Lo mañana | X.puede

Casi no importaba si cada detalle era preciso o exagerado. La narrativa se encendió porque aprovechó la historia que a la gente le encanta ver: Google contra OpenAI, Gemini contra GPT y la última ronda en la dura batalla por el liderazgo de la IA.

Pero mientras el mundo tecnológico discutía sobre quién ganaría la semana, las finanzas institucionales vieron algo muy diferente. Los bancos, los fondos de crédito y los principales gestores de activos no celebraron el salto de Google ni predijeron el regreso de GPT-5. Estaban haciendo una pregunta más estratégica: ¿Por qué apostaríamos nuestra infraestructura de seguros a un modelo en primer lugar?

Unas semanas antes de esta última edición, planteé este punto en el escenario de la Cumbre de IA de Mercados Privados en Nueva York, hablando ante una sala llena de gestores de crédito privados, inversores de capital privado y empresas de largo plazo. Compartí escenario con altos ejecutivos de BlackRock, Mubadala y Carta y el mensaje resonó en el panel. El verdadero riesgo es elegir el modelo equivocado. El verdadero riesgo es elegir cualquier modelo. «Si la frontera se mueve cada trimestre», le dije a la audiencia, «¿por qué vincularían el proceso de compromiso a un motor y esperarían que se mantuviera en la cima?»

Este momento fue importante porque cualquiera que realmente implemente la IA en los mercados privados ya está sintiendo la volatilidad. Y esa es una de las principales razones por las que construimos intencionalmente F2 como una plataforma de agencia independiente de LLM diseñada en torno a los flujos de trabajo que los inversores de los mercados privados utilizan todos los días, en lugar del modelo que resulta ser popular.

En abril, mientras escribía en estas páginas, sostuve que los LLM de propósito general no eran suficientes para el crédito privado. Como escribí entonces, «El análisis financiero es una bestia diferente. Tiene varios pasos, tiene muchas matemáticas y es intolerante a las alucinaciones». Eso sigue siendo cierto. Pero lo que quedó aún más claro después de esta columna es lo rápido que está cambiando el panorama de los modelos y lo peligroso que es construir toda una máquina de inversión sobre un modelo de frontera única.

Hace un año, GPT-4 parecía invencible. Anthropic luego creció con Claude Opus. El meta sorprendió al ecosistema con Llama 3. X lanzó Grok y comenzó a iterar más rápido de lo esperado. Ahora Google ha reclamado su posición en la frontera, aprovechando la escala de datos, la infraestructura de chips, el capital y las ventajas de distribución que ningún competidor puede lograr.

Los observadores técnicos ven una clasificación.
Las instituciones financieras ven un perfil de riesgo.

Operan en ciclos de adopción de varios años. Los modelos de IA generan avances en plazos medidos en meses. Esta discrepancia ya no es una preocupación teórica. Es estructural.

Lo sé porque viví en el viejo mundo. En mis días de capital privado, yo era el analista enterrado en Excel a las 3 de la mañana tratando de unir salas caóticas de datos y patrones de transacciones que tenían un 90 por ciento de posibilidades de morir. No era escalable y constituía un impuesto sobre toda la clase de activos. Cuando más tarde fundé Arc y finalmente creé F2, no estaba persiguiendo el entusiasmo por la IA. Estaba intentando arreglar los flujos de trabajo que deseaba que existieran en aquel entonces.

Una de las primeras lecciones que aprendimos fue sencilla. Depender de un solo modelo es un defecto estructural. Comparamos LLM de propósito general como GPT y Claude en flujos de trabajo de crédito privado, como cálculos de apalancamiento, deuda neta, análisis de cohortes y análisis de Excel. Su desempeño varió impredeciblemente de una tarea a otra. Las finanzas no son el único problema. Es una cadena de problemas especializados que ningún modelo puede manejar perfectamente.

Pero el problema más profundo es competitivo, no técnico.

Un fondo de crédito privado que vincula su conjunto de suscripción a un único modelo se está anclando a un objetivo en movimiento. Incluso si ese modelo sigue siendo completamente competente, en el momento en que otro modelo se vuelve sustancialmente mejor en razonamiento, extracción o análisis numérico, el fondo encerrado en una arquitectura de modelo único se queda atrás de sus pares que pueden percibir la ventaja al instante.

Sus procesos de trabajo no se interrumpen.
Su rendimiento relativo disminuye.
Y en el caso del crédito privado, el desempeño relativo determina los resultados.

Los fondos que utilizan sistemas independientes de LLM califican a los prestatarios más rápido, completan más transacciones en el mismo período de tiempo y crean notas más completas basadas en datos más limpios. Estas ventajas se combinan. En un mercado hiperevolutivo donde los dólares LP fluyen hacia administradores que demuestran apalancamiento analítico, un fondo que ejecuta el modelo de ayer termina generando retornos más bajos que sus pares que evolucionan con el margen.

Una vez que se abre esa brecha, se amplía cada trimestre.

Es por eso que las finanzas institucionales están recurriendo a plataformas verticales de IA independientes del LLM. No porque esté de moda, sino porque es económicamente racional.

En lugar de elegir bando, los prestamistas adoptan sistemas multimodelo que evalúan continuamente toda la frontera, incluidos Gemini, GPT, Claude, Llama y Grok. Cada paso del flujo de trabajo está guiado por el modelo que funciona mejor para esa tarea en particular. La extracción puede ir a un solo motor. Reflexiones hacia otro. Pronosticando a un tercero. Una síntesis de nota a cuatro.

A este enfoque no le importa quién ganó la semana.
Lo que importa es qué modelo produce el resultado más preciso en este momento.

La parte más poderosa de esta arquitectura es que cada lanzamiento de modelo, incluido el último de Google, se convierte en una actualización. Las guerras LLM no desestabilizan el sistema. Lo mejoran.

El futuro de la automatización financiera no estará determinado por qué modelo supere los puntos de referencia este mes. Lo definirán las empresas que construyan sistemas que puedan adaptarse a esta variabilidad sin estar definidos por ella.

Los bancos no necesitan a Gemini para vencer a GPT.
Necesitan plataformas de firmas que hagan que la pregunta sea irrelevante.

En un mundo donde la innovación en IA avanza a un ritmo trimestral y las ventajas competitivas se acumulan más rápido que nunca, los ganadores en el crédito privado serán aquellos que adopten la IA vertical y multimodelo y la disciplina, precisión y escalabilidad que desbloquea.

Es posible que el nuevo modelo Gemini haya dominado los titulares. Pero para cualquiera que construya el futuro de los seguros, la verdadera lección es simple. No elijas un campeón. Cree una arquitectura que garantice que usted nunca tendrá que hacerlo.

Y para aquellos de nosotros que alguna vez pasamos fines de semana enteros reconciliando hojas de cálculo rotas y salas de datos desordenadas, ese futuro no puede llegar lo suficientemente pronto.