Falta de resultados reproducibles frena uso de IA en finanzas y sector legal

Ciudad de México, 02-02-2026 |

Procesos financieros y legales frenan adopción de IA por falta de resultados determinísticos

La adopción de inteligencia artificial en procesos financieros y legales enfrenta límites estructurales debido a la ausencia de resultados determinísticos. Así lo explicó Haig Hanessian de Cognition, durante una entrevista con NotiPress, donde explicó que los modelos generativos no garantizan respuestas idénticas ante una misma consulta.

Para el especialista, los modelos de lenguaje de gran escala operan bajo principios probabilísticos. Esa característica resulta funcional en tareas exploratorias o creativas, aunque introduce riesgos operativos en entornos donde cada ejecución debe producir el mismo resultado sin variaciones. Durante la conversación, indicó que la exactitud absoluta resulta un requisito ineludible en operaciones críticas.

En el ámbito financiero, el cofundador y CEO de Lidd AI, Fernando Leibowich Beker, describió restricciones similares. Señaló que conciliaciones contables, auditorías internas, validación de transacciones y reportes regulatorios exigen consistencia total en cada ejecución del sistema.

Por ese motivo, explicó que incluso variaciones mínimas pueden afectar controles internos, trazabilidad y cumplimiento normativo. Bajo ese escenario, muchas instituciones mantienen sistemas determinísticos tradicionales en funciones sensibles, relegando la IA generativa a tareas de apoyo no decisorias.

Ante este contexto, el sector legal presenta limitaciones operativas equivalentes. Leibowich Beker indicó que la revisión contractual, el análisis normativo y la verificación de cumplimiento requieren resultados reproducibles, debido a las implicaciones jurídicas derivadas de cualquier cambio interpretativo.

Desde la perspectiva de implementación, ambos especialistas coincidieron en la adopción de esquemas híbridos. Hanessian explicó que numerosas organizaciones combinan automatización clásica, reglas lógicas y modelos determinísticos con capas de IA generativa aplicadas únicamente en fases preliminares del proceso.

A nivel técnico, Leibowich Beker añadió que el machine learning clásico conserva preferencia en entornos donde la repetibilidad resulta obligatoria. Árboles de decisión, modelos supervisados y sistemas basados en reglas ofrecen resultados predecibles, aunque requieren mayor esfuerzo de diseño, implementación y mantenimiento.

Desde la gestión del riesgo, Hanessian sostuvo que la falta de determinismo obliga a incorporar controles adicionales. Entre ellos mencionó validaciones humanas, auditorías posteriores y sistemas de verificación paralelos, lo cual reduce parte del ahorro operativo asociado a la automatización.

A escala empresarial, Leibowich Beker afirmó que esta limitación ajustó las expectativas sobre la inteligencia artificial. Indicó que la tecnología no reemplaza procesos financieros o legales críticos, sino que actúa como herramienta de apoyo en análisis preliminares, detección de patrones y asistencia a la toma de decisiones.

Ambos especialistas coincidieron en que el desafío no se resuelve únicamente mediante mayor capacidad de cómputo o volumen de datos. Hanessian explicó que el problema se vincula con la arquitectura de los modelos actuales, razón por la cual parte de la investigación apunta a sistemas capaces de combinar flexibilidad con control, como el modelo JEPA propuesto por Meta.

Como conclusión, los entrevistados explicaron que la adopción de IA en finanzas y derecho avanzará de forma gradual. La prioridad seguirá siendo la confiabilidad operativa, mientras la industria explora mecanismos que permitan integrar inteligencia artificial sin comprometer determinismo ni cumplimiento regulatorio.