Algo interesante que surgió en la reciente conferencia de criptomonedas. Resulta que los bots de trading con IA están alcanzando un techo bastante duro cuando los mercados se mueven lateralmente de formas que nunca habían visto antes.

Así que aquí está la cosa: cuando hubo esas liquidaciones masivas el 10/10 o las ventas brutales la semana pasada, el bot de IA para sistemas de trading simplemente... se quedó congelado. Están entrenados con datos históricos, ¿verdad? Pero la historia no siempre se repite, especialmente en cripto. Un ejecutivo de un intercambio importante lo dijo claramente en un panel: estos modelos no tienen experiencia con liquidaciones enormes en un solo día. Les resulta completamente ajeno.

El bot de IA para el espacio de trading está básicamente todavía en modo pasante, según lo que escucho. Más rápido que los humanos, también más barato, pero necesita supervisión constante. Alguien usó esa metáfora exactamente: "como un pasante". Sin embargo, nadie dice que eso vaya a durar así. La expectativa es que en 3-5 años tendremos algo más parecido a un empleado a tiempo completo con autonomía.

Lo que realmente destacó fue el lado opuesto de esta conversación. Un fundador de una startup de trading agentico fue bastante directo: el 90% de los traders diarios y jugadores minoristas solo están perdiendo dinero. Somos demasiado emocionales, demasiado reactivos. Ahí es donde el ángulo del bot de IA para trading se vuelve interesante: la tecnología elimina la emoción de la ecuación. Pero aquí está el truco: también elimina la capacidad de adaptarse cuando todo se descompone.

Así que estamos en ese extraño punto medio. La tecnología de aprendizaje automático y LLM avanza rápido, sin duda. Pero el consenso entre las personas que realmente están construyendo esto parece ser que la supervisión humana no desaparecerá pronto. No hasta que los modelos vean suficientes casos límite para entender realmente el caos del mercado.

¿El punto más amplio? El bot de IA para trading probablemente funcionará muy bien hasta que deje de hacerlo. Y ahora mismo, no funciona en situaciones que los datos de entrenamiento nunca cubrieron. Si eso cambiará en los próximos años depende de cuánta data de mercado inusual puedan absorber realmente estos sistemas.