Cuando la IA escribe sobre riesgo: lo que se pierde en los informes corporativos

La GenAI está transformando la manera en que las empresas escriben sobre riesgo. Acorta los borradores, simplifica el lenguaje complejo y hace que los comunicados extensos sean más fáciles de procesar. En apariencia, eso suena a progreso.

Pero en un estudio reciente que coautoricé junto a Niccolò Marcarini (Universidad Cattolica de Milán), encontramos un resultado bastante incómodo. Analizando más de 5 millones de frases extraídas de los informes de factores de riesgo de empresas estadounidenses entre 2019 y 2024 —tomando el lanzamiento de ChatGPT en noviembre de 2022 como línea divisoria natural— documentamos un aumento del 38% en las frases generadas por IA a partir de esa fecha. Y cuanto más participaba la IA en la redacción de esas secciones, menos parecían aprender los inversores de ellos.

La trampa de la legibilidad

Los informes de riesgo redactados con mayor intervención de la IA son, en promedio, más cortos y fáciles de leer. Eso parece una mejora —y en apariencia lo es—. Durante años, estas secciones fueron criticadas por ser extensas, repetitivas y casi imposibles de descifrar. La GenAI resuelve eso. La prosa queda más limpia. La estructura, más compacta.

Pero legibilidad no es lo mismo que capacidad informativa.

Los mismos informes que se volvieron más fáciles de leer también se estandarizaron más, se hicieron más repetitivos con el tiempo y menos específicos para cada empresa. La IA, al pulir el lenguaje, también eliminó los detalles que realmente importan: los riesgos propios de cada empresa, los riesgos emergentes, las señales que indican a un lector experto algo genuinamente nuevo sobre esa compañía en ese momento concreto.

El mercado lo notó. Los informes con mayor uso de IA generaron menores volúmenes de negociación, reacciones de precios más débiles y un descubrimiento de precios más lento en los minutos posteriores a su publicación. Los inversores seguían reaccionando, pero parecían aprender menos, y con mayor lentitud.

Dos lecturas de esa señal de mercado

La primera explicación es la fricción. Cuando el lenguaje se vuelve más estandarizado, es más difícil identificar qué hay de nuevo. Un informe que se lee como cualquier otro ofrece menos información útil, especialmente en días de presentaciones masivas, cuando decenas de informes anuales (10-K) se publican a la vez y la atención de los analistas ya está muy repartida.

La segunda es lo que los economistas llaman inatención racional. Si los inversores empiezan a asumir que las secciones de riesgo asistidas por IA contienen información menos específica, puede que dejen de dedicar recursos a leerlas con atención. El mercado no colapsa —simplemente aprende a ignorar una señal en la que ha dejado de confiar.

En cualquier caso, la conclusión es la misma: más legible no significa más útil.

Esto no es solo un problema para los informes públicos

Nuestra investigación se centra en los informes de la SEC, pero esta dinámica aparece en cualquier lugar donde se use la GenAI para redactar documentos de riesgo: informes de auditoría, documentos para el consejo de administración, evaluaciones de proveedores, resúmenes de control interno. El trabajo de gestión del riesgo genera enormes volúmenes de texto bajo plazos ajustados, y la IA ayuda genuinamente con eso. Pero la evaluación del riesgo no es solo un problema de escritura. Es un problema de juicio.

Un buen relato sobre el riesgo tiene que hacer algo más difícil que sonar pulido. Tiene que sacar a la luz lo que es materialmente diferente, lo que está emergiendo o lo que es específico de este negocio en este momento. Si la herramienta que te ayuda a escribir más rápido también te empuja hacia un lenguaje fluido y comparable, pero menos sensible a lo que realmente ha cambiado, el resultado son documentos con mejor aspecto y señales más débiles.

La pregunta de fondo

Nada de esto aboga por eliminar la IA del proceso de elaboración de informes. Las ganancias en eficiencia son reales y, en muchas partes de los informes corporativos, la estandarización es exactamente lo que se busca. La conclusión más útil es más concreta: las empresas deben ser deliberadas a la hora de decidir dónde redacta la IA y dónde revisan los humanos.

Eso implica verificar si se han añadido riesgos nuevos de verdad, si los cambios en las condiciones del negocio se reflejan en la redacción y si el texto final conserva suficiente detalle específico de la empresa como para ser útil para la toma de decisiones. Una pregunta lo resume todo: ¿cambió el perfil de riesgo real de la empresa más que su narrativa?

Para inversores y analistas, esto apunta a una disciplina paralela. No hay que confundir un lenguaje más fluido con una mejor divulgación. Un documento más corto puede ahorrar tiempo y, al mismo tiempo, decir menos.

Un hallazgo final, algo incómodo

Un mayor uso de la IA en las secciones de riesgo se asocia con más operaciones minoristas, pero no con un deterioro claro de la eficiencia general de los precios. Lo que sugiere que el problema real no es un fallo del mercado. Es una brecha que se amplía: los inversores sofisticados pueden complementar estos informes con otras fuentes. Los menos sofisticados tienen más probabilidades de tomarse el documento pulido al pie de la letra.

Durante años, la crítica fue que los informes de riesgo eran demasiado largos, demasiado genéricos y demasiado difíciles de procesar. La GenAI puede resolver eso. Pero al resolverlo, puede agudizar un problema diferente: la pérdida de la textura específica de cada empresa que hacía que valiera la pena leer estas secciones en primer lugar.

La frase más peligrosa en un informe de riesgo podría ser la que se lee perfectamente y no dice casi nada nuevo.