¿Podremos anticipar la próxima crisis financiera?
Opinión y Análisis · 22 de octubre de 2026
Por Mario Iván Contreras*
La inteligencia artificial y la ingeniería financiera abren nuevas posibilidades para identificar riesgos antes de que se conviertan en crisis. Pero la tecnología, por sí sola, no garantiza la estabilidad económica.
Las grandes crisis financieras suelen parecer inevitables cuando ya ocurrieron. Después del colapso llegan las explicaciones, las investigaciones y las advertencias sobre aquello que debimos haber visto. Pero ¿qué pasaría si pudiéramos identificar algunas de esas señales antes de que fuera demasiado tarde?
La crisis financiera global de 2008 es un buen ejemplo. Durante años, bancos e instituciones financieras acumularon riesgos que terminaron por comprometer la estabilidad económica mundial. El problema no fue únicamente la expansión de las hipotecas de alto riesgo en Estados Unidos, sino la combinación de endeudamiento excesivo, instrumentos financieros complejos, dependencia del financiamiento de corto plazo y una supervisión insuficiente.
La propia Reserva Federal de Estados Unidos reconoció posteriormente que existieron deficiencias importantes para identificar y administrar los riesgos, particularmente aquellos que podían propagarse entre instituciones y afectar al sistema financiero en su conjunto.
México tiene su propia experiencia. La crisis de 1994-1995, conocida como el “error de diciembre” (el efecto tequila), estuvo precedida por desequilibrios económicos y vulnerabilidades financieras y políticas económicas que hicieron especialmente frágil al país frente a la salida de capitales y la pérdida de confianza.
Ambos episodios plantean una pregunta fundamental: ¿cuántas de esas vulnerabilidades podrían haberse identificado oportunamente mediante mejores herramientas de análisis?
De la reacción a la anticipación del riesgo
Hoy contamos con capacidades tecnológicas que hace apenas dos décadas resultaban difíciles de imaginar. La ciencia de datos permite procesar enormes volúmenes de información, mientras que el aprendizaje máquina permite identificar relaciones no lineales entre variables y reconocer patrones que podrían pasar inadvertidos para los analistas.
La ingeniería financiera en su conjunto aprovecha estas capacidades y las combina con matemáticas avanzadas, estadística, programación, modelos computacionales y fundamentos teóricos para analizar escenarios, cuantificar riesgos y desarrollar herramientas que apoyen decisiones complejas.
Imaginemos un sistema capaz de analizar simultáneamente los niveles de endeudamiento de miles de empresas, las fluctuaciones de los mercados, las tasas de interés y los movimientos internacionales de capital.
Mediante modelos matemáticos y algoritmos, sería posible simular qué ocurriría si una moneda se devalúa abruptamente, si aumentan las tasas de interés o si varias instituciones financieras enfrentan problemas de liquidez al mismo tiempo.
No se trata de adivinar el futuro, sino de comprender mejor las relaciones entre factores económicos y financieros y con ello identificar los alcances de distintos escenarios y reconocer dónde se están acumulando riesgos.
¿Puede la inteligencia artificial evitar otra crisis?
La respuesta exige cautela. Ningún algoritmo puede garantizar que una crisis ocurrirá o no.
Los mercados financieros están influidos por decisiones políticas, comportamientos humanos, conflictos internacionales y acontecimientos difíciles de anticipar. Además, los propios modelos pueden equivocarse, especialmente cuando enfrentan situaciones que no están representadas en los datos utilizados para desarrollarlos. En términos estadísticos, diríamos que están dentro de un nivel de confianza.
De hecho, una de las lecciones de 2008 fue que los modelos financieros también pueden generar una falsa sensación de seguridad cuando sus supuestos no reflejan adecuadamente la realidad.
Por eso, el verdadero potencial de la ingeniería financiera no consiste en sustituir el juicio humano, sino en fortalecerlo con mejores herramientas y un entendimiento profundo de los instrumentos y su relación con el entorno.
Un modelo puede advertir sobre una concentración excesiva de riesgos. Una simulación puede mostrar las consecuencias de una decisión. Un algoritmo puede identificar comportamientos anómalos. Pero corresponde a las personas y a las instituciones interpretar esa información y actuar con responsabilidad y ética.
Una nueva generación de ingenieros
Esta transformación plantea también un desafío para la educación superior: formar profesionales capaces de comprender simultáneamente las finanzas, las matemáticas y las tecnologías que están redefiniendo la economía.
En respuesta a esta necesidad, el Tecnológico de Monterrey incorpora a su oferta académica la carrera de Ingeniería Financiera (B. S. in Financial Engineering), un programa impartido en inglés que integra inteligencia artificial, ciencia de datos, programación, modelación matemática y gestión de riesgos.
A diferencia de una formación tradicional en finanzas, esta ingeniería pone especial énfasis en desarrollar los modelos, algoritmos y herramientas computacionales que permiten analizar problemas financieros complejos.
Su campo de aplicación no se limita a bancos o fondos de inversión. Estas capacidades también pueden contribuir a que empresas, gobiernos e instituciones utilicen mejor sus recursos, evalúen escenarios de incertidumbre y diseñen estrategias para reducir su vulnerabilidad financiera.
Porque detrás de cada crisis económica hay consecuencias que trascienden los mercados: empresas que cierran, empleos que desaparecen, familias que pierden su patrimonio y gobiernos que ven comprometida su capacidad de atender necesidades sociales.
Ese es uno de los grandes desafíos de la ingeniería financiera y una razón para formar a quienes tendrán la responsabilidad de enfrentar la incertidumbre económica del futuro.♦
*Mario Iván Contreras es director nacional de Ingeniería Financiera en el Tecnológico de Monterrey.