Experiencia descentralizada: IA, DeFi y la recuperación de la confianza estadounidense

A estas alturas, no es ni novedoso ni difícil argumentar que las instituciones vitales estadounidenses han decaído.

Abundan los emblemas del mal funcionamiento de las élites, desde la implosión de presidentes de la Ivy League ideológicamente cegados hasta la supresión dogmática de teorías científicas totalmente plausibles. Y los datos sobre la caída en picado de la confianza pública en las instituciones hace tiempo que cuentan una historia clara.

Puede que no estemos de acuerdo sobre si el "rupturismo" o la "América soviética tardía" son los marcos correctos, pero pocos discuten que encierran algunas verdades desilusionantes. Mientras mentes más brillantes que la mía debaten sobre el grado de ruina de las instituciones de un país, yo me centraré en lo que se puede hacer, tomando como ejemplo los experimentos con herramientas financieras ascendentes tras la crisis financiera mundial.

Las nuevas tecnologías financieras –desde las criptomonedas a los foros de investigación en línea, pasando por la inteligencia artificial– descentralizan los procesos y conocimientos financieros básicos. Esta descentralización desafía los métodos de gobernanza existentes y ejemplifica el conflicto entre la autoridad tradicional y las tecnologías de la información disruptivas que desafían su dominio.

Para superar este reto de forma productiva habrá que aceptar que la descentralización de los conocimientos financieros ha llegado para quedarse. En lugar de continuar con la condenada búsqueda de devolver el genio a la botella, los responsables políticos deberían incentivar una mayor calidad de la experiencia descentralizada. Si tiene éxito, este cambio podría proporcionar un ejemplo de una salida saludable a nuestra crisis de confianza en general.

El porqué de la pérdida de confianza

Una de las mejores explicaciones de la pérdida de confianza en las instituciones es el libro de Martin Gurri de 2014 The Revolt of The Public. En la tesis de Gurri, cuando las instituciones en las alturas de mando de la sociedad perdieron su "monopolio de la información", la confianza del público se fue con él. Las tecnologías de difusión de uno a muchos del siglo XX favorecieron naturalmente el control centralizado y las narrativas oficiales. Sin embargo, la llegada de los medios de comunicación de muchos a muchos a través de Internet desató torrentes de un gran "agente perturbador entre la autoridad y el público": la información.

La proliferación de fuentes de información alternativas no sólo puso en tela de juicio afirmaciones concretas (¿se había perfeccionado realmente la política monetaria? ¿podían los científicos predecir todas las catástrofes naturales? y ¿podían las agencias de inteligencia predecir todas las provocadas por el hombre?), sino también la idea misma de pericia autorizada. Los nuevos datos que se desviaban lo más mínimo del relato autojustificativo de la élite sembraban la duda en la mente del público. La presencia de la duda era anatema para el mito fundacional del experto hipercompetente. La caída estaba más que predestinada porque ese mito había sido tan grandioso. En particular, Gurri reparte la culpa de la mitificación crédula, lamentando las "expectativas exageradas del público, instigadas por afirmaciones exageradas de competencia por parte de la autoridad".

Las finanzas ocupan un lugar especial en la historia de la crisis institucional de Gurri. Puntualmente, sostiene que la era de la desconfianza nació el 15 de septiembre de 2008, el día en que Lehman Brothers se declaró en quiebra. Para Gurri, la crisis financiera mundial y la decepcionante recuperación fueron un doble golpe de desilusión que acusó tanto a los tecnócratas bajo cuyo mandato se produjo la crisis como a sus sustitutos, cuyos esfuerzos por remediarla no cumplieron sus promesas. En 2014, escribe Gurri, "la confianza en los expertos económicos había desaparecido, probablemente para siempre".

DIY-Fi: El auge de las alternativas financieras de abajo arriba

La desilusión con ese statu quo tipifica dos fenómenos financieros posteriores que tienen la descentralización –tanto de la gobernanza como del conocimiento– en su núcleo: la criptomoneda y el empoderamiento del inversor minorista.

La crisis financiera de 2008 ocupa un lugar destacado en la historia de las criptomonedas. El Libro Blanco de Bitcoin se publicó un mes después de la quiebra de Lehman, y el primer bloque de transacciones registrado en el libro mayor de Bitcoin llevaba el siguiente titular: "Canciller al borde del segundo rescate a los bancos".

Aunque a menudo se exagera la relación causal entre la crisis financiera y el origen de Bitcoin (las monedas digitales peer-to-peer se buscaban desde hacía décadas, y Satoshi Nakamoto llevaba trabajando en el problema desde antes de 2008), una desconfianza general hacia las instituciones centralizadas anima el proyecto. La principal innovación de Bitcoin fue eliminar la necesidad de "una autoridad central de confianza" para resolver el problema del doble gasto en los pagos.

Desde entonces, la criptomoneda ha dado lugar a un ecosistema más amplio de herramientas financieras descentralizadas (DeFi), incluidos protocolos autoejecutables para cosas como la custodia desintermediada, el comercio y los préstamos. Además, la tecnología subyacente ha planteado la posibilidad de una nueva arquitectura de red (a veces llamada Web3) para desafiar el modelo de jardín amurallado de las principales plataformas tecnológicas.

El auge de los inversores minoristas en red ha descentralizado determinadas investigaciones y conocimientos financieros.

El ascenso del inversor minorista acaparó la atención nacional en enero de 2021 con una histórica venta masiva de acciones de GameStop. Los inversores minoristas participantes aprovecharon las aplicaciones de negociación y las redes sociales, que permitieron a los operadores organizarse en foros como WallStreetBets de Reddit.

La etiqueta de "meme stock" aplicada a este fenómeno destila el conflicto entre la experiencia centralizada y la descentralizada. Aunque es un término de burla que connota un comportamiento ignorante cuando lo utilizan algunas fuentes tradicionales, el significado llano de "meme stock" es simplemente algo así como "stock de información viral". La dispersión de la información puede ser y, como veremos, a menudo es todo lo contrario de perpetuar la ignorancia. La autoridad tradicional, sin embargo, se ve amenazada por la información viral debido a su fuente, no a su calidad.

Contrarrestar la contrarrevolución

Las nuevas fuentes de información que desafían a las autoridades tradicionales provocan, como explica Gurri, "la contrarrevolución del orden establecido". Una de esas contraestrategias consiste en acusar al público de la misma cerrazón epistémica que aqueja a los expertos. De ahí las denuncias de las élites sobre las cámaras de eco en línea, los supuestos fallos del público a la hora de "confiar en la ciencia" y la desinformación. Otras tácticas más autoritarias consisten en vigilar y bloquear la actividad en línea, así como acosar y emprender acciones legales punitivas contra las amenazas percibidas.

La respuesta de los reguladores financieros a las criptomonedas y los memes es una contrarrevolución. Las criptomonedas se han enfrentado a una represión administrativa mucho más prohibicionista que reguladora. El fenómeno de los memes se ha enfrentado a una serie de propuestas paternalistas, como las que apuntan a la intuitividad de las interfaces de las aplicaciones de negociación y las que pretenden restringir las redes sociales. En última instancia, la saga de GameStop condujo a una respuesta reguladora muy defectuosa que amenazaba no sólo el comercio minorista, sino también la innovación en IA. En palabras de la profesora de Derecho de Pennsylvania Jill E. Fisch, la reacción a los comerciantes minoristas reflejó "un curioso sentido del elitismo".

En general, tal elitismo no debe confundirse con sabiduría. La ofensiva estadounidense contra las criptomonedas es contraproducente para el liderazgo de Estados Unidos. Como he argumentado, la hostilidad abierta hacia los estadounidenses que desarrollan y gobiernan una nueva generación de rieles financieros globales debería preocupar a cualquiera que desee ver los intereses y valores de Estados Unidos representados en el diseño de esos sistemas. Del mismo modo, socavar la inversión en talento criptográfico aplicado no es una estrategia de capital humano ganadora para la ciberseguridad.

Además, la idea de que sólo los expertos con credenciales pueden producir ideas valiosas se contradice con la realidad de cómo ciertos comerciantes minoristas hacen su propia investigación. Como explica mi colega Jennifer Schulp, la investigación sobre la calidad de WallStreetBets en particular "rechazó la opinión convencional de que el foro atrae sólo a inversores desinformados y conduce a una negociación minorista menos informativa". En el foro había aportaciones cualificadas, los participantes eran capaces de discernir la calidad y se comprobó que los inversores minoristas "probablemente se beneficiaban de las recomendaciones." Además, Fisch argumenta que las propias empresas emisoras de acciones pueden incluso beneficiarse de los comentarios de "la sabiduría colectiva de la sala de chat de Reddit".

Aunque no hay que fiarse demasiado de la sabiduría de la multitud, es el colmo de la arrogancia desestimarla con displicencia. La IA generativa está a punto de acelerar el potencial de la inteligencia financiera distribuida.

De la sabiduría de la multitud a la sabiduría del ordenador

A primera vista, la literatura sobre la experiencia financiera de la IA generativa parece decididamente contradictoria. Los titulares que afirman que "no se puede confiar en los LLM para el asesoramiento financiero" y que ChatGPT es un "neófito de Wall Street" chocan con otros que indican que "GPT ha adquirido conocimientos financieros" y puede hacer valiosas predicciones bursátiles.

Sin duda, el kilometraje puede variar. Pero una mirada más profunda a cómo y por qué los distintos estudios llegaron a resultados diferentes revela las capacidades clave y el potencial de la IA generativa como experta financiera.

En particular, algunos de los estudios más negativos se centraron en las habilidades cuantitativas de los modelos de lenguaje amplio (LLM), que, aunque están mejorando, no son su punto fuerte. Por el contrario, los estudios que destacan la capacidad de los LLM para realizar selecciones de valores con impresionantes ratios de Sharpe y rentabilidades positivas han aprovechado la excepcional capacidad de los LLM para procesar el lenguaje natural y analizar textos como los anuncios de beneficios y las noticias financieras.

Además, aunque los resultados anteriores no garantizan los resultados futuros en finanzas o desarrollo de la IA, los conocimientos financieros de los LLM han ido mejorando. Por ejemplo, cada vez son más capaces de interpretar declaraciones de política monetaria complejas y matizadas. Investigadores del Banco de la Reserva Federal de Richmond descubrieron que GPT-4 superaba a los modelos anteriores, así como a los métodos tradicionales, a la hora de clasificar los anuncios del FOMC, proporcionando "justificaciones parecidas al razonamiento humano".

Del mismo modo, mientras que GPT-3.5 obtuvo una puntuación de ~65% en las pruebas de alfabetización financiera, GPT-4 logró "una puntuación casi perfecta del 99%", lo que sugiere que la alfabetización financiera "se está convirtiendo en una capacidad emergente de los modelos más avanzados". Curiosamente, el mismo estudio descubrió que el modelo más avanzado tenía un tono más comedido, abordando el recurrente problema del exceso de confianza de los LLM. Dados estos resultados, los investigadores concluyeron que era "razonable plantear que algunos de los LLM más avanzados poseen ahora la capacidad de servir como robo-asesores para las masas".

Asesoramiento individual e inteligencia colectiva

Los robots asesores, por supuesto, ya existen. Pero los robots asesores tradicionales tienden a realizar tareas que son simultáneamente más estrechas y más profundas que lo que los LLM avanzados pueden hacer en la actualidad. Los robots asesores típicos pueden adaptar una cartera a las necesidades individuales según tesis de inversión preestablecidas, pero no generan nuevas estrategias ni responden a preguntas abiertas. Los LLM, por el contrario, pueden ser más creativos improvisando, pero su capacidad para ejecutar tareas a largo plazo es un trabajo en curso (La integración de los robot asesores tradicionales con los LLM es un espacio a vigilar).

Es importante señalar que los robots asesores suelen contar con un proveedor centralizado que se ha registrado como asesor de inversiones ante un regulador centralizado, la Comisión del Mercado de Valores (SEC).

Los LLM, sin embargo, abren la posibilidad de una prestación descentralizada de asesoramiento en materia de inversión, lo que plantea un nuevo reto normativo. Fundamentalmente, la clasificación de la información sobre inversiones como asesoramiento regulado depende de si es personalizada, es decir, "adaptada a una cartera específica o a las necesidades particulares de un cliente".

Los LLM pueden proporcionar asesoramiento financiero personalizado. Según un estudio, los GPT-4 son capaces de recomendar carteras que reflejen la situación particular de un individuo y sus preferencias de riesgo (Se comprobó que el asesoramiento estaba "a la par" con el proporcionado por un robot asesor tradicional).

Esto es significativo por varias razones. En primer lugar, podría decirse que los LLM disponibles comercialmente ya tienen la capacidad de emitir el tipo de asesoramiento financiero que requiere el registro de la SEC, lo que plantea la cuestión de si la SEC puede o debe conceder licencias a los LLM genéricos con esa capacidad. El hecho de que los proveedores de IA restrinjan esta capacidad en sus modelos por temor a desencadenar un requisito de registro de la SEC constituiría en sí mismo una regulación implícita.

En segundo lugar, la disponibilidad de LLM financieros de código abierto cada vez más capaces pone en entredicho un régimen de registro centralizado. La proliferación de modelos muy dispersos sin el discreto punto de contacto regulador de un proveedor de código cerrado probablemente desbordará la capacidad de un regulador centralizado, a falta de un régimen de vigilancia y aplicación intolerablemente draconiano.

Y en tercer lugar, los LLM pueden ayudar a los usuarios a transformar la información financiera impersonal –como un boletín genérico que no es en sí mismo un asesoramiento a medida– en un asesoramiento personalizado y con cobertura. No es difícil imaginar que la SEC se interese mucho por una tecnología que convierte la información financiera general en asesoramiento financiero regulado.

Para que quede claro, si se considera que un proveedor, desarrollador o modelo de LLM de código abierto o cerrado satisface el resto de los criterios del asesor de inversiones –por ejemplo, recibir una remuneración y "dedicarse a la actividad de" asesoramiento de inversiones– implicaría una investigación separada y específica de los hechos. No obstante, el hecho de que estos criterios se hayan interpretado en sentido amplio y puedan implicar una evaluación multifactorial significa que el riesgo jurídico no es trivial. Hasta la fecha, el enfoque de la SEC con respecto a las nuevas tecnologías financieras no ha sido lo que se dice limitado.

Una vía mejor

La aplicación del régimen de los asesores de inversión a los LLM restringe el acceso del público a un asesoramiento financiero asequible al imponer una acreditación centralizada a unos conocimientos descentralizados. En lugar de luchar inútilmente por preservar el monopolio del control de los expertos, la política pública debería incentivar la calidad de las fuentes descentralizadas. Esto ayudaría a navegar entre los peligros gemelos de la "inercia burocrática" y el "nihilismo digital" que Gurri identifica.

El cambio requiere adoptar lo que Gurri llama las "virtudes de la vieja escuela": honestidad y humildad. En palabras de Gurri, estos rasgos fueron "aceptados durante mucho tiempo como el espíritu vivo que subyace a la maquinaria de la república democrática", pero desde entonces han sido prácticamente abandonados por la clase experta. Los reformadores, argumenta, deben reconocer que la política pública es un proceso incierto de ensayo y error.

El derecho consuetudinario es un antiguo conjunto de doctrinas y procesos jurídicos que utilizan el aprendizaje iterativo para incentivar la honestidad y la competencia.

En el contexto de los agentes financieros de la IA, anteriormente argumenté que "el antiguo pero flexible derecho consuetudinario puede ser el mejor marco para manejar la IA autónoma que progresa rápidamente" dado que el derecho consuetudinario es "un cuerpo evolutivo de derecho que adapta iterativamente los principios históricos a las nuevas circunstancias". Explicaba que "siglos antes de que las leyes especializadas en valores impusieran deberes fiduciarios a los asesores de inversiones, el derecho consuetudinario de agencia identificaba cuándo los agentes autónomos deben a otros deberes fiduciarios" y, por lo tanto, "a medida que el propio software gana autonomía, el derecho de agencia puede proporcionar un marco legal para los asesores financieros de IA que sea convenientemente adaptable". La aplicación de esa doctrina a los agentes financieros de IA, en mi opinión, proporcionaría normas lo suficientemente rigurosas "para mitigar los riesgos, pero no tan onerosas que se conviertan en obstáculos" a la innovación. Desde entonces, se han presentado argumentos para aplicar un marco similar a los agentes genéricos de IA suficientemente avanzados.

A falta de expertos financieros autónomos en IA, el derecho consuetudinario puede ayudar a promover la honestidad y la humildad en la respuesta política a la experiencia financiera descentralizada.

Aprendizaje de la vieja escuela

En lugar de la restricción previa, el derecho consuetudinario proporciona un recurso legal que incentiva la honestidad y la competencia.

Las acciones por fraude pueden dirigirse contra declaraciones falsas intencionadas o imprudentes en las que otros confían razonablemente en su detrimento. En lugar de exigir a los proveedores de expertos financieros en IA que pidan permiso antes de entrar en el mercado, por ejemplo, la perspectiva de acciones de derecho consuetudinario puede incentivar a los proveedores a ser honestos y precisos al describir sus productos.

Además, las acciones de responsabilidad civil pueden dirigirse contra el incumplimiento de las normas de atención pertinentes. Por ejemplo, en lugar de enfrentarse a requisitos de licencia prescriptivos, el proveedor de orientación falsa que no haya actuado con diligencia razonable puede enfrentarse a una acción por daños y perjuicios cuando el destinatario haya confiado justificadamente en esa información. En particular, esta posibilidad no debe confundirse con propuestas erróneas que consideren a los proveedores de IA uniformemente responsables, con pequeñas excepciones, de cualquier violación de valores derivada del uso de sus modelos. Ello se debe a que la norma del derecho consuetudinario plantea en primer lugar cuestiones clave. Por ejemplo, ¿estaba justificada la confianza del usuario? Además, ¿se observó la norma de diligencia? Esa norma de diligencia puede evolucionar con el tiempo y tener en cuenta, entre otros factores, la costumbre privada y las mejores prácticas del sector.

No cabe duda de que cada sistema tiene sus ventajas y desventajas, y los tribunales de derecho común no siempre aciertan. Además, la perspectiva de un litigio oneroso puede convertirse en una restricción indebida. No obstante, el common law dispone de herramientas autocorrectivas. Los recursos pueden ser un remedio a posteriori. Pero a menudo es preferible la prevención en forma de contratos negociados que documenten y aclaren por adelantado las expectativas de las partes y su responsabilidad potencial. Como sostiene el jurista Richard Epstein, un fuerte respeto de los derechos contractuales permitiría "la perspectiva de una corrección privada voluntaria de una amplia gama de conjeturas judiciales no educadas". Además, cuando los contratos prevén el arbitraje de ciertos litigios, "puede crecer un fuerte sentido de la práctica industrial para manejar los casos recurrentes."

Permitir soluciones contractuales y arbitrales creativas debería ser una prioridad política de la IA. Por ejemplo, los foros especiales de resolución alternativa de litigios, a los que las partes pueden someterse de común acuerdo, podrían permitir el desarrollo de un derecho común privado adaptado a determinados sistemas y casos de uso de la IA, quizá aprovechando la propia IA (como intérprete de textos y simulador de patrones de hechos sintéticos) para tal fin. Esto contribuiría a la "adaptación y colmación de lagunas" que, según he argumentado, requerirá la aplicación de las doctrinas del Derecho consuetudinario a la IA.

Dado que los marcos legislativos y la propia dependencia de ciertas doctrinas del derecho consuetudinario (como la negligencia médica) pueden socavar la solidez de los contratos privados, para permitir estas soluciones creativas será necesaria una reforma activa.

Conclusión

En este momento de la historia, el tiempo no está del lado de los expertos centralizados que mantienen monopolios. Las grietas seguirán apareciendo y la duda seguirá creciendo. Las soluciones re-centralizadoras que luchan contra la corriente suprimiendo información e impugnando las competencias obvias de los expertos distribuidos no harán sino socavar aún más la confianza pública. Necesitamos un cambio fundamental en la forma en que la autoridad entiende su papel. El primer paso es admitir y aceptar la nueva realidad. El segundo es optimizar dentro de las limitaciones de esa realidad desplegando respuestas descentralizadas –como el derecho consuetudinario y la negociación privada– al aumento de la pericia descentralizada. Lo contrario equivaldría a malinterpretar el significado y la responsabilidad de la autoridad en una república democrática. Oponerse a la ilustración pública no es una respuesta. Negar al público sus herramientas no es una virtud.

Este artículo fue publicado originalmente en Cato At Liberty (Estados Unidos) el 26 de julio de 2024.