El oligopolio de las expectativas: del Nobel a la inteligencia artificial

El Nobel de Economía de este año reconoce una idea que atraviesa nuestras decisiones cotidianas: actuamos según lo que esperamos del futuro. Robert Hall y Michael Woodford dedicaron décadas a estudiar cómo esas expectativas influyen sobre el consumo y sobre los resultados de la política económica. El aporte es brillante y merece el premio.

El trabajo central de Hall sobre consumo es de 1978; el libro de Woodford que se convirtió en referencia de la política monetaria, de 2003. Entre esas investigaciones y el premio cambió la manera en que construimos esa imagen del futuro.

Hoy intervienen algoritmos, influencers y asistentes de inteligencia artificial. La enseñanza de los premiados sigue vigente. Aplicarla al presente exige incorporar la tecnología, con sus virtudes, su velocidad y sus sesgos.

Lo que esperamos cambia lo que hacemos

Hall mostró que, bajo determinadas condiciones, las personas organizan su consumo considerando los ingresos que esperan recibir a lo largo de su vida. Una mejora anunciada puede influir sobre sus decisiones antes de que llegue la plata. La información inesperada las obliga a revisar el plan.

Woodford llevó esa mirada a la política monetaria. Su libro Interest and Prices es una referencia central para los modelos que utilizan los bancos centrales. No importa solo la tasa de interés de hoy: también cuenta lo que las personas y las empresas creen que ocurrirá con las tasas y la inflación en los próximos meses y años.

En Argentina conocemos el mecanismo. Una pyme fija precios pensando cuánto le costará reponer mercadería. Un sindicato negocia salarios considerando la inflación que espera. Una familia compra dólares según su pronóstico de lo que viene.

Todas esas decisiones dependen de una imagen del futuro. Influir sobre ella forma parte del trabajo de los gobiernos y los bancos centrales. Por eso cuentan la credibilidad, la comunicación y la consistencia de las políticas.

Pero entre lo que una autoridad anuncia y lo que una persona interpreta hay un recorrido que la tecnología está transformando.

La fábrica algorítmica de expectativas

Un banco central publica un comunicado. Pocos lo leen completo. Muchos más reciben un titular, un video de cuarenta segundos o un audio reenviado por alguien de confianza.

En ese recorrido se elige qué mostrar, qué omitir y qué interpretación destacar. Un anuncio prudente puede convertirse en una señal de catástrofe. Una advertencia importante puede quedar enterrada bajo un título tranquilizador.

Los intermediarios siempre existieron: diarios, economistas, dirigentes, familiares. La tecnología agregó velocidad, alcance y una selección personalizada de lo que ve cada uno. También amplió el acceso a información y explicaciones que antes estaban reservadas a especialistas.

Pero las plataformas aprenden qué nos hace detenernos, mirar y compartir. Ayudarnos a entender la economía no es necesariamente su prioridad. Una explicación precisa compite con otra más alarmante, más simple o más conveniente para quien la difunde.

Acá ayuda el trabajo de otro Nobel. Daniel Kahneman, premiado en 2002, mostró junto con Amos Tversky que muchos de nuestros errores de juicio siguen patrones. Las pérdidas suelen pesar más que ganancias equivalentes. La forma de presentar una opción puede cambiar nuestra elección. Un caso cercano puede impresionarnos más que una estadística mucho más representativa.

Un algoritmo puede aprender qué contenidos nos atraen sin comprender economía. Y una amenaza sobre los ahorros o el empleo encuentra una audiencia especialmente sensible.

La repetición agrega otro efecto. Ver veinte veces la misma interpretación puede darle apariencia de consenso, aunque las veinte publicaciones repitan una sola fuente. La popularidad empieza a confundirse con la credibilidad.

Si las expectativas mueven decisiones económicas, los sistemas que seleccionan y distribuyen esas interpretaciones forman parte del problema que necesitamos estudiar.

De la recomendación a la monocultura de la IA

Ahora se suma otro intermediario. Además de recibir información seleccionada por algoritmos, podemos pedirle a una inteligencia artificial que la interprete y nos recomiende qué hacer.

Un empresario consulta si conviene invertir. Una familia pregunta si debería tomar un crédito. Un ahorrista busca orientación sobre el dólar.

Eso puede ayudar a comparar opciones, entender información difícil y detectar riesgos que habíamos pasado por alto. También abre un problema: muchas personas pueden terminar apoyándose en unos pocos sistemas de consejo.

La variedad de conversaciones puede ocultar la concentración de las fuentes. Cada usuario hace una pregunta distinta y recibe una respuesta personal, pero detrás de esas consultas pueden estar los mismos modelos.

Si millones reciben recomendaciones similares, parte de sus decisiones podría empezar a coincidir. Podemos llamar monocultura algorítmica al riesgo de que esa concentración reduzca la diversidad de criterios.

Eso no significa que todas las IA respondan igual ni que sus usuarios obedezcan automáticamente. El riesgo aparece cuando una misma interpretación se convierte en referencia para muchas decisiones que parecían independientes.

Una recomendación razonable para una persona puede tener consecuencias distintas si miles intentan ejecutarla al mismo tiempo: comprar la misma cobertura, vender el mismo activo o retirar fondos del mismo banco.

La velocidad comprime el tiempo: dos lecciones concretas

La circulación digital de información ya cambió la velocidad de algunas reacciones económicas. Dos episodios permiten verlo, aunque no alcanzan para medir cuánto aportaron los algoritmos.

La corrida sobre Silicon Valley Bank, en marzo de 2023. El banco arrastraba problemas financieros y de gestión. Había invertido en bonos que perdieron valor con la suba de las tasas y dependía de una base de depositantes muy concentrada.

El 9 de marzo recibió solicitudes de retiro por unos 42.000 millones de dólares en ocho horas. Al día siguiente, estaba intervenido.

Las redes sociales y la banca digital aceleraron la corrida: los clientes pudieron alertarse y mover su dinero casi al mismo tiempo. La tecnología hizo más rápida la reacción frente a una vulnerabilidad que ya existía.

El impacto de Claude Cowork, en febrero de 2026. A fines de enero, Anthropic lanzó complementos para su agente de inteligencia artificial que automatizan tareas legales, comerciales y de análisis de datos.

Los inversores revisaron lo que esas capacidades podían significar para los negocios existentes. Si un agente puede hacer parte del trabajo, quizás una empresa necesite menos licencias o esté dispuesta a pagar menos por ellas.

El 3 de febrero, Bloomberg informó una pérdida de unos 285.000 millones de dólares de valor bursátil entre compañías de software, servicios financieros y gestión de activos.

El mercado no esperó a ver una caída de ingresos en los balances trimestrales. Ajustó su estimación de las ganancias futuras.

Los dos casos muestran mecanismos distintos. En SVB, la comunicación digital y la facilidad para retirar fondos aceleraron una corrida. En el software, una nueva capacidad tecnológica cambió la evaluación de negocios futuros. Ambos muestran cuánto importa el tiempo disponible para interpretar una noticia y decidir.

La enseñanza sigue, el contexto cambió

Hall y Woodford ayudaron a explicar cómo las decisiones de personas y empresas se combinan y mueven la economía. Su enseñanza sigue vigente. Lo que cambió es el entorno en el que tomamos esas decisiones.

Un comunicado oficial compite con miles de interpretaciones. Un influencer puede llegar antes que la explicación de una autoridad. Un asistente de inteligencia artificial puede convertirse en la última consulta antes de invertir, endeudarse o vender.

Recibir más información tampoco garantiza entender mejor. Importan las fuentes, los incentivos de quienes la distribuyen y las oportunidades que tenemos de contrastarla.

Durante décadas, los bancos centrales cuidaron su credibilidad porque sabían que de ella dependían las expectativas. Hoy comparten esa tarea con unas pocas plataformas y modelos de inteligencia artificial que no tienen ese mandato.

Si millones consultan a los mismos pocos modelos antes de decidir, la diversidad de conversaciones puede ocultar una concentración de las miradas. Ese oligopolio de intermediarios, que moldea la imagen del futuro con la que decidimos en el presente, tiene que formar parte del análisis con el que intentamos entender y estabilizar la economía.