El mercado siempre ha sido una máquina de coordinación sin un centro único. Millones de decisiones individuales, precios, expectativas, miedos y deseos producen un orden que nadie diseña nunca por entero. Eso es lo que durante tanto tiempo ha interesado a los economistas: un sistema capaz de organizar cantidades inmensas de información dispersa sin un mando central absoluto.

La inteligencia artificial no reemplaza esa lógica. Modifica la naturaleza de los actores que participan en ella. Hasta ahora, aun cuando un programa ejecutara una transacción, la intención y el análisis los definían en gran medida seres humanos. En el futuro, una proporción creciente de agentes económicos podrá observar, comparar, negociar y reaccionar de manera mucho más autónoma. El mercado se convertirá, pues, en un sistema multiagente en un sentido casi literal.

Aquí cambia la geometría de la competencia.

Un consumidor humano no puede comparar miles de ofertas sin cesar. Un agente sí. Una empresa dirigida por personas no puede renegociar sus precios cada segundo con cada cliente. Un sistema sí puede hacerlo. Un banco no puede recalcular a mano cada minuto los riesgos de todas sus contrapartes. Los modelos pueden hacerlo casi continuamente.

La primera consecuencia es, por tanto, una reducción gigantesca de los

costes de búsqueda y transacción. Puede ser muy positiva. Un mercado más

transparente, en el que cada comprador pueda comparar rápidamente precios y condiciones, puede volverse más competitivo. Disminuyen las rentas que se obtienen gracias a la opacidad. Lo viví con Artprice. La opacidad nunca es neutral. Quien posee la información puede apropiarse de un valor simplemente porque los demás ignoran algo. Dar acceso a esa información transforma la relación de fuerzas.

Un agente económico personal podría generalizar esta lógica. El consumidor ya no mira cinco ofertas. Su agente examina cinco mil. El comerciante ya no puede contar en la misma medida con la inercia o con la dificultad de comparar. Esto puede ejercer una presión considerable sobre los precios y la calidad. Pero, como siempre, la consecuencia de segundo orden puede ser muy distinta. Si los vendedores también tienen agentes que observan a sus competidores en tiempo real, ajustan precios y aprenden cómo se comportan los compradores, el mercado se convierte en una competencia algorítmica por ambos lados.

Podríamos tener entonces una transparencia extrema y, al mismo tiempo, una nueva opacidad: nadie comprende con exactitud por qué cambia el precio que aparece en pantalla. El precio se personaliza y se vuelve dinámico, hasta adoptar una forma casi conversacional. Ya no se trata solo del precio de un producto. Es el precio que se ofrece a esta persona, en este instante, dadas ciertas condiciones. Ya existe bajo algunas formas. La IA puede refinarlo mucho más.

Esta personalización plantea una cuestión económica y moral importante: ¿deben dos personas pagar siempre lo mismo por el mismo bien? La economía responde que hace tiempo que existen diferencias de precios legítimas: descuentos para estudiantes, precios según la hora, tarifas negociadas. Pero cuando el sistema calcula para cada persona la cantidad máxima que está dispuesta a pagar, la relación cambia. El vendedor procura entonces apropiarse de casi todo el excedente del consumidor. Puede que el agente sepa que ustedes tienen prisa, que sus ingresos son elevados o que son poco sensibles al precio.

Puede adaptarles la oferta en consecuencia. Para el vendedor es racional. Pero puede generar un sentimiento profundo de injusticia si los criterios son opacos. De ahí que la transparencia de precios probablemente se convierta en un asunto de primer orden. No se trata necesariamente de exigir un precio único en todas partes, lo que sería absurdo desde el punto de vista económico, sino de hacer visibles ciertos mecanismos. Quizá el consumidor deba saber que un precio se ha personalizado y en qué grandes categorías de datos se basa. Otra vez la procedencia, aplicada ahora al precio.

¿De dónde sale esa cifra? Nos habíamos acostumbrado a considerar el precio como un dato objetivo que figura en una etiqueta. En un mercado algorítmico se convierte en una decisión dinámica. Tiene, pues, una genealogía.

¿Qué modelo?

¿Qué variables?

¿Qué competidores se observaron?

El propio precio entra en el cálculo algorítmico.

Esto cambia la manera de pensar la competencia. Tradicionalmente, el regulador observa niveles de precios, cuotas de mercado y acuerdos entre empresas. Pero ¿qué sucede cuando varios agentes de fijación de precios aprenden por separado que cierta estabilidad de precios resulta más rentable? Pueden converger en una conducta semejante a la colusión sin haber intercambiado jamás un mensaje explícito que diga: «No bajemos los precios». Es un problema sumamente interesante. El derecho de la competencia se ha construido en torno a la prueba de un acuerdo o de una práctica concertada.

Pero los algoritmos adaptativos pueden dar lugar a una coordinación emergente. Nadie ha dado la orden. El resultado, sin embargo, se asemeja a un pacto. Es exactamente el problema de los enjambres: unas reglas locales pueden generar un comportamiento colectivo que nadie haya decidido expresamente. La cuestión de la responsabilidad se vuelve, entonces, espinosa. ¿Se puede sancionar a una empresa porque su algoritmo haya aprendido un comportamiento coordinado? Si la empresa podía prever razonablemente el riesgo y dejó actuar al algoritmo, quizá sí.

Si el resultado era realmente imprevisible, el derecho tendrá que hilar más fino. La complejidad del sistema no nos autoriza a abandonar la exigencia de causalidad. Tampoco podemos dejar que la opacidad se convierta en refugio. Probablemente haya que imponer a las empresas que utilizan ciertos sistemas avanzados de fijación de precios el deber de vigilar sus efectos. Volvemos al deber de diligencia algorítmica. Una empresa no puede limitarse a decir: «Yo no programé una colusión».

Tiene que observar qué produce su sistema en la práctica. Concuerda con la filosofía de los capítulos anteriores: quien se beneficia de un agente debe asumir también el deber de controlarlo. Pero cuidado con el exceso de regulación. Si cada cambio de precio introducido por un modelo necesitara aprobación humana, se perderían precisamente las ventajas de la automatización. Por eso hay que distinguir la acción individual ordinaria de una conducta problemática que se manifiesta en todo el sistema. El regulador podría analizar los patrones a lo largo del tiempo. Para eso él mismo utilizará la inteligencia artificial.

Entramos en una economía en la que los agentes de regulación supervisarán a los agentes del mercado. De nuevo, la recursividad. Recuerda a los mercados financieros, donde ya existe la supervisión automatizada. Pero esa lógica podría extenderse al comercio, la energía y el transporte. Los reguladores necesitarán capacidades comparables a las de los actores que supervisan. De lo contrario, la asimetría cognitiva adquirirá proporciones considerables. Es una regla general del poder: un regulador incapaz de comprender la arquitectura de la industria que regula va haciéndose dependiente de ella.

La IA amplifica el problema porque aumenta la complejidad técnica. Por eso hay que invertir en la capacidad de las instituciones públicas. No significa que el Estado deba disponer en todos los ámbitos de los modelos más potentes del mercado. Sí debe contar con conocimientos y herramientas suficientes para realizar auditorías. Es lo que he defendido para el Estado algorítmico. La regulación necesita su propia infraestructura.

Pero el mercado algorítmico plantea otro problema: la velocidad. Una infracción o una situación de inestabilidad pueden producirse en cuestión de segundos. El procedimiento administrativo tradicional dura meses o años. Los tiempos del derecho y los del algoritmo se separan por completo. Esto obliga a distinguir dos funciones de la regulación: la reacción inmediata y la investigación. Para la primera hacen falta mecanismos de interrupción y límites automáticos.

Para la segunda, el debate contradictorio puede llevar tiempo. Los mercados financieros ya han respondido a esta dificultad con las suspensiones de cotización. Cuando el sistema se mueve demasiado deprisa, se detiene temporalmente el mecanismo para que vuelva a haber tiempo para las personas. La idea del freno vuelve una y otra vez. No por azar. La civilización consiste a menudo en introducir pausas en sistemas capaces de avanzar más deprisa que nuestra facultad de juzgar. El mercado algorítmico necesitará frenos.

Pero ¿dónde ponerlos?

Un exceso de restricciones puede reducir la liquidez y la eficacia. La escasez de restricciones puede dar pie a dinámicas de pánico. Es una disyuntiva clásica. El flash crash proporciona una imagen particularmente clara. Los algoritmos reaccionan a otros algoritmos, las órdenes se propagan y los precios se desploman o se disparan sin que los factores fundamentales hayan variado en proporciones parecidas. El fenómeno puede corregirse con rapidez.

Pero revela algo esencial: el mercado puede alcanzar un estado que, por separado, nadie deseaba. Es una propiedad del sistema. La IA incrementa esa posibilidad porque los agentes se vuelven más complejos y numerosos. Sus interacciones pueden generar ciclos de retroalimentación difíciles de prever. Un modelo observa una caída y vende. Los demás observan las ventas, concluyen que aumenta el riesgo y también venden.

El ciclo se amplifica como una reacción de masas a la velocidad de las máquinas. En el mercado siempre ha habido episodios de pánico. El algoritmo no los inventa. Puede comprimirlos en el tiempo. Ese cambio de escala temporal es fundamental. Un movimiento que habría durado horas puede ahora producirse en unos segundos.

La persona ya no tiene tiempo de intervenir. Por eso la gobernanza del mercado debe incorporarse al propio protocolo. No se puede confiar únicamente en un supervisor que mira una pantalla. Hacen falta reglas automáticas. El código se convierte en una forma de microrregulación. Pero automatizar la seguridad también puede producir efectos imprevistos. Varios mecanismos de interrupción pueden activarse al mismo tiempo y desplazar la liquidez a otros mercados.

De nuevo, la complejidad. Hay que poner a prueba las regulaciones como se ponen a prueba los sistemas: simulaciones, escenarios adversos, situaciones extremas. El derecho financiero se convierte en una ingeniería dinámica. Es interesante porque ilustra la evolución general de la institución. La regla ya no es solo un texto. Se convierte en un parámetro operativo.

Un límite de variación.

Un plazo.

Un umbral.

Es la convergencia misma del derecho y el código. Pero hay que mantener una distinción esencial: el parámetro se puede modificar.

¿Quién lo elige?

¿Con qué legitimidad?

Un umbral del 5 % o del 10 % puede producir efectos económicos distintos. La elección parece técnica, pero tiene una dimensión política. Volvemos exactamente al problema del Estado algorítmico. La técnica incorpora valores. Por eso el mercado algorítmico no será más neutral que el humano. Sencillamente, algunas de sus reglas serán más difíciles de ver.

De ahí la importancia de que las grandes arquitecturas sean transparentes. El público no necesita conocer cada línea del código de una bolsa.

Pero los principios deben poder comprenderse:

¿En qué situaciones se detiene el mercado?

¿Quién puede intervenir?

¿Cómo se determina la prioridad de las órdenes?

Son casi las reglas constitucionales del mercado. No exagero en la comparación. Una bolsa es una institución de confianza. Los participantes aceptan intercambiar porque creen que las reglas son estables y se aplican con equidad. Si la infraestructura favorece en secreto a determinados actores, desaparece la confianza. Por eso históricamente el propio acceso a la velocidad ha acabado planteando un problema. En los mercados electrónicos, unos microsegundos pueden tener valor económico.

La proximidad física de los servidores y la calidad de las conexiones crean ventajas. Es ya un mundo en el que se comercia con el espacio y el tiempo. La IA añade ahora la calidad cognitiva. Un agente más rápido y, además, más hábil a la hora de interpretar señales puede aprovechar más oportunidades. Entramos así en una competencia en la que el capital tecnológico confiere una ventaja casi instantánea. Esto plantea una cuestión de equidad en el mercado. ¿Hay que garantizar a todos exactamente la misma tecnología?

Por supuesto que no. La competencia descansa también sobre la innovación. Lo que hay que impedir es que algunas asimetrías se deban a un acceso privilegiado a las reglas o a datos que no son públicos. Es la distinción clásica entre la ventaja competitiva y el delito de uso de información privilegiada. La IA no altera el principio. Sencillamente aumenta la capacidad de aprovechar la información. Un modelo puede combinar miles de datos públicos y deducir algo que nadie había visto.

¿Es una ventaja legítima? En principio, sí. En eso consiste, precisamente, el análisis. Pero si los datos incluyen información obtenida ilícitamente o por un privilegio, el problema persiste. El derecho debe seguir atendiendo, pues, a la procedencia de la información. De nuevo, esa noción. ¿De dónde viene la señal?

La máquina puede producir una inferencia brillante. Si se basa en un dato prohibido, el resultado puede quedar viciado desde el punto de vista jurídico. La dificultad reside en que la IA puede inferir, a partir de datos públicos, información muy cercana a los datos privados. Ya vimos el problema con las inferencias sobre las personas. También existe en los mercados. Quizá un modelo pueda estimar que una empresa se dispone a anunciar un problema a partir de imágenes por satélite de sus fábricas, cambios en sus contrataciones o datos de tráfico marítimo. Es análisis de datos abiertos.

Puede conferir una ventaja considerable. El mercado se convertirá así en un campo de batalla de la inteligencia económica automatizada. Esto puede hacer más eficientes los precios, ya que incorporan con rapidez más información. Pero también puede fortalecer a quienes puedan pagar por los mejores datos y la mayor potencia de cálculo. La información pública no sitúa a todos en pie de igualdad si algunos pueden procesarla mucho mejor. Es una vieja verdad. Una biblioteca abierta a todos no elimina la diferencia entre quien sabe consultarla y quien no.

Artprice nació precisamente de esa comprensión. El valor va más allá del acceso a los documentos. Está en la normalización, la indexación, la capacidad de sacar a la luz relaciones. La IA lleva esa lógica al mercado entero. La competencia se desplazará, por tanto, hacia las infraestructuras de datos. Quienes puedan construir corpus propios de calidad tendrán ventaja. Esto puede levantar barreras de entrada.

Una empresa emergente puede tener un modelo excelente y carecer de veinte años de datos. Una empresa de larga trayectoria puede poseer los datos y tener una arquitectura técnica más lenta. La competencia combina ahora memoria y cálculo. Es una geometría interesante. A veces el recién llegado tiene la tecnología. Quien lleva tiempo, la profundidad histórica. Quien sabe reunir ambas cosas tiene ventaja.

Así se explica que la adquisición de datos cobre valor estratégico. Lo vivimos con Artprice. Comprar archivos y fondos documentales iba mucho más allá de acumular papel. Era adquirir tiempo histórico. Hay series que no se pueden recrear en poco tiempo. El tiempo se convierte en un activo económico. La IA aumenta su valor porque sabe sacar partido de lo que el ser humano no alcanzaba a recorrer por entero.

Es la revancha del largo plazo en un mercado obsesionado con la velocidad. He aquí una paradoja que me interesa en especial: los sistemas más rápidos pueden obtener su ventaja de los archivos más antiguos. Velocidad y profundidad no se oponen. Se multiplican. Es precisamente mi manera de pensar. La modernidad más radical puede descansar sobre la memoria más antigua. Volvemos a la alquimia, al archivo, al banco de datos.

Así pues, el mercado algorítmico es mucho más que un mercado de milisegundos. Es un mercado en el que se pueden movilizar siglos de datos en milisegundos. Pero esa capacidad aumenta también el riesgo de sobreajuste a los datos históricos. El modelo puede encontrar regularidades magníficas que ya no se cumplen. El mercado cambia. Cambian los regímenes monetarios. Cambian los comportamientos.

Una relación observada durante veinte años puede desaparecer cuando la aprovecha un número suficiente de actores. Es la reflexividad. En cuanto una estrategia se da a conocer, disminuye la ventaja que ofrecía. El mercado reacciona al modelo del mercado. Ahí reside una diferencia profunda entre la economía y muchos fenómenos naturales. El modelo no permanece fuera: actúa sobre el mercado.

La IA amplifica esa reflexividad. Si un modelo de uso extendido detecta que cierta señal anuncia un alza, millones de agentes pueden comprar en cuanto aparece la señal y hacer subir el precio antes incluso del acontecimiento previsto. La predicción se cumple porque la gente cree en ella. O, por el contrario, se invalida porque todos han actuado ya. El sistema entra en un ciclo recursivo. Es extraordinariamente difícil de modelizar. Los modelos aprenden de un mundo que se transforma en función de las recomendaciones que ellos mismos formulan.

Es casi un circuito cibernético. De ahí que el mercado algorítmico probablemente no llegue nunca a ser del todo previsible, ni siquiera con IA muy potentes. La capacidad de cálculo no elimina la reflexividad. Puede acelerarla. Es un límite fundamental a la idea de un mercado perfectamente optimizado. El mercado es un sistema adaptativo poblado por actores que aprenden unos de otros. Toda estrategia eficaz atrae imitadores y modifica el entorno.

De nuevo, la mutación. Solo los mutantes sobreviven. Aquí, sin embargo, la mutación es permanente. Un agente tiene que recalibrar sus estrategias a medida que cambian los demás. Se parece a la coevolución militar. Se estrecha la frontera entre la estrategia económica y la estrategia frente a un adversario. Claro está, el mercado no es la guerra.

Los actores pueden cooperar y crear valor compartido. Pero también buscan una ventaja relativa. Los agentes aprenderán, pues, a anticipar la conducta de los agentes ajenos. Pueden llegar así a un grado de sofisticación impresionante.

La pregunta del agente ya no es solo:

¿Cuál es el mejor precio?

También se pregunta:

¿Cómo reaccionará el otro agente si propongo este precio?

Entramos en interacciones estratégicas recursivas. Es la teoría de juegos potenciada por el aprendizaje. Dos sistemas pueden poner a prueba miles de estrategias. Eso puede mejorar la negociación, pero también dar lugar a tácticas difíciles de comprender para los seres humanos. Un agente descubre que una secuencia concreta de propuestas maximiza el resultado. ¿Por qué?

Quizá nadie sepa explicarlo de forma sencilla. La negociación se vuelve más opaca al mismo tiempo que más eficaz. Esa opacidad plantea un problema de consentimiento. ¿Debe una empresa aceptar contratos negociados mediante estrategias que no entiende? Tal vez, si se respetan los límites. Pero para los actos de importancia, las personas que integran el consejo deben entender al menos las condiciones principales. De nuevo, la autonomía ha de ajustarse al grado de irreversibilidad.

Una microtransacción puede automatizarse por completo. La adquisición de una empresa no debería cerrarse simplemente porque dos agentes han coincidido. La jerarquía de los actos sigue siendo esencial. El mercado algorítmico, por tanto, no implica la desaparición del ser humano. Produce una estratificación temporal. Las máquinas pueden encargarse de lo muy rápido, lo repetitivo, lo minúsculo. Las personas seguirán ocupándose en mayor medida de lo lento, lo estratégico, lo irreversible.

Pero esa misma frontera puede desplazarse. Algunas decisiones que hoy consideramos estratégicas podrán automatizarse en gran parte cuando los sistemas sean más fiables. Por eso debemos guiarnos por principios, sin aferrarnos a una lista inmutable. De nuevo, la permanencia mutante. Quienes gobiernan deben revisar periódicamente sus umbrales. Pero existe un riesgo político importante: si los mercados se vuelven demasiado rápidos para comprenderlos directamente, pueden perder su legitimidad social.

El ciudadano ve que un precio varía, una empresa desaparece, un fondo gana miles de millones, sin entender los mecanismos. La economía puede parecerle una máquina ajena. A veces ya ocurre. La IA puede acentuar esa sensación. Una sociedad no puede descansar únicamente sobre una eficacia que nadie comprende. La legitimidad exige cierto grado de inteligibilidad. Eso no significa que cada ciudadano deba comprender los modelos de alta frecuencia.

Pero sí debe poder entender las reglas, saber que se controla su cumplimiento y que se sancionan los abusos. Ahí está la diferencia entre complejidad y opacidad. Una central nuclear es compleja. La sociedad acepta su existencia si confía en las instituciones que la supervisan. El mercado algorítmico necesitará la misma cultura de seguridad. Tal vez las finanzas deban desprenderse en parte de su imaginario de libertad total para concebirse también como una infraestructura crítica. Ya lo son.

Los pagos, el crédito y los mercados financian la economía real. Un fallo sistémico puede afectar a todos. La IA refuerza así la idea de que un mercado, además de un lugar de especulación, es una infraestructura. Eso justifica ciertas protecciones. Pero la regulación debe tener presente que asumir riesgos también es necesario. Un mercado sin riesgo no existe. Si se impide cualquier pérdida, se destruye el mecanismo de los precios.

Debemos, pues, distinguir el riesgo económico normal del riesgo sistémico creado por una arquitectura. El matiz es esencial. Un inversor puede perder dinero por haber tomado una mala decisión. Así funciona el mercado. Pero millones de inversores no deberían sufrir un fallo porque un protocolo mal diseñado haya desencadenado un ciclo fuera de control. Ante todo, el regulador debe velar por la seguridad de la infraestructura, sin garantizar cada resultado. La distinción debe quedar clara.

De lo contrario, aumenta el riesgo moral. Esto enlaza con la responsabilidad del capital. Quien se queda con la ganancia debe aceptar una parte del riesgo. La IA no debe permitir que se privaticen los beneficios y se socialice automáticamente el error. Pero los sistemas muy interconectados crean un problema: dejar caer a un actor puede desencadenar un contagio. Es el dilema clásico del too big to fail.

La IA puede crear nuevos casos de too connected to fail. Una empresa que no es gigantesca por su volumen de negocio puede, sin embargo, ser un nodo cognitivo central para muchas otras. Un proveedor de modelos. Un servicio de datos. Su fallo puede propagar una perturbación. Por eso el análisis del grafo económico debe incorporarse a la regulación sistémica. El tamaño ya no basta.

Hay que examinar la centralidad. Es la misma lógica que en las redes terroristas o en las infraestructuras digitales. ¿Cuántos actores conecta cada nodo? La regulación sistémica tendrá que cartografiar esas dependencias. De ahí pueden surgir obligaciones específicas de resiliencia para ciertos proveedores. De nuevo, la infraestructura crítica. Si miles de empresas financieras utilizan un modelo, su condición cambia de hecho.

Se vuelve casi sistémico. Eso no significa que el Estado deba controlarlo directamente. Pero puede exigir planes de continuidad, pruebas, mecanismos de redundancia. Es la lógica que ya se aplica a otras infraestructuras. La IA se incorpora a ella.

Y esto plantea enseguida otra pregunta:

¿Qué sucede si esos nodos críticos pertenecen a empresas de otra potencia?

Volvemos a la soberanía cognitiva. Un mercado nacional puede ser jurídicamente soberano y técnicamente dependiente. Las empresas francesas pueden utilizar agentes alojados en Estados Unidos o en otra parte. ¿Con qué garantías cuentan en caso de crisis geopolítica? El mercado algorítmico se convierte así también en un mercado geopolítico. Las sanciones pueden cortar el acceso a tecnologías. Los Estados pueden utilizar el control de los modelos como instrumento de presión económica.

Ya es visible en los semiconductores.

La IA añade una capa nueva. Una potencia que posee las infraestructuras cognitivas puede influir en la economía de otras potencias sin controlar directamente sus empresas. De ahí que Europa, China y Estados Unidos procuren desarrollar sus propias capacidades. Va más allá del proteccionismo. Supone también reconocer una dependencia crítica.

Pero una soberanía excesivamente cerrada puede fragmentar el mercado mundial.

Volvemos al mismo dilema: garantizar la seguridad sin caer en el aislamiento.

Si cada bloque desarrolla agentes incompatibles y normas distintas, los costes de transacción vuelven a subir. Habrá que preservar, pues, protocolos de interoperabilidad. El mercado mundial depende de normas comunes. Mi agente francés debe poder entender el contrato del agente indio.

Hacen falta formatos, identidades, reglas. La batalla en torno a las normas será considerable. Quien consiga imponer su estándar podrá estructurar una parte del comercio. Es exactamente lo que sucedió con las tarjetas de pago, los sistemas operativos y los protocolos de Internet. Los agentes se convierten en la próxima interfaz. Quien posee la interfaz posee una forma de poder.

Pero hay una particularidad: el agente puede elegir por sí mismo al proveedor. Si los agentes personales optimizan realmente las decisiones en interés del usuario, pueden reducir el peso de las marcas dominantes. Pueden buscar automáticamente la mejor oferta en un pequeño proveedor desconocido. Eso podría favorecer la competencia. Pero las grandes plataformas también pueden controlar al propio agente y, con ello, orientar la búsqueda. Este es el nuevo cuello de botella.

El poder se desplaza de la página de resultados al asistente. El buscador mostraba varios enlaces. El agente puede elegir directamente. Se produce una concentración enorme de la función de intermediación. Es una cuestión de primera magnitud para el derecho de la competencia. Si un agente dominante compra por cuenta de cientos de millones de personas, su regla de selección puede decidir el éxito o el fracaso de miles de empresas. Aun sin intención maliciosa, su arquitectura se convierte en una política económica privada.

Esto merece una vigilancia considerable. Quizá los criterios de recomendación deban hacerse más transparentes cuando un agente alcanza una posición comparable a la de una infraestructura. Pero hay que evitar que eso obligue a revelar todos los secretos algorítmicos, lo que facilitaría eludir los controles. Una vez más, el equilibrio.

Pueden imponerse principios: posibilidad de elegir otros agentes, prohibición de favorecer en secreto los servicios propios y auditoría independiente.

Recuerda a los debates históricos sobre las plataformas. La IA no crea el problema de la posición dominante en la intermediación. Le da más fuerza porque la interfaz pasa a decidir. La diferencia de grado es inmensa. Una plataforma que ordena productos influye. Un agente que compra sin mostrar la clasificación entera decide. De ahí que el mandato fiduciario de los agentes personales se vuelva central.

Si mi agente actúa jurídicamente en mi interés, no debería favorecer el ecosistema de su proveedor sin declararlo. Este principio puede reestructurar el mercado. Podrían surgir agentes independientes remunerados directamente por el usuario, como un asesor. El modelo de negocio es decisivo. Un servicio gratuito financiado por los vendedores no debe la misma lealtad que otro pagado por el comprador. Ya nos encontramos con esta cuestión en el ámbito financiero con los asesores. La IA generaliza el conflicto de intereses.

Otra vez la procedencia de la recomendación. Según cómo se diseñe la arquitectura, el mercado algorítmico puede volver al consumidor sumamente poderoso o sumamente manipulable. Es una bifurcación esencial. Si los agentes son leales al usuario y portables, puede intensificarse la competencia. Si los controlan unas pocas plataformas integradas, puede aumentar la concentración. La tecnología permite ambos futuros. Esto confirma, una vez más, que la decisión corresponde a las instituciones.

Un mismo avance técnico puede dar lugar a una arquitectura abierta o cerrada. No hay un destino tecnológico. Hay decisiones sobre normas, derecho y modelos económicos. La responsabilidad política es importante. Dentro de diez años no debemos decir: «Era inevitable». No.

Se tomarán decisiones. La función del derecho es orientar los incentivos sin pretender diseñar cada resultado. Es un asunto delicado. Una intervención excesiva puede paralizar un sector. La falta de intervención puede permitir que arraiguen posiciones difíciles de revertir. Elegir el momento se vuelve esencial. Regular cuando un estándar propietario ya abarca casi todo el mercado resulta mucho más difícil.

Es el efecto de bloqueo. Por eso a veces hay que intervenir pronto en la interoperabilidad antes que en los productos. Es una lección de Internet. Mantener abiertas las puertas. Si el usuario puede cambiar de agente y llevarse sus datos, la competencia sigue siendo posible aunque un actor domine temporalmente. La portabilidad se convierte así en un instrumento de política de competencia. Es una idea de gran alcance.

Al diseñar el mercado algorítmico, además de las reglas sobre precios hay que establecer reglas para la movilidad de identidades y datos. La competencia depende de la arquitectura técnica. Se manifiesta de nuevo la fusión entre derecho e ingeniería. Un botón de «exportar» puede convertirse en instrumento de política económica. A veces las grandes batallas por el poder se esconden en los formatos de archivo. Lo he visto toda mi vida. Quien posee un formato cerrado obtiene una renta.

Quien impone la interoperabilidad redistribuye el poder. Precisamente por eso las normas son tan políticas. La economía de los agentes hace aún más visible esta realidad. Pero no conviene fantasear con un mercado perfectamente fluido en el que los agentes cambian de proveedor cada segundo. La confianza, la calidad y la reputación seguirán generando fidelidad. Una relación económica no se reduce a un precio. Un agente puede aprender que un proveedor es un poco más caro, pero mucho más fiable.

Puede incorporar criterios cualitativos. Eso puede mejorar el mercado al hacer más medible la reputación. Pero, una vez más, cuidado con la puntuación única. La reputación tiene múltiples dimensiones. Calidad. Plazos. Servicio. Una puntuación agregada puede ocultarlas. El agente debería poder adaptar su decisión a las preferencias del usuario. Para uno, el precio. Para otro, la procedencia ecológica. Para un tercero, el plazo. El mercado adquiere así un grado extremo de personalización. Esto puede fragmentar los precios y las ofertas. La noción misma de mercado único se vuelve más abstracta.

Dos personas ya no ven necesariamente el mismo universo comercial. Ya ocurre con las recomendaciones. Los agentes amplificarán el fenómeno. Se plantea una cuestión sociológica: si cada cual tiene su mercado personalizado, puede fragmentarse la percepción colectiva de los precios. Comparar se vuelve más difícil. Quizá las estadísticas públicas deban evolucionar. Cuando los precios están hiperpersonalizados, un índice medio de precios puede ser menos representativo. Necesitaremos nuevos métodos de medición.

Es una cuestión macroeconómica importante. Los organismos de estadística tendrán que recoger datos más detallados y, a la vez, proteger la vida privada. La IA puede ayudar a construir índices dinámicos. Pero no debe ocultar las desigualdades. Un precio medio puede esconder que ciertos grupos pagan sistemáticamente más. Otra vez la distribución. Quizá los reguladores tengan que examinar las diferencias según los perfiles.

Pero para eso necesitan saber qué datos se utilizan.

De nuevo, la transparencia. El mercado algorítmico complica la medición misma. La paradoja es que tenemos más datos, pero las categorías económicas se vuelven más fluidas. Un precio deja de ser estable. Un producto puede personalizarse. ¿Cómo calcular la inflación cuando la propia oferta cambia para cada usuario?

Los economistas tendrán que elaborar nuevas metodologías. Es una transformación interesante porque muestra que la IA, además del mercado, transforma también los instrumentos con que lo observamos. La estadística económica debe mutar. Y esto puede tener enormes consecuencias políticas. Los bancos centrales toman decisiones a partir de indicadores. Si estos dejan de ser adecuados, la política monetaria puede perder precisión.

Naturalmente, la IA puede ayudar a utilizar más datos en tiempo real. Quizá estemos entrando en una macroeconomía de mayor frecuencia. Los bancos centrales pueden seguir casi al instante los pagos, los precios en línea y los flujos logísticos. Esto mejora el diagnóstico. Pero tampoco aquí disponer de más datos garantiza decidir mejor. El riesgo es reaccionar demasiado deprisa al ruido de las señales. La macroeconomía necesita distinguir la tendencia de la volatilidad.

De nuevo, la necesidad de frenar. Un banco central que responda en tiempo real a cada fluctuación puede amplificar la inestabilidad. Por eso la IA debe servir para comprender antes sin que necesariamente haya que decidir antes. Es la misma distinción que en el capítulo sobre la guerra cognitiva: la velocidad de cálculo no es la velocidad de actuación. Es una constante. El mercado puede producir datos en milisegundos. La política monetaria puede necesitar varias semanas de perspectiva. La inteligencia consiste en respetar el tiempo que corresponde a cada decisión.

Saber trabajar en varias escalas de tiempo se impone como una competencia institucional esencial. Las empresas funcionan al segundo. Los inversores, al minuto o al año. Los Estados, a lo largo de varios años. La IA tiende a atraer todos esos tiempos hacia el instante. Hay que resistir esa atracción. Hay cosas que no deben acelerarse. Una política industrial requiere diez años. Un mercado financiero reacciona en diez milisegundos. Confundir ambos planos es peligroso. Una de las funciones del Estado es precisamente representar el largo plazo, al que el mercado puede dar demasiado poco peso.

La IA puede ayudar al mercado a anticipar mejor el largo plazo. Pero los incentivos siguen siendo a menudo de corto alcance. Un gestor puede saber que hay un riesgo climático a veinte años y, sin embargo, ser evaluado por sus resultados trimestrales. El modelo no corrige el incentivo. Ahí aparece otro límite. La tecnología no reemplaza a la institución. Hay que alinear los horizontes.

Es una cuestión de gobernanza. El mercado algorítmico puede incluso acortar aún más el horizonte si los agentes optimizan sin cesar. Cada segundo se convierte en una oportunidad. Eso puede aumentar la rotación y agotar antes la paciencia del capital. Pero también cabe lo contrario. Un agente puede programarse para mantener una estrategia durante treinta años sin dejarse arrastrar por el miedo o la emoción de cada día. Un fondo de pensiones algorítmico podría mostrar mayor disciplina a largo plazo que una persona sometida a los vaivenes del mercado.

Otra vez la dualidad. La IA puede acortar o alargar el tiempo según el objetivo. Lo que impone la escala temporal es la función de recompensa, más que la máquina misma. Si pedimos resultados diarios, optimizará el día a día. Si pedimos proteger el patrimonio entre generaciones, podrá incorporar un horizonte mucho más largo. Enlaza con las estrategias estatales a largo plazo.

La IA podría convertirse en una herramienta para las políticas a largo plazo precisamente porque puede simular varios decenios. Pero la simulación sigue dependiendo de las hipótesis. Cuanto más largo es el horizonte, mayor es la incertidumbre. Por eso hay que presentar escenarios en vez de una previsión única. De nuevo, la pluralidad de futuros. El mercado algorítmico podría beneficiarse enormemente de ese hábito de razonar con escenarios. El inversor preguntaría tanto por la rentabilidad probable como por los escenarios de ruptura.

Quizá así mejorara la resiliencia. Pero al capital le gustan las cifras únicas. Una puntuación simplifica. Es peligroso. Debemos aprender a mostrar las distribuciones y los riesgos de sus extremos. La IA es perfectamente capaz de hacerlo. Muchas veces el problema está en la interfaz.

Volvemos a la presentación de la incertidumbre. Una cifra del 7,2 % parece precisa. Quizá se apoye en un intervalo enorme. El diseño de las herramientas financieras debe ser más honesto. Es una dimensión de la gobernanza. La máquina puede calcular mil millones de escenarios. Si la pantalla muestra una única cifra, se pierde parte de esa inteligencia.

Este punto es esencial. La IA puede ampliar la complejidad que somos capaces de comprender u ocultarla tras una puntuación. Elegir la interfaz es una decisión política. Vale para el mercado tanto como para el Estado. Es casi una constante de toda esta parte. Construimos sistemas muy complejos y debemos decidir cómo presentar esa complejidad al ser humano. Demasiada información paraliza.

Demasiado poca crea una ilusión. Acertar con el grado de síntesis es un arte. Quizá los agentes personales se conviertan precisamente en esa capa de traducción. El mercado produce una complejidad inmensa. Mi agente la interpreta en función de mis objetivos. Eso puede hacer más accesible el sistema. Pero, una vez más:

Tengo que confiar en el agente.

Volvemos al mandato y a la lealtad. Se cierra el círculo. Es la estructura misma de la red: cada capítulo es un nodo conectado con los demás. La economía de los agentes no es un asunto nuevo y aislado. Concentra identidad, prueba, soberanía, trabajo y responsabilidad.

Esto me confirma que la IA actúa como una nueva capa de coordinación porque atraviesa las demás estructuras, en lugar de constituir un sector aislado. El mercado es, en sí mismo, coordinación. El encuentro entre ambos es, por tanto, especialmente profundo. Incluso cabe imaginar que desaparezca la forma actual de ciertos mercados porque los agentes negocien directamente.

¿Para qué mostrar un precio fijo si cada transacción puede negociarse al instante?

En algunos sectores, el precio anunciado puede convertirse en un precio orientativo. Mi agente envía una propuesta.

El vendedor responde. Una suerte de bazar mundial automatizado. Es casi el regreso a una forma antigua de comercio con herramientas ultramodernas. La historia está llena de esos retornos. El precio fijo en el comercio minorista es relativamente reciente en términos históricos. La IA podría reintroducir la negociación a gran escala. Sería particularmente interesante.

Pero el mercado podría volverse más difícil de descifrar para los seres humanos. Si nadie sabe lo que pagan los demás, aumenta la asimetría. Los agentes tendrán, pues, que compartir ciertas estadísticas. Cabe imaginar servicios que indiquen: «Compradores comparables han pagado entre X e Y». Eso devuelve poder. Una vez más, la información como contrapeso.

Artprice transformó precisamente una parte del mercado del arte al proporcionar referencias de precios allí donde reinaba la opacidad. La economía de los agentes podría reproducir esa batalla en otros sectores. Si los precios se personalizan, los bancos de datos de transacciones efectivas adquieren un valor extraordinario. Quien sabe lo que otros han pagado de verdad puede negociar mejor.

Probablemente surgirán, pues, sistemas con una función comparable a la de lo que Artprice construyó para el mercado del arte: memorias de precios reales y condiciones de transacción que sirvan a los agentes. Esos datos adquieren un valor estratégico. Pero también plantean problemas de confidencialidad. ¿Hay que compartir los detalles de una transacción privada? Habrá que agregar datos, anonimizarlos y, en ocasiones, aplazar la publicación. De nuevo hay que equilibrar la transparencia del mercado y la confidencialidad comercial. Los mercados financieros ya conocen el problema.

Algunas transacciones deben hacerse públicas. Otras no se publican de inmediato para no revelar una estrategia. La economía algorítmica generalizará estas cuestiones. La transparencia total no siempre es óptima. Puede incluso facilitar la colusión al permitir que todos los vendedores comprueben al instante que nadie baja los precios. Hay aquí una paradoja importante. Solemos pensar que la transparencia aumenta la competencia.

En determinadas arquitecturas, un exceso de transparencia entre vendedores puede facilitar que se coordinen. Una vez más, las consecuencias de segundo orden. No hay una regla absoluta según la cual más datos equivalgan a un mercado mejor. Hay que analizar la arquitectura.

¿Quién ve qué?

¿Y cuándo?

El momento en que se hace visible la información es esencial. Un dato puede publicarse con retraso. Eso protege ciertas estrategias sin impedir su auditoría. Los mercados financieros ya aplican esta lógica. La IA probablemente afinará estos mecanismos. Tendremos formas de transparencia diferida, agregada o condicional. Es precisamente ese grado de detalle lo que permite construir buenas instituciones.

Los eslóganes siempre fracasan. El mercado algorítmico es demasiado complejo para «abrirlo todo» o «cerrarlo todo». Hay que diseñar los flujos de información. Otra vez la arquitectura. Y eso plantea la cuestión de la democracia económica. Si los agentes se convierten en los principales intermediarios del consumo y de la inversión, su gobernanza influirá enormemente en la sociedad.

¿Quién define los criterios éticos, ambientales, geográficos o de procedencia que utilizan?

Un ciudadano puede optar por favorecer a las empresas francesas, reducir la huella de carbono o dar absoluta prioridad al precio más bajo.

El agente traduce valores personales en decisiones económicas. Eso puede dar al consumidor un poder considerable. Millones de agentes pueden desplazar la demanda en función de preferencias éticas. Pero también pueden fragmentar la economía en burbujas ideológicas. Algunos agentes evitan a todas las empresas vinculadas a determinada postura política. Otros hacen lo contrario. El mercado se convierte entonces en instrumento de polarización.

Ya conocemos los boicots. La automatización puede volverlos permanentes e invisibles. Una preferencia que se configura una sola vez puede excluir a ciertos proveedores durante años. Eso puede tener consecuencias sociales. Reaparece el riesgo de un perfil inmutable. Debe ser posible revisarlo.

La libertad va más allá de elegir una vez. Es poder volver a elegir.

Por eso un agente debería comprobar periódicamente si se siguen deseando ciertos criterios. «Hace tres años decidió excluir a este tipo de proveedor. ¿Quiere mantener el criterio?». Parece un detalle de la interfaz. Es una filosofía de la libertad. Una delegación permanente puede convertir una elección pasada en destino. El agente debe, por tanto, incorporar la posibilidad de la mutación.

Una y otra vez. Esto me confirma que «Solo los mutantes sobreviven» va más allá de una fórmula biológica o empresarial. Es también un principio de gobernanza de los sistemas de IA. Un sistema debe permitir que sus objetivos y preferencias evolucionen. La rigidez es una forma de vulnerabilidad. El propio mercado sobrevive porque muta.

Las empresas aparecen.

Desaparecen.

Los precios cambian.

La IA puede acelerar esa mutación. También puede dejar fijados determinados comportamientos si los estándares se concentran en pocas manos. Es la paradoja. El mercado se mantiene vivo mientras haya diversidad y sea posible entrar en él. La competencia es más que la existencia de varias empresas hoy. Consiste en que mañana puedan aparecer otras. La interoperabilidad es, por tanto, una condición de la mutación económica.

Si los agentes dominantes solo pueden comunicarse con las grandes plataformas, los recién llegados se vuelven invisibles. Los protocolos abiertos se convierten entonces en una política de innovación. Es una idea esencial.

La arquitectura técnica puede determinar si un mercado está abierto a nuevos competidores.

Es casi una constitución económica. Una vez más, el estándar nunca es neutral. Define quién puede entrar. Por eso el regulador debería examinar los protocolos que permiten descubrir a los proveedores.

¿Pueden los agentes encontrar a un pequeño proveedor?

¿Hay que pagar para figurar en el índice?

¿Pueden los agentes consultar directamente catálogos abiertos?

Recuerda a los debates sobre los buscadores, pero con consecuencias más directas porque el agente puede comprar. El poder de intermediación pasa a aplicarse a la transacción misma. Es probablemente una de las grandes cuestiones que afrontará el derecho de la competencia. Los gobiernos pueden imponer obligaciones de acceso equitativo a determinadas interfaces. Pero hay que evitar que se pierda la seguridad. El agente debe poder averiguar si un proveedor existe de verdad y si es digno de confianza. Las normas de identidad comercial cobrarán importancia.

De nuevo, procedencia y reputación. Todo vuelve. El mercado algorítmico podría, pues, ser mucho más abierto en el plano técnico y estar mucho más filtrado en el cognitivo. Millones de proveedores al alcance. Pero el agente solo muestra unos pocos según ciertos criterios. Aumenta el poder del filtro. El mercado del futuro podría ser así menos una lucha por ocupar un estante que por conseguir que los modelos seleccionen el producto.

Se transforma el posicionamiento. Las empresas intentarán que sus ofertas sean legibles para las máquinas, que sus datos estén estructurados y sus pruebas resulten accesibles. Puede ser positivo: descripciones normalizadas, procedencia, certificaciones, pruebas de calidad. Pero puede dar lugar a nuevas maniobras de manipulación. Los proveedores aprenderán a presentar sus productos de forma que obtengan la mayor puntuación de los agentes. Es exactamente el fenómeno de jugar con las métricas para obtener ventaja.

El agente deberá, pues, detectar los intentos de manipulación. Vuelve la lógica del adversario. El mercado se convierte en un terreno en el que una optimización se enfrenta a otra. Parece difícil evitar esa dinámica. Puede generar una carrera por las certificaciones y las pruebas. De nuevo, la economía de la confianza. A los proveedores fiables les convendrá aportar datos verificables.

Una etiqueta sin auditar perderá valor. Esto puede mejorar la calidad de la información en el mercado. Es una perspectiva interesante. La IA puede llevar a las empresas a estructurar con más detalle los datos de procedencia porque los agentes se los exijan. Un producto sin información verificable puede tener menos probabilidades de ser elegido. Podría favorecerse así la trazabilidad ambiental o sanitaria.

Pero cuidado con las empresas pequeñas que carecen de recursos para producir datos sofisticados. Las normas deben seguir siendo accesibles. De lo contrario, acreditar el cumplimiento en un formato legible por máquina se convierte en otra barrera de entrada. Una decisión más que sopesar. Una norma que aumenta la confianza puede favorecer a los grandes actores que pueden pagar la certificación. Por eso hay que diseñar mecanismos proporcionados. Es el mismo problema que plantea la regulación de la propia IA.

Los costes fijos de cumplimiento favorecen la concentración. El derecho debe tenerlo presente. Podrían establecerse grados de certificación según el riesgo. Un pequeño artesano no necesita la misma infraestructura que un banco. Volvemos a la clasificación. Esta insistencia puede parecer obsesiva. Y, sin embargo, responde al método que exige un mundo complejo.

Distinguir en detalle es una defensa frente a los efectos perversos.

Y nos lleva a una pregunta todavía más amplia.

Si los mercados se vuelven algorítmicos, ¿qué ocurre con la noción de precio como información social?

Hayek insistió en que el precio es una señal que condensa información dispersa. Pero si los precios están hiperpersonalizados y los negocian agentes, ¿sigue habiendo un precio común que cumpla esa función? Tal vez el sistema funcione más con distribuciones de precios que con un precio único. La señal se enriquece.

Pero se vuelve menos visible. Los agentes pueden entenderla. Para el ser humano resulta menos inmediata. Entramos en una economía en la que las máquinas podrían percibir ciertas estructuras del mercado mejor que las personas. Eso crea una dependencia cognitiva colectiva. Los ciudadanos ya no interpretan directamente los precios. Preguntan a sus agentes:

¿Es caro?

El modelo responde comparando miles de transacciones. Es útil. Pero significa que nuestra relación con el mercado pasa por un intermediario. Ya ocurría con los comparadores. El agente podría convertirse en un comparador casi universal. Quien controla la comparación estructura parte de nuestra percepción del valor.

La cuestión es de enorme importancia. Enlaza con el mercado del arte, donde el banco de datos transforma la percepción de un precio. Ver el historial cambia el juicio. Artprice puso ante los actores un espejo del mercado del arte. La IA generaliza ese espejo. Pero un espejo puede deformar. Hay que conocer, pues, los datos que lo alimentan. Otra vez la procedencia.

El círculo se cierra.

Valor. Prueba. Identidad. Mercado.

En último término, todo depende de la calidad de las arquitecturas de información. Quizá sea la conclusión provisional de este capítulo. El mercado algorítmico no suprime el mercado. Pone aún más de manifiesto que un mercado es una arquitectura de confianza, información y reglas. La IA acelera los flujos y amplía las capacidades. Pero no sustituye ninguno de esos fundamentos. Al contrario, hace más decisivo su diseño. Una máquina puede calcular el precio. La legitimidad de las reglas sigue siendo humana. Se puede automatizar la negociación. La responsabilidad permanece.

La competencia puede hacerse más dinámica. También puede cerrarse en torno a estándares propietarios.

Todo depende de la arquitectura.

Esta automatización del mercado plantea, por último, una cuestión más amplia: cuando las mismas herramientas sirven para coordinar el mercado y para dirigir la acción pública, se impone examinar la frontera clásica entre mercado y planificación.

¿Qué ocurre con el mercado cuando la coordinación se vuelve casi instantánea?

¿Qué ocurre con la planificación cuando la IA puede simular y ajustar continuamente?

Y, sobre todo:

¿Quién define la finalidad de una economía capaz de optimizar de forma simultánea un número inmenso de variables?

La cuestión pasa entonces del mercado a la finalidad: ¿quién define qué se intenta optimizar en una economía algorítmica?

Es ahí donde debe reexaminarse la frontera entre coordinación por el mercado y planificación.