Capital riesgo: diseñar el proceso de inversión para el juicio, no para la IA

Por McKinsey Quarterly (Andrew Mullin, socio sénior de McKinsey en Toronto).

El artículo de opinión, publicado en la serie «Fresh takes on big ideas» sobre IA e inversión, plantea que buena parte del debate sobre la IA en el capital riesgo (private equity) se ha centrado en lo que la tecnología puede hacer: las herramientas que deben usar los inversores, los datos que deben alimentarlas, las capacidades que deben construir las firmas e incluso el papel de la IA en los comités de inversión. Mullin sostiene que la pregunta clave es otra: cómo rediseñar el proceso de inversión en un mundo donde la IA puede producir una buena primera respuesta casi al instante, mientras que el juicio necesario para convertir esa respuesta en convicción, acción y mejores resultados sigue siendo escaso.

El autor describe una paradoja. La IA puede aumentar de forma radical la productividad en la inversión, eliminando trabajo mecánico y generando más datos, más escenarios y más análisis en una fracción del tiempo. Pero más análisis no produce automáticamente mejor juicio: el día sigue teniendo 24 horas y la atención humana no se expande porque aumente la producción. La IA puede multiplicar el análisis disponible, pero no la capacidad de los inversores para asimilarlo.

Además, si la IA asume trabajo que antes construía juicio y experiencia por el camino, no puede darse por hecho que la próxima generación de líderes del capital riesgo desarrolle esas capacidades por su cuenta.

Como aviso temprano, el artículo cita investigación reciente. Un estudio de 2026 que siguió a 26.811 estudiantes de secundaria chinos durante 30 meses halló que el uso de IA generativa les ayudó a terminar los deberes un 30 % más rápido y que sus notas en los deberes subieron un 18 %. Sin embargo, en seis meses sus notas en exámenes a libro cerrado cayeron un 20 %, y el descenso se concentró en los estudiantes que parecían delegar más trabajo en la IA.

Un estudio relacionado de Wharton indica que la IA también puede afectar a la calidad de la toma de decisiones humana. Los investigadores observaron que el consejo acertado de la IA mejoraba sustancialmente la precisión de las personas, pero cuando la IA daba con aplomo una respuesta equivocada, quienes la usaban rendían peor que quienes no usaban IA. Este fenómeno se denomina «rendición cognitiva» (cognitive surrender): las personas adoptaban la confianza de la IA a costa de su propio juicio.

Mullin extrae implicaciones para la inversión. Según él, el objetivo de la diligencia debida nunca ha sido producir una respuesta. Los inversores veteranos saben desde el principio que el modelo de inversión estará equivocado —afirma no haber construido nunca uno que no lo estuviera—; el trabajo consiste en entender por cuánto, en qué dirección y por qué. Parte de ello es cognoscible mediante análisis, pero en última instancia toda inversión descansa en un juicio sobre lo que probablemente ocurrirá, y ningún análisis generado por IA puede hacer ese juicio por nosotros.

Recuerda que, al inicio de su carrera, cuando construía modelos de inversión, el aprendizaje real rara vez venía de teclear fórmulas o recopilar datos, sino de «vivir dentro del modelo»: cambiar un supuesto, obtener un resultado inesperado y averiguar si había cometido un error o había descubierto algo real sobre el negocio.

La oportunidad para las firmas, propone, es rediseñar el proceso de inversión para que el análisis generado por IA refuerce el juicio humano. En la práctica, esto implica: que los inversores formen su opinión antes de ver las respuestas de la máquina; que identifiquen qué evidencia podría cambiar esas opiniones; que cuestionen los resultados sorprendentes en lugar de aceptarlos; y que expliquen las inversiones con un lenguaje que demuestre comprensión real.

El autor cuenta que oyó describir, medio en broma, un proceso de diligencia así: dos días para obtener una respuesta de la IA, tres días para averiguar qué significaba y una semana para decidir cómo comunicarla de modo que construyera convicción en el comité de inversión.

El proceso de inversión está lleno de momentos en los que el juicio humano debe formarse, ejercerse y ponerse a prueba. Antes incluso de empezar la diligencia, alguien debe decidir cómo emplear mejor ese tiempo: fijar el listón de una manera arriesga descartar buenas operaciones; fijarlo de otra implica dedicar tiempo a empresas que nunca lo iban a superar. Cómo equilibrar esos riesgos es en sí mismo un juicio y una decisión de diseño que conviene tomar deliberadamente.

Por eso Mullin no cree que las firmas que prosperen en la era de la IA sean necesariamente las que tengan los mejores modelos, más datos o más agentes, sino las que sigan formando juicio en la próxima generación de inversores y se aseguren de que el juicio acumulado durante décadas en torno a la mesa del comité de inversión no se erosione silenciosamente.

El texto fue editado por Arshiya Khullar, editora sénior en Gurugram. El correo enlaza además a otras piezas del autor sobre IA generativa en mercados privados y a una próxima conversación con Alexis Krivkovich sobre roles de trabajo habilitados por IA, que plantea que superponer IA a procesos rotos solo oculta el problema.