3800 pruebas reales: el 60% de los asesores de inversión "inteligentes" de los corredores fracasan

Detrás de un volumen de transacciones diarias de entre 2 y 3 billones de yuan, los inversores en A-shares ya superan los 250 millones, de los cuales el 99.76% son inversores individuales apodados como “los accionistas”.

Como el único canal institucional para operar en A-shares, los servicios de corretaje de las firmas de valores soportan cada operación de millones de “accionistas”. Por ello, la velocidad de respuesta del servicio al cliente y la capacidad de suministro de información se convierten en los puntos de contacto más importantes para los inversores particulares. Con la ola de inteligencia artificial que arrasa, los chatbots de IA se colocan en primer plano, siendo tanto un “campo de batalla” para la transformación digital de las firmas de valores como una “piedra de toque” para comprobar si pueden atender bien a los clientes de largo plazo.

Las principales firmas de valores también promocionan con gran énfasis en sus anuncios estratégicos y informes anuales términos como “transformación digital”, “empleados digitales de IA” y “asesores inteligentes”, incluso considerándolos motores clave para la transformación de la gestión patrimonial. Algunas firmas muestran impresionantes capacidades tecnológicas: “superinvestigadores” que generan informes profundos de decenas de miles de palabras, el primer asistente de gestión de mercado en todo el mercado, plataformas inteligentes que cubren todo el proceso de renta fija…

¿Hasta qué punto ha evolucionado el servicio de IA para los accionistas comunes? ¿El “asistente inteligente” que se espera con ansias es un “asesor inteligente” que comprende el mercado y ayuda a decidir, o simplemente una “pantalla frontal” que repite reglas y transfiere a humanos?

El equipo de evaluación del Centro de Investigación en Nuevas Finanzas de Southern Weekend ofrece una respuesta sorprendente: en la gestión básica de cuentas, casi todos aprueban; pero en los puntos críticos para los accionistas —el “mercado y las cotizaciones”—, la puntuación de los chatbots cae abruptamente al 30%, con seis firmas que ni siquiera entregan resultados. En la dimensión de “protección de los derechos legítimos de los inversores”, que mide la transparencia de tarifas, cuatro firmas muestran respuestas evasivas. La tasa de respuestas independientes de los chatbots varía más de un doble entre firmas, y el tiempo de espera para transferir a un humano puede llegar a 13 minutos.

Alta competencia en tareas básicas

El estudio evaluó a 10 principales firmas de valores por su tamaño de activos: CITIC Securities, GF Securities, Guosen Securities, Guotai Haitong, Huatai Securities, China Galaxy Securities, CICC, China Merchants Securities, Shenwan Hongyuan Securities y CITIC Construction Investment.

Del 3 al 9 de febrero de 2026, el equipo realizó evaluaciones cruzadas en diferentes horarios en días laborables y no laborables, con un total de 3,800 interacciones, en calidad de inversores comunes.

Las preguntas cubrieron cinco escenarios frecuentes: divulgación de información, gestión de cuentas, corretaje y servicios de valor añadido, manejo de emergencias y servicios de cotización con IA, en total 19 preguntas específicas. Con base en los resultados, se construyó un “sistema de indicadores hexagonales” para cada firma.

Los resultados muestran que en “gestión de cuentas”, casi todos obtuvieron altas calificaciones. Nueve firmas alcanzaron la puntuación máxima de 100 puntos. Incluso CITIC Construction, la que obtuvo la puntuación más baja, logró 66 puntos en esta categoría.

Para tareas con procedimientos claros y regulación definida, como cambiar contraseñas de transacción y fondos, consultar detalles de operaciones y flujos de fondos, o gestionar cancelaciones y transferencias, los chatbots demostraron un alto nivel de competencia.

Aún no han llegado a la era del “asesor inteligente”

Cuando las demandas de los accionistas se alejan de “cómo gestionar la cuenta” y entran en “cómo interpretar el mercado”, la capacidad de los chatbots de IA varía.

Para evaluar la capacidad de respuesta en cotizaciones, el equipo diseñó siete dimensiones: descripción general del negocio (análisis fundamental), análisis de modelo de negocio o posición en la industria, valoración (PER/PBR), análisis técnico, análisis de fondos, análisis de noticias y advertencias de riesgos (ver resumen en la figura “Resumen de preguntas de prueba del servicio de IA”). Los resultados muestran que, en comparación con otros indicadores, esta es la habilidad central que determina si el chatbot tiene “atributos de asesor de inversión”, con una puntuación promedio de solo 30.

Seis firmas —Guosen, China Galaxy, CICC, China Merchants, Shenwan Hongyuan y CITIC Construction— indicaron directamente que no pueden responder preguntas relacionadas con análisis de mercado o recomendaron transferir a un humano, logrando 0 puntos en esta dimensión.

Un profesional que prefirió no ser identificado comentó que esto no refleja una falta de capacidad de investigación, sino una cautela excesiva por motivos regulatorios, que aún no permite aplicar modelos grandes en análisis de mercado.

Prueba del chatbot de Guosen Securities (captura de pantalla).

Es importante destacar que, en esta evaluación, algunas firmas mostraron un primer atisbo de asesoramiento inteligente, considerando la regulación: GF Securities y Guotai Haitong empataron en primer lugar con 85 puntos. GF Securities respondió con precisión a todas las seis preguntas relacionadas con cotizaciones, excepto “análisis de noticias”; Guotai Haitong respondió a todas menos a “advertencias de riesgos”, aunque en su análisis solo indicaba “respuesta generada por IA” sin advertir claramente que “el contenido no constituye consejo de inversión”, lo que afectó su puntuación.

Prueba del chatbot de Guotai Haitong (captura de pantalla).

CITIC Securities obtuvo 71 puntos, mostrando valoraciones, análisis técnico, fondos, noticias y advertencias de riesgos, pero sin incluir análisis fundamental ni análisis de modelos de negocio, que son más de largo plazo.

Prueba del chatbot de CITIC Securities (captura de pantalla).

Huatai Securities obtuvo 57 puntos, con un enfoque más “fundamentalista”, mostrando información sobre fundamentos, modelos de negocio, valoración y advertencias de riesgos, pero sin datos cuantitativos de análisis técnico, fondos o noticias.

Prueba del chatbot de Huatai Securities (captura de pantalla).

Estos datos revelan que la mayoría de los chatbots aún están en la etapa 1.0 de “consulta de reglas”, sin haber evolucionado a la etapa 2.0 de “asesor inteligente”.

Transparencia en tarifas: cuatro firmas “juegan al gato y al ratón”

En las operaciones bursátiles, la transparencia en tarifas afecta directamente los intereses económicos de los inversores y es un criterio clave para evaluar si una institución cumple con la protección de los derechos de los inversores.

El equipo de evaluación planteó dos preguntas sensibles: “¿Cuál es la comisión por transacción de acciones? ¿Cómo se ajusta? ¿Cuál es el mínimo?” y “¿Cuál es la tasa de interés de financiamiento y préstamo de valores? ¿Cómo se ajusta? ¿Cuál es el mínimo?”

Los resultados muestran dos grupos: seis firmas —CITIC, GF, Guosen, Guotai Haitong, Huatai y China Galaxy— mostraron alta transparencia, proporcionando respuestas claras y caminos para consultar tarifas.

Prueba del chatbot de Huatai Securities (captura de pantalla).

En cambio, CICC, China Merchants, Shenwan Hongyuan y CITIC Construction mostraron respuestas vagas o derivaron a los clientes a consultar con sus gerentes de oficina, en una especie de “juego de evasivas”, lo que redujo drásticamente su puntuación en transparencia.

Este fenómeno refleja un problema persistente en el modelo de negocio tradicional: la dependencia excesiva de canales de corretaje homogéneos, que oculta márgenes y permite “espacios de maniobra” en tarifas. Cuando se aplican modelos avanzados de IA en atención al cliente, algunos brokers no rompen estas barreras, sino que las consolidan aún más.

¿Quién lidera en colaboración humano-máquina?

Cuando el chatbot no puede responder y debe transferir a un humano, ¿cómo es la colaboración?

El estudio analizó el tiempo medio y máximo de espera para transferencias a humanos, mostrando diferentes niveles de eficiencia.

GF Securities tiene la mayor tasa de respuestas automáticas (94.4%) y buena capacidad en cotizaciones (85 puntos, con 6 indicadores). Sin embargo, su principal debilidad es la dificultad para transferir a humanos, con una espera de hasta 10 minutos en pruebas nocturnas y sin atención humana los fines de semana, lo que puede frustrar a clientes con problemas complejos. CICC también tuvo esperas de hasta 7 minutos en noches laborables, indicando posibles limitaciones en atención en horarios nocturnos.

China Galaxy, aunque torpe (55.5% de respuestas automáticas y sin capacidad en cotizaciones), es sincero y rápido, con un promedio de 0.19 minutos para transferir a humanos, y mantiene atención humana los fines de semana. CITIC Securities (0.47 minutos) y Guotai Haitong (0.38 minutos) también mostraron buena eficiencia en la atención humana.

La respuesta de CITIC Securities a consultas automáticas fue solo del 38.89%, con muchas preguntas sin respuesta, pero su tiempo de espera para transferir a humanos fue corto, en torno a 0.5 minutos, con atención los fines de semana.

La firma de招商 Securities tiene una tasa de respuesta automática del 55.5%, con algunos casos de esperas de hasta 13 minutos en días laborables.

CITIC Construction también enfrenta desafíos: en la demostración en la conferencia AI 2025, su plataforma “Octopus” para renta fija mostró una tasa de respuesta del 38.89%, con más de la mitad de las preguntas sin respuesta. Sin embargo, su tiempo de transferencia a humanos es breve, en torno a 0.5 minutos, y mantiene atención los fines de semana.

¿Quedó atrás en capacidades o en pensamiento?

Los datos de las 10 principales firmas reflejan la disparidad en el campo del servicio de IA: desde una gestión básica sólida, hasta diferencias en la habilitación de investigación y atención en front-office, con atención los fines de semana y tiempos de espera de hasta 13 minutos.

Hoy, con la apertura y comercialización de grandes modelos con miles de millones de parámetros, la causa profunda de estas diferencias no parece ser la capacidad computacional o la calidad del modelo. ¿Entonces, qué explica la brecha en la experiencia del cliente?

El equipo de evaluación encontró que algunas firmas son excesivamente cautelosas por motivos regulatorios: cualquier evaluación o predicción sobre acciones es un área muy sensible, y un error puede violar las reglas contra recomendaciones no autorizadas. Por ello, los revisores reguladores adoptan una postura conservadora, estableciendo que palabras como “tendencia”, “predicción” o “compra” sean evitadas en las respuestas del chatbot.

Otra causa es la gestión de datos empresariales, aún en etapas rudimentarias. Un chatbot capaz de responder con fluidez a preguntas complejas requiere una base de datos de alta calidad y un sistema dinámico de construcción de conocimiento. Algunas firmas líderes mantienen equipos dedicados a limpiar datos, etiquetar corpus y ajustar modelos, logrando una construcción de conocimiento más avanzada. Las firmas con puntuaciones más bajas aún dependen de modelos pequeños de respuesta textual, con escaso conocimiento profundo, lo que limita su capacidad.

También existe la posibilidad de que algunas firmas empaqueten las capacidades de grandes modelos en historias de “investigación inteligente” o “mejora operativa” para atraer inversión, en lugar de centrarse en ofrecer un servicio de atención al cliente real y eficiente. La estrategia de priorizar el mercado B puede hacer que el sistema de IA sea solo una “demostración técnica”, sin resolver verdaderamente los problemas del usuario.

En definitiva, los 3,800 casos de prueba muestran que, entre la ambición tecnológica en las presentaciones y la experiencia real en el diálogo con los clientes, aún hay un largo camino por recorrer. La evolución tecnológica y la mejora de modelos continúan, pero quizás la verdadera diferencia radique en cuánto entienden y practican las instituciones el concepto de “finanzas para el pueblo”.