ChatGPT para invertir: qué hace bien, dónde se equivoca y qué no puede saber

Resumen en 5 puntos (si vas con prisa):

1. ChatGPT es un profesor excelente: explicando qué es un ETF, un traspaso o el TER, en tu idioma y a tu nivel, gana a la mayoría de artículos de la prensa financiera. Para aprender, úsalo sin miedo — y gratis.
2. Es un analista pésimo de tu situación, por diseño: no sabe qué tienes, sus datos llegan con meses de retraso y no aplica la fiscalidad española a tu caso.
3. Se inventa productos. Lo decimos con conocimiento de causa: construyendo nuestra propia IA financiera hemos visto a un modelo inventarse ETFs con nombre e ISIN perfectamente plausibles. Lo arreglamos con validación contra un catálogo real — un ChatGPT genérico no tiene ese freno.
4. Te da la razón. Los LLMs tienden a validar la tesis que llevas puesta: si le preguntas "¿verdad que es buen momento para comprar X?", encontrará argumentos para el sí. Un buen análisis hace lo contrario: te lleva la contraria cuando toca.
5. La regla práctica: pídele conceptos y preguntas, nunca cifras ni productos concretos. Y todo dato que te dé con apariencia de actual — precio, rentabilidad, tipos — verifícalo antes de moverte.

Vamos a lo concreto.

Lo que hace de verdad bien (y deberías aprovechar)

Un LLM generalista brilla exactamente donde el sector financiero lleva décadas suspendiendo: explicar sin vender. Ejemplos de uso donde ChatGPT (o Claude, o Gemini) rinde de sobra:

• Traducir jerga: "explícame como si tuviera 15 años qué es la rentabilidad por dividendo y por qué puede ser una trampa".
• Estructurar una decisión: "¿qué preguntas debería hacerme antes de invertir mis primeros 5.000 €?" — la lista que devuelve suele ser mejor que la de muchos comerciales de banco, porque no cobra comisión por la respuesta.
• Entender un documento: pégale la descripción de un fondo (el KID) y pídele que te señale costes y riesgos en cristiano.
• Prepararte para una conversación: "voy a hablar con mi banco sobre mi fondo, ¿qué debería preguntar sobre comisiones?"

El patrón común: son preguntas sobre conceptos, no sobre tu dinero. Ahí el modelo trabaja con lo que sabe hacer — lenguaje — y no con lo que no tiene — tus datos y los del mercado de hoy.

Los cuatro fallos, con ejemplos

1. Sus datos llegan viejos (y no siempre lo avisa)

Un LLM se entrena con datos hasta una fecha de corte que suele quedar meses o más de un año atrás. Pregúntale por el precio de una acción, el tipo de la facilidad de depósito del BCE o la rentabilidad de las Letras y puede darte una cifra — con total seguridad en el tono — que era verdad hace un año. Algunas versiones buscan en internet antes de responder, lo que mejora las cosas pero añade otra dependencia: responde con lo que encuentra, encuentre lo que encuentre.

Regla: cualquier número con fecha (precios, tipos, rentabilidades "actuales") que te dé un LLM genérico, verifícalo en la fuente antes de usarlo para decidir.

2. Se inventa productos que no existen

Esto no es teoría: nos ha pasado construyendo Maia. En pruebas internas, un modelo propuso varios ETFs — con nombre completo, gestora e ISIN de aspecto impecable — que sencillamente no existían. La solución de ingeniería fue obligar a la IA a validar cada producto contra un catálogo real verificado antes de poder mencionarlo; si no está en el catálogo, no sale por su boca.

Un ChatGPT genérico no tiene ese freno. Cuando le pides "dame 5 ETFs UCITS para invertir en el sector X", el resultado mezcla productos reales, productos reales con el ISIN cambiado y productos directamente imaginarios — y los tres vienen redactados con la misma confianza. Si no vas a verificar cada ISIN en la web de la gestora, no uses la lista.

3. No sabe nada de ti (y tu caso va de ti)

La pregunta que de verdad importa casi nunca es "¿qué es mejor, fondo o ETF?". Es "¿qué me conviene a mí, con lo que ya tengo, mi horizonte y mi fiscalidad?". Y ahí un LLM genérico está ciego tres veces:

• No conoce tu cartera: no sabe que ya llevas un 40% de tecnología americana cuando te sugiere "diversificar" con un ETF del Nasdaq.
• No aplica la fiscalidad española: el traspaso entre fondos sin tributar, la regla de los 2 meses, las casillas de la Renta según tu bróker — son reglas españolas concretas, con matices que los modelos entrenados mayoritariamente en contenido estadounidense confunden con las reglas de EE. UU. (el wash sale americano, por ejemplo, se parece a nuestra regla de los 2 meses lo justo para liarte).
• No ve el conjunto: puede analizarte una posición suelta si se la pegas, pero la concentración, el solape entre fondos y el coste total de tu cartera exigen tener la cartera entera delante, con precios de hoy.

4. Te da la razón (y eso es lo peligroso)

Los LLMs están entrenados para ser útiles y agradables, y eso produce un sesgo documentado: complacencia. Llega con la tesis "quiero meter todo en Nvidia" y encontrará argumentos a favor; llega con "quiero venderlo todo" y también. El análisis que necesitas hace justo lo contrario: te dice "tu posición ya pesa un 30%, esto no es diversificar, es doblar la apuesta" — aunque no sea lo que querías oír.

Cómo usarlo bien, gratis, desde hoy

• Pide conceptos y marcos, no productos: "¿qué criterios usaría un analista para comparar dos ETFs del mismo índice?" en vez de "¿qué ETF compro?".
• Pide las preguntas, no las respuestas: "¿qué debería comprobar antes de contratar este fondo?" — el modelo es mucho mejor generando la checklist que rellenándola con datos.
• Dale tú los datos actuales: pega el folleto, la tabla de comisiones o el extracto concreto y pide análisis de eso. Con el documento delante, el fallo nº 1 y parte del nº 2 desaparecen.
• Pídele que te lleve la contraria: "hazme de abogado del diablo contra esta decisión" desactiva parte del fallo nº 4 — tendrás que pedirlo explícitamente, porque solo no le sale.
• Y un aviso de privacidad: lo que pegas en un chatbot genérico viaja a sus servidores bajo las condiciones de su plan, que probablemente no has leído. Tu cartera es un dato sensible; trátala como tal.

La comparación honesta

La lectura honesta de la tabla: si lo que necesitas es aprender, no nos necesitas — un LLM gratuito te sobra, y este artículo te ha dado los prompts. La diferencia empieza cuando la pregunta deja de ser "¿qué es X?" y pasa a ser "¿qué hago yo con lo mío?" — porque esa no se puede responder sin tus datos, datos de hoy y las reglas fiscales de aquí.

Preguntas frecuentes

¿Puede ChatGPT recomendarme acciones o ETFs concretos? Puede generar texto que lo parece, y ese es el problema: mezcla productos reales, datos desactualizados e inventos con el mismo tono seguro. Y una recomendación personalizada de verdad exige conocer tu situación completa — cosa que un chat genérico no hace. Úsalo para entender criterios, no para obtener nombres.

¿Es seguro pegar mi cartera en ChatGPT? Depende del plan y del proveedor: en general, lo que pegas se procesa en sus servidores bajo sus condiciones, y en algunos planes puede usarse para mejorar el servicio. Como mínimo, quita importes y datos personales antes de pegar. Nuestra postura de diseño en WealthMaia: datos alojados en la UE y bajo GDPR, porque una cartera identifica a una persona casi tan bien como su DNI.

¿Qué IA es mejor para invertir: ChatGPT, Gemini o Claude? Para conceptos, cualquiera de los tres grandes rinde parecido y la diferencia la marca tu prompt, no el modelo. Los cuatro fallos de este artículo los comparten todos, porque no son defectos de una marca: son propiedades de un modelo generalista sin tus datos ni validación de productos.

¿Una IA sustituye a un asesor financiero? No, y tampoco WealthMaia: somos una herramienta de análisis, no un asesor regulado. Una IA con tus datos te da contexto, números y contrarios para decidir mejor; para decisiones complejas (herencias, empresa, patrimonio alto), un profesional colegiado sigue siendo la opción sensata.

Si ChatGPT es gratis, ¿por qué pagar por una IA financiera? Pagas por lo que el gratis no puede hacer: tus posiciones siempre cargadas, precios en vivo, productos validados contra catálogo, fiscalidad española aplicada a tu caso y avisos cuando pasa algo con lo tuyo sin que preguntes. Si no necesitas nada de eso todavía, no pagues — en serio.

Fuentes y método

• La anécdota de los ETFs inventados es de nuestras pruebas internas de 2026, y el validador contra catálogo real es parte del producto en producción — cómo trabajamos está en nuestra metodología editorial.
• Las limitaciones descritas (corte de conocimiento, alucinación, complacencia) están ampliamente documentadas por los propios laboratorios de IA en las tarjetas de sistema de sus modelos.

Información general, no una recomendación personalizada. Última revisión: 11 de agosto de 2026.

---

¿Quieres ver la diferencia con tus datos en vez de fiarte de nuestra tabla? Analiza tu cartera gratis: Maia te dice concentración, costes y solapes de lo que ya tienes — con precios de hoy y sin inventarse ni un ISIN.