En la IA regulada, la ontología puede pesar más que el chatbot. Genie One de Databricks lo muestra

En la administración de fondos, una cifra errónea no es un mal rato. Es un valor liquidativo mal calculado, suscripciones y reembolsos al precio equivocado, una comisión de éxito cobrada sobre la base equivocada, una carta a los partícipes para corregirlo y una conversación con la CNMV. Por eso la mayoría de las gestoras ha seguido la ola de la IA generativa con interés y la ha mantenido bien lejos del cálculo del valor liquidativo.

El 2 de octubre, Databricks publicó una descripción de cómo sería llevar agentes a ese trabajo. Es un artículo de un proveedor, no un caso de cliente, y hay que leerlo así. Pero la arquitectura que describe es la correcta para cualquier flujo de alto impacto, y pone el acento en un sitio poco habitual: no en el asistente, sino en el significado de los datos.

Qué describe Databricks

Genie One se presenta como un “compañero de IA que entiende los datos” para los equipos financieros de las gestoras. El diseño tiene tres capas:

• Una ontología de negocio gobernada (Genie Ontology) que recoge qué significa cada cosa en las operaciones del fondo: definiciones, estrategias, factores que determinan las comisiones y cómo se relacionan. Las respuestas se apoyan en esa ontología y no en el documento que la búsqueda encuentre primero.
• Agentes de backend (Genie Agents) que trabajan de madrugada: ingieren los ficheros del depositario mediante Lakeflow, concilian posiciones, las valoran contra los proveedores de datos de mercado y producen un valor liquidativo (NAV) preliminar antes de la revisión de la mañana. El seguimiento de la comisión de éxito forma parte del mismo flujo.
• Respuestas trazables. Cada cifra de valor liquidativo debe poder rastrearse hasta sus fuentes de precio, sus periodificaciones y la comparación con el depositario. Databricks describe el objetivo como una prueba lista para auditoría de cada valoración y cada comisión.

El artículo sitúa todo esto en las obligaciones de las gestoras: las reglas de la SEC sobre riesgo de liquidez, el Form PF, el estándar GIPS de rentabilidad y, en Europa, la AIFMD.

Lo que no incluye es un cliente con nombre, métricas de producción ni una declaración formal de disponibilidad de Genie One. Trátelo como una arquitectura de referencia y una dirección de producto, no como prueba de que alguien calcula ya así el valor liquidativo a escala.

Por qué la ontología es el control

1. Ingerir ficheros del depositario
2. Conciliar posiciones
3. Valorar con datos de mercado
4. Controles deterministas y tolerancias
5. Valor liquidativo preliminar con traza
6. El controller revisa y firma

• De madrugada, sobre la ontología: Ingerir ficheros del depositario · Conciliar posiciones · Valorar con datos de mercado · Controles deterministas y tolerancias · Valor liquidativo preliminar con traza
• Por la mañana: El controller revisa y firma

Trabajo del agenteControl determinista

La mayoría de los fallos de la IA en finanzas no son fallos del modelo. Son fallos de definición. “Patrimonio neto” significa una cosa en el sistema de contabilidad del fondo, otra en el de riesgos y una tercera en el informe a partícipes. Un asistente que busca documentos responderá con la definición que encuentre primero. Un asistente apoyado en una ontología gobernada responde con la que el negocio acordó, y puede mostrar cuál usó.

Eso convierte la ontología en un control, no en documentación:

• Limita lo que el agente puede querer decir. Un cálculo de comisión apunta a un factor definido, no a una frase de un PDF.
• Hace verificable la respuesta. Si la definición es explícita, el revisor puede contrastar la respuesta con ella.
• Sobrevive al cambio de modelo. El modelo cambia y las definiciones se quedan, algo importante cuando los modelos se retiran según el calendario de otra empresa.

Es el mismo principio que destacamos en el sistema de cuentas a pagar de Snowflake: lo determinista sigue siendo determinista. En fondos, las reglas de valoración, las tolerancias y la lógica de conciliación deben ser código y datos de referencia, con los agentes recopilando, cruzando y explicando alrededor.

Qué significa para una gestora regulada

La traza es el producto. En España, la gestora de una IIC o de un fondo alternativo sujeto a la AIFMD responde ante la CNMV de la valoración de los activos y del cálculo del valor liquidativo. Si un agente tocó esas cifras, la traza tiene que mostrar qué leyó, qué cruzó y quién aprobó. En México, Chile o Colombia el supervisor y la norma cambian, pero la exigencia es la misma: quien firma la valoración tiene que poder defenderla.

La semántica es un activo compartido. Una ontología de negocio para la operativa de fondos sirve mucho más allá de un asistente: reporting, riesgos, relación con partícipes, información al supervisor y todos los agentes futuros. En nuestro artículo sobre el harness de IA defendimos que las definiciones de negocio pertenecen a la capa que la empresa posee una sola vez, por encima de los proveedores. Constrúyala en Databricks, en Microsoft Fabric o donde sea, pero que sea suya.

Las personas firman; los agentes preparan. El patrón nocturno funciona porque la revisión de la mañana se mantiene. Un agente que entrega un valor liquidativo preliminar para que lo revise el controller es una herramienta de productividad. Un agente que publica el valor liquidativo es un fallo de control esperando a ocurrir.

Qué hacer ahora

1. Empiece por las definiciones, no por el asistente: liste los 30 a 50 términos que mueven la valoración y las comisiones y consiga que contabilidad, riesgos y operaciones se pongan de acuerdo.
2. Separe la lógica determinista del trabajo del agente en cada flujo que automatice. Las reglas de valoración y las tolerancias siguen siendo código.
3. Diseñe la traza antes que la interfaz. Para cada cifra que produzca un agente, decida qué evidencia necesitará ver el revisor.
4. Mantenga la firma donde está. El agente adelanta la preparación a la madrugada; el controller sigue aprobando por la mañana.
5. Pida pruebas al proveedor, no discursos: referencias en producción, tasas de error en las diferencias de conciliación y cómo se conserva la traza.

En resumen

Lo interesante de Genie One no es que una IA conteste preguntas sobre un fondo. Es la idea de que la respuesta debe apoyarse en un significado de negocio acordado y venir con la traza hasta la fuente. Es lo que la gestión regulada exige a cualquier sistema, con IA o sin ella. Quien invierta primero en la ontología y en la traza descubrirá que el asistente es la parte fácil.