Estoy empezando a dejar de consumir análisis y aprender a producir los míos

Hay una idea que últimamente me ronda mucho la cabeza:

La diferencia entre un inversor que consume análisis ajenos y uno que produce los suyos propios es estructural, no marginal.

Y cuanto más empiezo a formarme como inversor, más sentido le veo.

No lo digo como alguien que ya haya recorrido mucho camino.
Al contrario.

Lo digo precisamente porque estoy empezando.

Estoy en una fase inicial, intentando ordenar mi aprendizaje, entender mejor la contabilidad, la valoración, el análisis de empresas, las materias primas y todo lo que hay detrás de una buena tesis de inversión.

Y cuanto más avanzo, aunque sea poco a poco, más claro tengo algo:

leer análisis de otros no es lo mismo que saber analizar.

Al principio es normal consumir mucho

Cuando uno empieza, lo normal es apoyarse mucho en otros.

Lees tesis de inversión.
Ves vídeos.
Sigues hilos en X.
Entras en Discord.
Escuchas a inversores con más experiencia.
Descubres empresas nuevas.
Guardas ideas.
Apuntas sectores interesantes.

Y eso está bien.

De hecho, creo que es necesario.

Al principio necesitas exponerte a buenas ideas, ver cómo razonan otros, aprender vocabulario, entender qué miran los inversores más preparados y empezar a construir una base.

Pero hay una trampa.

Puedes consumir mucho contenido y aun así no estar desarrollando verdadero criterio propio.

Puedes entender una tesis mientras la estás leyendo.
Puedes pensar: “tiene sentido”.
Puedes incluso comprar una empresa porque alguien la ha explicado muy bien.

Pero eso no significa que la tesis sea realmente tuya.

La convicción prestada

Esta es una de las cosas que quiero vigilar desde el principio: no confundir entusiasmo con convicción.

Porque a veces lo que llamamos convicción no es convicción real.
Es convicción prestada.

Es decir:

“Compro porque otro inversor lo ha explicado muy bien y me ha convencido.”

El problema no suele aparecer el día que compras.

Aparece después.

Cuando la empresa cae un 30%.
Cuando salen resultados flojos.
Cuando cambia el precio de la materia prima.
Cuando alguien publica una tesis contraria.
Cuando el mercado empieza a castigar justo aquello que tú pensabas que era una oportunidad.

Ahí es cuando se ve si realmente entendías la inversión o simplemente estabas apoyándote en el criterio de otro.

Y si no has hecho tu propio trabajo, dependes emocionalmente de que alguien te diga qué hacer.

¿Mantengo?
¿Vendo?
¿Compro más?
¿Ha cambiado algo importante o solo es ruido?

Si no tienes una tesis propia, esas preguntas son muy difíciles de responder.

También me ha pasado con la inteligencia artificial

Y aquí quiero añadir otra capa.

Últimamente he usado bastante la inteligencia artificial para aprender sobre inversión, ordenar ideas, analizar empresas y construir tesis.

De hecho, en algún momento he probado algo parecido a esto:

“Hazme una tesis de inversión sobre esta empresa usando el enfoque de especialistas en value investing.”

“Analiza esta compañía como lo haría un inversor value.”

Y la respuesta suele ser impresionante.

Te organiza el negocio.
Te habla de márgenes.
Te resume riesgos.
Te construye escenarios.
Te da una tesis alcista y bajista.
Te explica el sector.
Incluso puede sonar muy profesional.

Pero precisamente por eso hay que tener cuidado.

Porque una tesis generada por IA puede parecer muy sólida aunque el trabajo real todavía no esté hecho.

Y esto me llevó a buscar qué se decía al respecto, porque quería entender si estaba usando bien la IA o si me estaba engañando a mí mismo con informes que sonaban mejor de lo que realmente eran.

Mi conclusión es bastante clara:

hacer análisis y tesis de inversión utilizando solo IA no es correcto.

Puede ayudar mucho.
Pero no puede sustituir el criterio del inversor.

El problema de usar solo IA para analizar empresas

El primer problema es que la IA puede construir una narrativa muy convincente.

Y en inversión eso es peligroso.

Puede explicar una empresa de forma ordenada, crear una tesis aparentemente lógica y conectar ideas de manera elegante. Pero que algo esté bien escrito no significa que esté bien analizado.

Una tesis puede sonar profesional y aun así estar basada en datos incompletos, supuestos débiles o información desactualizada.

El segundo problema es que la IA puede equivocarse en datos concretos.

Puede confundir cifras.
Puede mezclar años.
Puede tomar como válido un dato que no ha comprobado.
Puede apoyarse en información secundaria.
Puede no detectar que una presentación de la empresa está maquillando la realidad.
Puede no distinguir bien entre una métrica ajustada y una métrica realmente económica.

Y en inversión, un dato mal entendido puede cambiar toda la conclusión.

El tercer problema es que la IA no arriesga dinero.

Esto parece una tontería, pero no lo es.

La IA puede generar una tesis, pero no sufre la caída del 40%.
No tiene que decidir si aumenta posición.
No vive la duda de si la tesis se ha roto.
No tiene que convivir con la incertidumbre.

Por eso no basta con que una tesis “suene bien”.
Tengo que entenderla yo.

El cuarto problema es que la IA puede reforzar sesgos.

Si le pido una tesis alcista, me puede hacer una tesis alcista.
Si le pido argumentos para comprar, me puede encontrar argumentos para comprar.
Si ya vengo convencido de una empresa, puede ayudarme a justificar lo que quiero creer.

Y eso es justo lo contrario de lo que necesito como inversor.

No necesito una herramienta que me dé la razón.
Necesito una herramienta que me ayude a pensar mejor.

Entonces, ¿para qué sí sirve la IA?

Dicho esto, no creo que la solución sea dejar de usar IA.

Al contrario.

Creo que bien usada puede ser una herramienta muy potente para alguien que está empezando a formarse como inversor.

Pero hay que ponerla en su sitio.

Para mí, la IA puede servir para:

ordenar información;
resumir documentos largos;
explicar conceptos difíciles;
comparar negocios;
construir checklists;
detectar riesgos que quizá no había visto;
generar preguntas de análisis;
ayudarme a entender estados financieros;
obligarme a formular mejor mis dudas;
crear un primer mapa de una empresa o sector.

Es decir, la IA puede acelerar el aprendizaje.

Pero no debería sustituirlo.

La IA me puede ayudar a hacer mejores preguntas.
Me puede ayudar a entender mejor una presentación.
Me puede ayudar a preparar una plantilla de análisis.
Me puede ayudar a detectar puntos débiles en una tesis.

Pero la decisión final no puede delegarse.

La tesis tiene que pasar por mi cabeza.

Tengo que leer.
Tengo que comprobar.
Tengo que contrastar.
Tengo que escribirlo con mis palabras.
Tengo que saber qué no entiendo.

Si no, no estoy invirtiendo con criterio propio.
Estoy invirtiendo con una mezcla de análisis ajeno y narrativa generada por una máquina.

No quiero dejar de leer a otros ni dejar de usar IA

No creo que la solución sea aislarse.

Sería absurdo.

Yo aprendo muchísimo leyendo a otros inversores, viendo cómo explican una empresa, cómo valoran un riesgo o cómo detectan una oportunidad.

Y también aprendo mucho usando IA para estudiar, ordenar ideas y entender conceptos.

El problema no está en usar análisis ajenos.
El problema no está en usar inteligencia artificial.

El problema está en usarlos como decisión final.

Para mí, la secuencia correcta debería ser:

Idea externa → IA como ayuda para ordenar y preguntar mejor → filtro propio → estudio propio → tesis escrita → decisión.

Y la secuencia peligrosa sería esta:

Idea externa → IA me hace una tesis convincente → entusiasmo → compra.

La primera construye criterio.
La segunda puede crear una falsa sensación de seguridad.

Producir análisis propio es aprender a hacer el trabajo

Cuando hablo de producir análisis propio no me refiero a hacerlo perfecto.

Estoy lejos de eso.

Me refiero a empezar a hacer el trabajo básico:

Leer las fuentes primarias.
Entender el negocio.
Mirar la deuda.
Revisar los márgenes.
Analizar la caja.
Entender los riesgos.
Separar la narrativa de los números.
Preguntarme qué tendría que pasar para que la tesis esté equivocada.

Por ejemplo, en una minera no basta con decir:

“Tiene un activo muy bueno y el cobre va a subir.”

Eso puede ser cierto, pero no es suficiente.

Tengo que aprender a mirar:

si el yacimiento es realmente bueno;
cuánto capital necesita;
si puede haber dilución;
si el equipo directivo ha creado valor por acción;
qué pasa si el precio del cobre no acompaña;
si la historia promocional se sostiene con números;
si el precio actual compensa el riesgo.

Ahí es donde empieza el verdadero aprendizaje.

No en acumular más ideas.
No en pedirle a una IA que me fabrique una tesis bonita.
Sino en aprender a analizar.

Estoy al principio del camino

Quiero ser honesto con esto.

No estoy a mitad de camino.
Estoy empezando.

Estoy construyendo las bases.

Estoy intentando aprender contabilidad para entender mejor los estados financieros.
Estoy intentando aprender valoración para no depender solo de narrativas.
Estoy intentando entender mejor los negocios, los ciclos, las materias primas y la gestión del riesgo.

Y seguramente este proceso me llevará años.

Pero prefiero asumirlo desde el principio.

Porque si quiero mejorar como inversor, no me basta con encontrar buenas ideas. Necesito aprender a evaluarlas.

No me basta con seguir a gente que sabe.
Necesito entender por qué saben lo que saben.

No me basta con pedirle a una IA una tesis bien redactada.
Necesito saber si esa tesis se sostiene.

No me basta con copiar una tesis.
Necesito aprender a reconstruirla con mis propias palabras.

La diferencia entre opinión y criterio

Una opinión se puede copiar.

El criterio no.

Puedes copiar una cartera.
Puedes copiar una tesis.
Puedes copiar una idea de inversión.
Puedes copiar incluso el argumento de alguien que sabe mucho.

Y ahora, además, puedes pedirle a una IA que te genere una tesis entera en pocos minutos.

Pero no puedes copiar el proceso mental que lleva a entender una inversión.

Y si no haces ese proceso por ti mismo, tu convicción será frágil.

Esto me parece especialmente importante en sectores complicados como mineras, petróleo, carbón, uranio, small caps o empresas cíclicas.

Ahí las narrativas suelen ser muy potentes:

“Activo de clase mundial.”
“El mercado no lo entiende.”
“El precio de la materia prima va a subir.”
“El management es excelente.”
“Está muy barata.”

Puede ser verdad.

Pero también puede ser simplemente una historia muy bien contada.

Y como inversor que está empezando, creo que una de mis tareas principales es aprender a distinguir una buena historia de una buena inversión.

Lo que quiero construir

Ahora mismo mi objetivo no es tener más ideas.

Ideas hay demasiadas.

Cada día aparecen empresas, hilos, informes, vídeos, comentarios, noticias, gráficos, oportunidades aparentes y respuestas de IA muy bien estructuradas.

El verdadero reto es otro:

aprender a saber qué ideas merecen trabajo y cuáles debo dejar pasar.

Para eso necesito construir un proceso propio.

Un proceso que, poco a poco, me permita decir:

“Entiendo esta empresa, entiendo la tesis, entiendo los riesgos, sé qué tendría que pasar para estar equivocado y sé por qué el precio actual me compensa o no me compensa.”

Ese es el tipo de inversor que quiero llegar a ser.

No alguien que solo consume análisis.
No alguien que delega su criterio en una IA.
Sino alguien que aprende, desde la base, a producir los suyos propios.

Mi conclusión

Cada vez lo tengo más claro.

El análisis ajeno es útil, pero no puede sustituir al criterio propio.

La inteligencia artificial también es útil, pero tampoco puede sustituir al criterio propio.

Ambos pueden darme ideas.
Ambos pueden abrirme puertas.
Ambos pueden enseñarme cómo razonar mejor.
Ambos pueden ayudarme a descubrir sectores, empresas, riesgos o preguntas que no había visto.

Pero la decisión final debería pasar por mi propio trabajo.

Aunque ese trabajo todavía sea imperfecto.
Aunque esté empezando.
Aunque me falte mucho.

Precisamente por eso hay que empezar.

Porque el inversor que solo consume análisis acumula opiniones.

El inversor que usa la IA sin criterio puede acumular informes bien escritos, pero no necesariamente comprensión.

El inversor que aprende a producir sus propios análisis empieza a acumular criterio.

Y esa diferencia, en inversión, no es marginal.

Es estructural.