Knight Capital perdió 460 millones de dólares en 45 minutos: la lección sigue vigente

Las herramientas internas pueden ser la respuesta correcta durante mucho tiempo. Una hoja de cálculo, una consulta o un programa pequeño que compara dos archivos puede resolver una necesidad con rapidez y bajo costo.

El punto de quiebre aparece cuando el negocio suma sistemas, socios y formas de pago; cada pieza crea nuevas relaciones que alguien debe revisar.

Una hoja de cálculo con macros que nadie se atreve a tocar no es infraestructura: es una leyenda urbana con contraseña.

Por eso observo las combinaciones antes que el volumen. Con dos sistemas hay una comparación. Al sumar cuentas bancarias, procesadores y rieles, surgen decenas de relaciones que alguien tiene que entender.

Pregunta cuántas pantallas necesita abrir una persona para explicar una diferencia, cuánto tarda el equipo en detectar que un socio incumplió lo pactado y quién entendería el proceso si se fuera quien creó el programa interno.

La historia de Knight Capital muestra el riesgo de acelerar un sistema automatizado sin controles suficientes. En 2012, durante los primeros 45 minutos de la jornada bursátil, el enrutador de órdenes de la firma envió más de cuatro millones de órdenes al mercado cuando intentaba completar 212 órdenes de clientes.

La investigación de la Comisión de Bolsa y Valores de Estados Unidos (SEC) concluyó que la empresa carecía de salvaguardas adecuadas; las posiciones no deseadas generaron pérdidas superiores a 460 millones de dólares.

Ese caso no involucró inteligencia artificial.

Muestra algo más amplio: una falla puede propagarse con la misma velocidad que el proceso que la ejecuta.

La SEC también documentó que un sistema interno generó 97 correos con mensajes de error antes de la apertura del mercado, pero la empresa no atendió esos mensajes a tiempo.

Para cualquier fundador, la pregunta es concreta: ¿quién recibe una señal, qué significa y qué debe hacer después?

La IA necesita saber qué significa “correcto”

Un proceso tiene pasos y una expectativa. El procedimiento puede explicar qué archivo revisar, qué campos comparar y qué sistema actualizar.

La expectativa define qué resultado es válido: cuánto debía liquidarse, qué comisión correspondía o qué regla contractual aplicaba.

La inteligencia artificial puede ejecutar instrucciones con rapidez y consistencia. Para reconocer una desviación necesita contexto.

Si un archivo llegó tarde y nadie registró la hora límite, el sistema puede procesarlo como si hubiera llegado a tiempo. Si la tarifa correcta está en un contrato que el equipo no incorporó al proceso, puede aprobar el monto equivocado.

La automatización acelera la tarea; la regla documentada le da sentido.

El error del fundador consiste en pensar que lo difícil es hacer el trabajo. Muchas veces, lo difícil es definir cómo debía quedar terminado.

El Marco de Gestión de Riesgos de Inteligencia Artificial de NIST propone cuatro funciones para gestionar riesgos: gobernar, mapear, medir y gestionar.

Entre otras prácticas, plantea documentar el propósito del sistema, definir la supervisión humana y evaluar su comportamiento antes de ponerlo en operación.

No hace falta adoptar el marco completo para aprovechar su idea central: entiende primero el contexto y los límites; después decide qué tarea conviene automatizar.

Para las instituciones financieras, el Comité de Basilea incluye en sus principios de resiliencia operativa la identificación de interconexiones, dependencias de terceros y operaciones críticas.

Sus directrices se dirigen a bancos, pero mapear esas dependencias también puede ayudar a cualquier empresa que conecte varios sistemas y proveedores.

Cinco comprobaciones antes de automatizar

1. Define el resultado esperado. Escribe qué debe pasar, con qué importe, plazo o condición. Identifica el contrato, política o regla que establece esa expectativa y deja disponible la versión vigente para quienes intervienen.
2. Dibuja el recorrido. Anota qué sistemas, equipos y socios participan desde el inicio hasta el cierre de la operación. Marca dónde cambia la información de manos y quién verifica cada tramo.
3. Prueba una excepción antes del caso ideal. Simula un archivo tardío, un importe distinto o una respuesta incompleta del socio. Define qué debe reconocer el sistema, qué evidencia debe conservar y cuándo debe detenerse para pedir una revisión humana.
4. Asigna responsables. Para cada alerta, establece quién la recibe, cuánto tiempo tiene para actuar y quién toma el relevo si no está disponible. Una alerta sin dueño es apenas una notificación.
5. Revisa después del lanzamiento. Compara los resultados con la expectativa y registra errores, cambios de proceso y decisiones humanas. Si cambia un contrato o un socio modifica su formato, actualiza la regla y vuelve a probar el flujo.

Automatizar sin perder el control

Al iniciar una empresa, es natural querer construir rápido y automatizar pronto. La velocidad ayuda cuando sabes qué resultado buscas y puedes detectar una desviación a tiempo.

Para conseguirlo, documenta las reglas, entiende las conexiones entre tus sistemas y decide quién responderá cuando algo salga distinto.

La tecnología puede quitar trabajo repetitivo y ayudar a que una empresa crezca. Primero hay que hacer visible el trabajo que hoy resuelven las personas: qué debía pasar, qué pasó y cómo lo sabemos.

Esa claridad convierte una hipótesis en una operación que puedes probar, corregir y escalar.

Conoce más:

• La logística no se complica solo por mover más paquetes, sino por tener que decidir demasiado
• Apu vuelve a Los Simpson tras nueve años con nueva voz tras acusaciones de racismo
• Mujeres agaveras son 10.46% de participantes en Agave Responsable Social: la industria busca cerrar la brecha
• Starbucks lanza su primera botella Owala en México por 699 pesos
• 10 prompts de ChatGPT para validar una idea de negocio paso a paso

Eric Rosenthal, CEO y cofundador de Cordant; especializado en pagos e infraestructura financiera. CEO y cofundador de Cordant. En Rapyd encabezó la expansión de las Américas a 16 países. Antes trabajó en McKinsey, Citibank y Fiserv.