Cómo construimos una IA que explica el dinero sin alucinar

La IA de YPA-FINANCE explica conceptos financieros, nunca inventa consejos ni números. Cada cálculo que toca tu dinero corre en código auditado, no en un modelo de lenguaje. Este post es sobre cómo trazamos esa línea, y por qué es la decisión de ingeniería más importante detrás de nuestros asistentes de IA.

Cuando la gente oye "asistente financiero con IA", suele imaginar un chatbot que responde preguntas sobre dinero. Esa es la parte fácil. La parte difícil, la parte de la que casi nadie habla, es asegurarte de que nunca te diga algo falso con confianza. En la mayoría de los productos, una alucinación es una captura de pantalla vergonzosa. En una app de finanzas que usa alguien que navega el sistema de un país nuevo en su segundo idioma, es una persona tomando una decisión real basada en un número que nos inventamos.

Por eso quiero contar cómo lo construimos de verdad: dónde dejamos que la IA hable libremente, dónde no la dejamos acercarse, y los límites de seguridad en medio.

Una alucinación en finanzas no es una rareza. Es un daño.

Los modelos de lenguaje grandes predicen texto plausible. Eso es lo que hacen. La mayor parte del tiempo, plausible y correcto se superponen, y eso es exactamente lo que hace el hueco peligroso, porque es invisible hasta que deja de serlo.

Pregúntale a un chatbot de propósito general "si pago $200 al mes sobre un saldo de $5,000 al 24% APR, ¿cuándo termino sin deuda?" y te dará una respuesta confiada, específica, bien formateada. A veces es correcta. A veces se equivoca por un año. No puedes saber cuál con solo mirarla, y tampoco puede la persona que necesitaba hacer la pregunta en primer lugar.

Ahora súmale a nuestros usuarios reales: inmigrantes y recién llegados que muchas veces no tienen una red financiera de seguridad, un padre que ya conoce el sistema, ni el inglés suficiente para verificar un párrafo que suena seguro. La razón por la que usan YPA-FINANCE es justamente que *no pueden* verificar esto fácilmente por sí mismos. Ese no es un usuario al que le podamos entregar una conjetura plausible. Así que diseñamos alrededor de una regla dura: el modelo nunca es la fuente de verdad para nada que tenga que ser correcto.

Explicar ≠ aconsejar

La línea más importante que trazamos es entre explicar y aconsejar.

Explicar es: "El APR es el costo anual de pedir dinero prestado, incluyendo intereses. Un APR del 24% significa que, aproximadamente, por cada $100 que mantienes en la tarjeta durante un año, se suman unos $24 en intereses." Eso es un concepto. Es estable, es cierto sin importar tu situación específica, y la IA puede explicarlo en palabras llanas, en cualquiera de nuestros 13 idiomas.

Aconsejar es: "Deberías poner $300 en esta tarjeta y dejar de usar la otra." Eso es una prescripción sobre el dinero de una persona específica. Depende de números que tienen que ser exactos, y tiene consecuencias si está mal.

Nuestra IA hace lo primero. Está deliberadamente construida para no hacer lo segundo. Esa frontera no es una limitación de la que nos disculpemos, es una función de seguridad. Una herramienta que explica cómo funciona el crédito te empodera para tomar tu propia decisión. Una herramienta que silenciosamente toma la decisión por ti, basada en una conjetura, es de lo que intentamos proteger a las personas.

Los límites de seguridad, en concreto

Así se ve esa frontera en el sistema real.

Las matemáticas corren en código, no en el modelo. Cada cálculo, plazos de pago de deuda, intereses pagados, comparaciones entre estrategias de pago, corre en código determinista y probado. La misma lógica detrás de Calculator PRO. El modelo de lenguaje nunca hace la aritmética. Cuando haces una pregunta que necesita un número, el trabajo del modelo es reconocer qué estás preguntando y pasárselo a la calculadora, luego explicar el resultado en tu idioma. El número se calcula; solo la explicación se genera. Si el motor de cálculo no puede responder, la IA lo dice, no improvisa.

Las explicaciones están ancladas, no son libres. Cuando la IA explica un concepto, está trabajando desde nuestro propio contenido financiero verificado, el mismo material detrás de nuestras guías, no desde lo que casualmente absorbió en el entrenamiento. Anclar la respuesta en una fuente conocida es lo que evita que "qué es un pago mínimo" derive en una invención confiada.

El alcance está limitado a propósito. El asistente está construido para hablar de crédito, presupuesto, deuda y entender documentos financieros. Pídele algo fuera de eso, predecir una acción, prometerte que te aprobarán una tarjeta, garantizarte un puntaje de crédito en 30 días, y está diseñado para rechazar en vez de complacerte con una respuesta. "No lo sé" y "depende, esto es lo que hay que considerar" son respuestas válidas y correctas. Las tratamos como funciones.

Siempre hay un camino humano. Cuando una pregunta va más allá de lo que la IA debería responder, el paso correcto no es una mejor conjetura, es una persona. Los usuarios pueden alcanzar a un humano real por WhatsApp o Telegram. Que la IA sepa dónde termina su trabajo es tan importante como lo que hace dentro de él.

Hacer esto en 13 idiomas multiplica el riesgo

Aquí hay un problema que la mayoría de los artículos sobre "apps de finanzas con IA" se saltan por completo: el riesgo de alucinación y el riesgo de traducción se acumulan.

Una cosa es lograr que un modelo explique el APR correctamente en inglés. Otra es asegurar que la *misma* explicación sea precisa, llana y culturalmente legible en español, árabe, ruso, coreano, vietnamita, tagalo y siete más, incluyendo idiomas de derecha a izquierda y otros donde el vocabulario financiero no encaja limpiamente con los conceptos de Estados Unidos. Una traducción sutilmente incorrecta de "pago mínimo" o "saldo del estado de cuenta" puede ser tan dañina como un número alucinado, y es más difícil de detectar porque el inglés se veía bien.

Así que el mismo principio aplica entre idiomas: los conceptos financieros que explicamos vienen de material fuente verificado y controlado, y el trabajo del modelo es presentarlos con claridad en el idioma del usuario, no reinventar el significado financiero cada vez que traduce. La estructura se mantiene fija; el idioma se adapta. Así se evita que "lenguaje llano en 13 idiomas" se convierta silenciosamente en "13 oportunidades de equivocarse sutilmente."

Lo que no le dejamos hacer

Vale la pena ser explícitos, porque la lista es la confianza:

Por qué este es el punto entero

He dicho antes que la confusión financiera no es un fallo personal, es un defecto de diseño, y los defectos de diseño se pueden arreglar. La IA es la herramienta más poderosa que hemos tenido para arreglarlo: una explicadora paciente que funciona en tu idioma, a tu ritmo, sin juzgarte.

Pero ese poder corta en los dos sentidos. Una IA que explica con claridad *y precisión* es genuinamente transformadora para alguien excluido del sistema financiero por el idioma. Una IA que explica con claridad y *a veces se equivoca* es peor que nada para esa misma persona, porque no tiene manera de saber cuál vez es cuál.

Por eso lo construimos como lo construimos. La mayoría de las herramientas financieras con las que nuestros usuarios han tratado — bancos, call centers, chatbots genéricos — suenan seguras y silenciosamente se equivocan. Nos negamos a lanzar una más. Los límites de seguridad no son lo que añadimos después de construir la IA. Son la razón por la que vale la pena lanzar la IA.

Puedes ver cómo funciona el asistente en la práctica en la página del asistente de IA, o ver cómo YPA-FINANCE se compara con otras apps de finanzas en nuestra página de comparación.

---

Svetlana Burninova es cofundadora y CTO de YPA Finance, con 15 años en sistemas financieros y 7 años en infraestructura. Tiene certificaciones de AWS, CKA, CKAD y HashiCorp Terraform. ¿Preguntas sobre cómo construimos nuestra IA? Escríbele a hello@ypa.finance.