Imagina que mejoras una IA para predecir bitcoin.
Antes acertaba el 25,4% de las veces. Y después, con el tiempo, el 44,1%.
Una total locura.
Sin embargo, vas a mirar cuánto ha ganado y te encuentras con que la rentabilidad ha bajado del 10,1% al 8,3%.
Bueno. Habrá que mirar qué hemos mejorado entonces exactamente.
Esto fue lo que ocurrió en el tramo de validación de un experimento presentado en un workshop de NeurIPS en 2025. Y el trabajo de investigación tiene un nombre bastante apropiado:
“The Losing Winner”

Pues, resulta que los investigadores entrenaron un modelo de IA para clasificar el día siguiente de bitcoin en tres estados: subida, bajada o consolidación.
Después conectaron esas predicciones a unas reglas sencillas para comprar, mantener o pasar a efectivo.
En ese tramo, la versión base obtuvo un 25,4% de acierto y un +10,1% de rentabilidad simulada.
Sin embargo, con entrenamiento supervisado, el acierto subió al 44,1%, pero la rentabilidad quedó estancada por debajo del +8,3%.
Y ojo con ese “acierto”: porque lo único que significa es que el modelo clasificaba bien el estado del mercado. Por lo que no significa que ese porcentaje de operaciones terminara en beneficio.
Ahora bien, la explicación que plantean los autores está en lo que se le enseñaba a optimizar, que es acertar la etiqueta. Ese objetivo deja fuera cuánto se gana, cuánto se pierde y cuánto riesgo se asume.
Y aquí hay algo que merece la pena llevarse a tu propia operativa.
Piensa en otro ejemplo, esta vez de operaciones:
Ganas 8 operaciones y sacas 10 € en cada una: +80 €.
Pierdes las otras 2 y te dejas 60 € en cada una: −120 €.
¿Resultado? −40 € antes de costes, pero con un hermoso 80% de operaciones ganadoras.
Por eso, si utilizas una IA para revisar una estrategia, no te quedes en pedirle que aumente el porcentaje de acierto. Pídele algo más concreto, pídele que haga las cuentas completas con tus datos.
Puedes empezar con esto:
“Revisa este registro de operaciones. Calcula el porcentaje de operaciones ganadoras, la ganancia media, la pérdida media y el resultado después de los costes registrados. Separa los cálculos de las interpretaciones. Si faltan datos, dime cuáles y no los inventes”.
Ahora bien, en cuanto al estudio, puedes leerlo como un caso sobre cómo medir un sistema, pero no como una estrategia validada para operar en real.
Así que la próxima vez que veas “esta IA acierta el 80%”, mira también qué pasa en el otro 20%.
Ahí puede estar toda la diferencia.
Nos leemos,
TheBenchMark

