Usar Claude Fable 5 para análisis de inversión: documentos, tesis bajistas y listas de riesgo

Wed, 10 Jun 2026 21:30:39 +0800

Después de que Anthropic lanzara Claude Fable 5 y Claude Mythos 5, los temas más fáciles de comentar fueron “el modelo más fuerte”, la capacidad para tareas largas, la migración de código y el coste en Tokens. Pero si lo miramos desde la investigación de inversiones, la pregunta importante no es si puede decirte qué acción subirá mañana. La pregunta más útil es si puede convertir un proceso de investigación pesado en algo más continuo y más fácil de auditar.

Fable 5 está disponible para usuarios generales, mientras que Mythos 5 sigue limitado a un pequeño grupo de instituciones de confianza. Se pueden entender como dos niveles de acceso a una misma generación de capacidades: Fable 5 tiene restricciones de seguridad más estrictas, mientras que Mythos 5 conserva un alcance más completo. La información pública apunta a mejoras en ingeniería de software, trabajo de conocimiento complejo, comprensión visual, contexto largo, memoria e investigación científica.

Para inversores, la lectura es directa: cuanto más fuerte es el modelo, menos sentido tiene usarlo solo para preguntar “¿compro?”. Un uso más razonable es colocarlo dentro de la cadena de investigación y dejar que limpie materiales, descomponga la lógica, verifique hechos, pruebe hipótesis y construya listas de riesgo.

No trates el modelo como una herramienta para recomendar acciones

La IA puede producir con facilidad una conclusión de inversión que parece completa: tamaño de mercado, ventajas de la empresa, rango de valoración, riesgos e incluso una tesis de compra bien escrita. El problema es que una redacción fluida no equivale a un juicio fiable.

Una decisión de inversión incluye varias capas de trabajo:

Recopilación de hechos: estados financieros, anuncios, conferencias de resultados, datos sectoriales, documentos regulatorios;
Modelado lógico: motores de ingresos, estructura de costes, competencia, supuestos de valoración;
Identificación de riesgos: cambios regulatorios, sustitución tecnológica, concentración de clientes, gasto de capital, liquidez;
Precio de mercado: diferencia de expectativas, estructura de posiciones, sentimiento, operaciones saturadas;
Restricciones personales: horizonte de capital, tolerancia a caídas, impuestos y correlación de cartera.

Los grandes modelos pueden ayudar con parte de las tres primeras capas, pero no pueden asumir responsabilidad por las dos últimas. El timing y el tamaño de posición dependen de tus objetivos, preferencias de riesgo y estructura de mercado. No se resuelven con una sola respuesta del modelo.

Por eso, el lugar correcto de Fable 5 en inversión no es el de “oráculo”, sino el de “asistente de investigación”.

Las cuatro tareas donde encaja mejor

Primero, organizar documentos largos.

Estados financieros, folletos, informes anuales, informes de análisis y documentos regulatorios suelen ser extensos. Es fácil perder detalles al leerlos una y otra vez. Un modelo de tareas largas como Fable 5 sirve para extraer de forma estructurada: desglose de ingresos, cambios de margen bruto, ratios de gastos, lenguaje de la dirección, partidas contables relevantes y anomalías de flujo de caja.

Pero añade una regla: cada conclusión debe apuntar a su fuente. Un resumen sin fuente es solo un borrador.

Segundo, comparación horizontal.

En investigación de inversión, muchas veces la pregunta no es “¿esta empresa es buena?”, sino “¿en qué se diferencia de sus pares?”. Puedes pedir al modelo que convierta los informes de varias empresas en una misma tabla: mezcla de ingresos, crecimiento, margen bruto, ratio de I+D, gasto de capital, inventario, cuentas por cobrar y concentración de clientes.

Esto es mucho más fiable que preguntar directamente “¿qué empresa debería comprar?”, porque mantiene el modelo en modo comparación y síntesis, no en modo decisión de inversión.

Tercero, construir una lista de tesis bajistas.

Cuando alguien se convence de una idea, tiende a buscar evidencias que la apoyen. Un uso práctico del modelo es obligarlo a representar la postura contraria:

Si el mercado está sobrevalorando esta empresa, ¿dónde es más probable que esté el error?
Si el crecimiento se desacelera, ¿qué indicadores operativos lo mostrarán primero?
Si los competidores bajan precios, ¿cómo se verá afectada la cuenta de resultados?
Si un cliente clave reduce pedidos, ¿qué partidas financieras podrían dar una señal temprana?

Estas preguntas ayudan a encontrar los puntos débiles dentro de una narrativa que parece sólida.

Cuarto, análisis de escenarios.

En lugar de pedir a la IA un precio objetivo, pídele varios conjuntos de supuestos: optimista, base y pesimista. Cada escenario debe incluir crecimiento de ingresos, margen, gasto de capital, múltiplo de valoración y condiciones de activación. Así la conclusión se puede actualizar.

Cuando salga un nuevo informe, no necesitas preguntar otra vez “¿todavía puedo comprar?”. Compruebas a qué escenario se acerca más el dato real.

Un Loop de investigación de inversión más estable

Si colocas Fable 5 dentro de un flujo de trabajo, puedes diseñarlo como un ciclo sencillo:

Introducir materiales: informes anuales, anuncios, notas de conferencias, datos sectoriales, materiales de competidores.
Estructurar los datos: pedir al modelo que extraiga métricas clave, declaraciones de la dirección y riesgos.
Generar borrador: producir perfil de la empresa, modelo de negocio, motores de crecimiento y lista de riesgos.
Revisión humana: elegir al azar conclusiones clave y verificarlas contra el texto original.
Desafío bajista: pedir las objeciones más fuertes y posibles indicadores de invalidación.
Actualización de escenarios: añadir nuevos datos a los supuestos existentes y decidir si fortalecen, debilitan o invalidan la tesis.

El punto de este Loop es la trazabilidad. Cada investigación deja materiales de entrada, supuestos, conclusiones y puntos de validación futura. El modelo no decide por intuición por ti; ayuda a estabilizar el proceso.

El coste se convierte en una restricción real

Cuanto más adecuado es un modelo para tareas largas, más fácil es elevar el coste. Informes públicos mencionan que el precio API de Fable 5 y Mythos 5 es de 10 dólares por millón de Tokens de entrada y 50 dólares por millón de Tokens de salida. Para preguntas cortas puede ser aceptable; para decenas de documentos, revisiones múltiples y tareas largas de Agent, el coste se vuelve visible rápidamente.

Eso significa que la investigación de inversión no debería enviar todos los materiales al modelo más fuerte. Una división más razonable es:

Usar modelos baratos para limpieza inicial, deduplicación y resúmenes;
Usar modelos fuertes para juicios clave, comparaciones complejas y razonamiento bajista;
Dejar a la persona la verificación de hechos, la elección de supuestos y la decisión final;
Exigir que las conclusiones importantes se puedan verificar contra los materiales originales.

El modelo más fuerte debe usarse donde es caro pero vale la pena, no para leer cada párrafo irrelevante.

Un Prompt de investigación que puedes copiar

Puedes tratar Fable 5 como asistente de investigación, pero la instrucción debe tener límites claros. Esta plantilla se puede adaptar directamente:

Eres mi asistente de investigación de inversiones. Analiza solo los materiales que te proporciono. No añadas información no verificada.

Objeto de investigación:
- Empresa/sector:
- Propósito de la investigación:
- Rango temporal:
- Materiales proporcionados:

Entrega la respuesta con esta estructura:
1. Hechos clave: lista ingresos, beneficios, flujo de caja, estructura de negocio y declaraciones de la dirección, con fuentes.
2. Cambios: identifica los cambios más relevantes frente al periodo anterior o frente a pares.
3. Tesis alcista: lista los principales motivos para ser positivo sobre el activo.
4. Tesis bajista: lista las objeciones más fuertes y posibles indicadores de invalidación.
5. Lista de riesgos: clasifica riesgos por operación, finanzas, competencia, política, valoración y liquidez.
6. Puntos por verificar: lista preguntas que no pueden confirmarse con los materiales y requieren revisión humana.

Requisitos:
- No des recomendaciones de compra, venta ni precio objetivo.
- Cada conclusión importante debe vincularse al texto original o al nombre del material.
- Si los materiales son insuficientes, di “información insuficiente para juzgar”.

El objetivo no es hacer que la IA “prediga” mejor. Es fijarla en organizar materiales y comprobar lógica. Cuanto más estructurada sea la salida, más fácil será auditarla.

Qué campos debería extraer la IA de los estados financieros

Si le pides a la IA que lea estados financieros, no le pidas solo “resume esto”. Es mejor exigir campos fijos:

Ingresos: ingresos totales, por negocio, por región, cambios interanuales y secuenciales;
Beneficio: margen bruto, margen operativo, margen neto, ganancias o pérdidas no recurrentes;
Gastos: ratios de I+D, ventas y administración, y razones de cambios anómalos;
Flujo de caja: flujo operativo, flujo libre, gasto de capital, caja disponible;
Balance: cuentas por cobrar, inventario, pasivos contractuales, deuda con intereses, fondo de comercio;
Métricas operativas: usuarios, pedidos, ticket medio, utilización de capacidad, retención u otros indicadores sectoriales;
Comentarios de dirección: guía de crecimiento, advertencias de riesgo, planes de capex, recompras o dividendos;
Partidas anómalas: cambios de alcance, ajustes contables, cambios de grandes clientes, asuntos regulatorios.

No todas las empresas tendrán todos los campos, pero esta estructura obliga al modelo a pasar de “redactar un ensayo” a “rellenar una tabla”. Los campos que no puede completar suelen ser los que necesitas investigar más.

Cómo pedir fuentes a la IA

La clave para evitar invenciones es vincular cada conclusión con los materiales. Puedes exigir:

Nombre del material, número de página, título de sección o breve extracto tras cada conclusión;
Prohibir fuentes vagas como “según información pública” o “el mercado cree”;
Colocar juicios sin fuente en una sección separada de “inferencia” o “por verificar”;
Citar solo frases breves cuando use texto original, no copiar párrafos largos;
Pedir una lista de “afirmaciones para las que no encontré evidencia.”

También puedes añadir una regla dura: si no puede localizar la fuente, no debe escribirlo como hecho. En investigación de inversión, suele ser más seguro perder una conclusión bonita pero sin fuente que añadir una alucinación.

Cuándo usar un modelo fuerte

No todos los pasos necesitan un modelo fuerte como Fable 5. Una división razonable para controlar coste sería:

Tarea	Modelo recomendado
Deduplicación de documentos, resúmenes aproximados, limpieza de formato	Modelo barato o local
Extracción de campos financieros y limpieza de tablas	Modelo medio
Comparación entre varias empresas	Modelo medio o fuerte
Tesis bajista e indicadores de invalidación	Modelo fuerte
Síntesis con contexto largo	Modelo fuerte
Decisión final de inversión	Persona

Los modelos fuertes encajan mejor en tareas con contexto largo, muchas variables y trade-offs reales. Resúmenes simples, conversión de formato y filtros iniciales no necesitan siempre el modelo más caro.

Preguntas de inversión que no deberías hacer a la IA

Algunas preguntas empujan al modelo hacia respuestas demasiado seguras:

“¿Subirá mañana?”
“¿Puedo entrar con todo ahora?”
“Dame una cartera que garantice ganar dinero.”
“¿Cuál es el precio objetivo de esta acción?”
“Estoy perdiendo mucho. ¿Debería promediar para recuperar?”
“Después de considerar todos los riesgos, dime la conclusión final.”

El problema no es que la IA no pueda responder. El problema es que la respuesta sonará demasiado definitiva. Es mejor descomponer la pregunta: ¿qué hechos apoyan una subida? ¿Qué métricas invalidarían la tesis? ¿Qué ha descontado ya el mercado? Si la tesis es incorrecta, ¿dónde se verá primero?

Tres errores que conviene vigilar

Primero, confundir fluidez con verdad.

Cuanto más fuerte es el modelo, más capaz es de empaquetar incertidumbre como conclusión. En investigación de inversión, la respuesta peligrosa no siempre es “no lo sé”; a menudo es una historia incompleta escrita como si estuviera completa.

Segundo, tratar la explicación histórica como predicción futura.

La IA explica bien lo que ya ocurrió. Pero invertir es difícil porque importan las diferencias de expectativas futuras. Puede ayudarte a descomponer el pasado, pero no garantiza que el futuro siga el mismo camino.

Tercero, confundir capacidad de herramienta con capacidad de inversión.

Fable 5 puede escribir código, leer gráficos y organizar archivos. Eso no significa que entienda el objetivo de tu cartera. La capacidad de la herramienta mejora la eficiencia de investigación; no mejora automáticamente tu tolerancia al riesgo ni tu disciplina de decisión.

Conclusión

Claude Fable 5 tiene valor para la investigación de inversión, pero no porque puedas preguntarle qué comprar. Un uso más práctico es tratarlo como un asistente de investigación que puede leer materiales, construir tablas, encontrar contradicciones, listar tesis bajistas, ejecutar escenarios y actualizar supuestos.

El límite también está claro: no asume riesgo por ti, no gestiona tu posición y no decide cuánto dinero puedes permitirte perder. Cuanto más fuerte sea la IA, más importante es ponerla dentro de un proceso con reglas, no colocarla en un pedestal.

Referencias: columna original en Zhihu, prueba de 36Kr APPSO, reporte de QbitAI, reporte de Securities Times / Jiemian

Fable 5 on KnightLi Blog