La IA ha estado presente en los mercados financieros durante décadas, pero en gran medida fuera del alcance de los traders minoristas. Eso cambió en 2024 y 2025. Este artículo rastrea cómo llegó la IA al trading, qué cambió, y dónde se encuentra la tecnología ahora.

La IA en finanzas: la mirada larga

La industria de servicios financieros ha usado machine learning e IA durante más tiempo que la mayoría. A principios de los 2000, los sistemas de trading algorítmico ejecutaban operaciones en microsegundos basándose en reglas que ningún humano podría aplicar a esa velocidad. Los sistemas de detección de fraude procesaban millones de transacciones en tiempo real, marcando anomalías antes de que cualquier revisor humano pudiera verlas. Los modelos de riesgo crediticio usaban aprendizaje estadístico para fijar el precio de las solicitudes de préstamos a escala.

Para 2025, el gasto global anual en IA en servicios financieros superó los $20 mil millones. El 81% de las firmas de servicios financieros estaba adoptando IA en algún nivel, con un 40% reportando adopción avanzada, más del doble que la tasa entre reguladores (Cambridge Centre for Alternative Finance, 2026). El machine learning se había integrado en los modelos de riesgo, la detección de fraude, la ejecución algorítmica y la fijación de precios crediticios en toda la industria.

Pero casi todo esto era institucional. Las herramientas eran caras, propietarias y requerían una infraestructura técnica significativa para operar. Un trader minorista usando una plataforma CFD estándar en 2023 no tenía ninguna integración de IA significativa disponible. La tecnología existía. Simplemente no era accesible.

La brecha

Durante décadas, la IA en finanzas significó dos cosas: sistemas de back-office con los que los traders nunca interactuaban directamente, y herramientas de trading algorítmico que requerían conocimientos de programación para construir y operar. La capa conversacional y accesible no existía.

81%

de las firmas de servicios financieros están adoptando IA en algún nivel

Cambridge Centre for Alternative Finance, 2026

40%

reporta adopción avanzada de IA — más del doble que la tasa entre reguladores

Cambridge Centre for Alternative Finance, 2026

de las instituciones financieras globales reporta no usar IA en absoluto

Finastra State of the Nation, 2026

Lo que cambiaron los large language models

La llegada de los large language models (LLMs) en 2022 y 2023 cambió la ecuación de acceso. Por primera vez, la IA era conversacional. No necesitabas escribir código, definir reglas, ni operar una terminal. Escribías lo que querías y la IA te entendía.

Ese fue un cambio significativo para uso general, pero no se tradujo de inmediato al trading. Un LLM podía discutir mercados, explicar conceptos y resumir investigaciones. Lo que no podía hacer era conectarse a tu cuenta real. No tenía manera de revisar tus posiciones, consultar tu balance, ni colocar un trade. La capa conversacional existía, pero no había puente hacia la cuenta.

Conectar un LLM a una herramienta externa requería trabajo de integración personalizado para cada combinación de modelo y servicio. Una firma que quería que Claude interactuara con sus sistemas internos construía una integración. Una firma que quería que ChatGPT hiciera lo mismo construía otra distinta. Las herramientas eran potentes pero aisladas. Cada conexión era a la medida.

El protocolo que lo cambió todo: MCP

En noviembre de 2024, Anthropic publicó como código abierto el Model Context Protocol, un estándar abierto que dio a los asistentes de IA una manera única y estandarizada de conectarse a herramientas y fuentes de datos externas. La idea era simple: en lugar de que cada conexión IA-a-herramienta requiera desarrollo a medida, definir un protocolo común que cualquier IA y cualquier herramienta puedan implementar una sola vez.

La adopción que siguió fue inusualmente rápida. OpenAI añadió soporte en marzo de 2025. Google DeepMind lo hizo en abril. Para diciembre de 2025, Anthropic donó el gobierno del protocolo a la Linux Foundation, donde ahora se sitúa junto a Kubernetes y Node.js como infraestructura neutral. Toda gran empresa de IA y proveedor de cloud lo soporta.

Para contexto: HTTP tardó años en alcanzar un consenso comparable en la industria. OAuth 2.0 tardó casi una década. MCP llegó allí en catorce meses.

Para abril de 2026, el 78% de los equipos de IA empresariales reportó al menos un agente respaldado por MCP en producción, con un 67% de los CTOs encuestados nombrando a MCP como su estándar predeterminado de integración de agentes en doce meses. El registro público de servidores MCP se expandió de 1.200 servidores en el Q1 de 2025 a más de 9.400 para abril de 2026 (Digital Applied, 2026).

NOV 2024 MCP publicado como código abierto por Anthropic

Se publica el Model Context Protocol como estándar abierto, con un SDK de Python y TypeScript e implementaciones de servidor de referencia.

MAR 2025 OpenAI adopta MCP

OpenAI añade soporte de MCP a ChatGPT mediante el Apps SDK y Connectors, marcando al primer gran competidor en adoptar el protocolo.

MEDIADOS 2025 Microsoft despliega servidores MCP

Le siguen servidores MCP para GitHub, Azure, Microsoft Teams y Microsoft 365. El protocolo empieza a cruzar de herramientas nativas de IA hacia infraestructura empresarial.

DIC 2025 MCP donado a la Linux Foundation

Anthropic dona el gobierno de MCP a la recién formada Agentic AI Foundation bajo la Linux Foundation, cofundada con Block y OpenAI, respaldada por AWS, Bloomberg, Cloudflare, Google y Microsoft. El protocolo se vuelve formalmente neutral en cuanto a proveedor.

MAR 2026 Google añade MCP a la Gemini API

Google añade soporte de MCP a la Gemini API y a Vertex AI Agent Builder, completando la adopción en las tres principales plataformas de IA.

MAY 2026 Chelsea se lanza en ThinkTrader

ThinkMarkets lanza Chelsea, un servidor MCP que conecta cuentas de ThinkTrader con cualquier asistente de IA compatible. Los traders minoristas pueden ahora interactuar con su cuenta a través de los asistentes de IA que ya usan.

Por qué esto importa para los traders minoristas específicamente

La importancia de MCP para los traders minoristas no es técnica. Es de acceso. Antes de MCP, conectar un asistente de IA a una cuenta de trading requería integraciones propietarias construidas y mantenidas por el broker. Cada integración estaba atada a una herramienta de IA específica. El broker controlaba lo que la IA podía hacer, y el trader tenía poca visibilidad de cómo funcionaba la conexión.

MCP cambia la estructura de esa relación. Como es un estándar abierto, un broker construye un servidor MCP y cualquier asistente de IA compatible puede conectarse a él. El trader elige su asistente de IA en lugar de usar uno asignado por el broker. Los permisos los establece el trader, no la plataforma. La conexión puede revocarse en cualquier momento.

Por primera vez, el trader minorista tiene el mismo tipo de acceso directo, de baja fricción y mediado por IA a su cuenta que las mesas institucionales han tenido a través de sistemas propietarios durante años, construido sobre un protocolo abierto, portable y estandarizado en lugar de infraestructura cerrada.

El cambio estructural

Los traders institucionales han tenido interfaces de cuenta asistidas por IA durante años. Esos sistemas eran costosos, propietarios e inaccesibles para el segmento minorista. MCP es el equivalente de estándar abierto: construido para cualquiera, portable entre proveedores de IA y disponible para cualquier trader minorista con una cuenta compatible.

MCP en servicios financieros: el panorama más amplio

Chelsea es una aplicación de MCP en servicios financieros. El protocolo se está adoptando más ampliamente en toda la industria.

Plataformas importantes de datos financieros incluyendo FactSet e Infront han implementado servidores MCP, dando a los asistentes de IA acceso directo a datos de mercado, análisis de portafolio y datos de referencia de instrumentos. The Wealth Mosaic señala que MCP permite a los gestores de portafolio consultar datos de mercado en vivo, ejecutar estrategias de rebalanceo y generar análisis de cumplimiento bajo demanda, minimizando los flujos de trabajo manuales.

Un estudio de 2026 sobre la adopción de MCP en servicios financieros encontró que el protocolo es ahora una prioridad entre las cinco principales para las firmas de servicios financieros, apenas un año después de su introducción. La adopción en servicios financieros está a la par con los promedios cruzados de industrias, un hallazgo significativo dado el enfoque históricamente cauteloso del sector frente a nuevos estándares tecnológicos.

El patrón emergente es uno donde los asistentes de IA se convierten en la capa de interfaz a través de los flujos de trabajo financieros, situándose encima de los sistemas existentes en lugar de reemplazarlos. Datos de mercado, gestión de cuentas, ejecución de órdenes, análisis de portafolio, verificaciones de cumplimiento: todo volviéndose accesible a través del mismo asistente de IA que un profesional usa para todo lo demás en su día de trabajo.

Lo que esto significa para los traders hoy

La implicación más inmediata para los traders minoristas es práctica más que estratégica. Los asistentes de IA que antes eran útiles para investigación, toma de notas y análisis ahora también pueden interactuar con su cuenta. El flujo de trabajo se mantiene en un solo lugar. El cambio de contexto entre herramientas de IA y plataformas de trading se reduce.

Chelsea es la implementación de ThinkMarkets de este cambio. Es un servidor MCP que expone un conjunto definido de capacidades de la cuenta de ThinkTrader (datos de mercado, gestión de posiciones, ejecución de órdenes) a cualquier asistente de IA compatible. Los permisos los establece y controla el titular de la cuenta. Los movimientos de fondos están excluidos por diseño.

Lo que Chelsea no hace es tan importante como lo que sí hace. No da consejos de trading. No analiza mercados ni le dice a los traders qué comprar o vender. No actúa de forma autónoma. La IA asiste con la capa operativa: revisar, ajustar, ejecutar. Las decisiones permanecen enteramente con el trader.

La emergencia de la IA en el trading minorista es, en esencia, un cambio de interfaz. Las herramientas disponibles para los traders se están volviendo más conversacionales, más integradas y más portables. Las decisiones que esos traders toman con esas herramientas siguen siendo suyas.