Durante junio de 2026 el Índice de Precios y Cotizaciones de la Bolsa Mexicana de Valores cerró con una pérdida acumulada cercana al 1.7 %, mientras el S&P 500 registraba una caída del 2.21 %. En ese mismo periodo, cinco valores seleccionados por modelos de inteligencia artificial lograron rendimientos positivos superiores al 3 % y, en tres casos, superiores al 10 %. El contraste entre el desempeño del índice general y el de estas acciones concretas obliga a examinar tanto las condiciones macroeconómicas que prevalecieron como las consecuencias que podría tener el uso sistemático de algoritmos predictivos en la formación de carteras locales.
Condiciones macroeconómicas y sectoriales previas
El primer semestre de 2026 se caracterizó por una desaceleración del crecimiento del PIB mexicano, estimada en torno al 1.8 % anual, y por una persistente incertidumbre en torno a las tasas de interés de la Reserva Federal. Esta combinación redujo el apetito por activos de riesgo en mercados emergentes y presionó especialmente a los grandes índices bursátiles. Sin embargo, el tráfico de pasajeros en aeropuertos mexicanos mantuvo una tasa de crecimiento interanual del 6.4 % hasta mayo, impulsado por la recuperación del turismo de largo alcance y por el nearshoring de cadenas de suministro que utilizan hubs regionales como Monterrey y Guadalajara. Al mismo tiempo, las ventas de FEMSA en sus formatos de conveniencia crecieron 8.1 % en términos reales, reflejando la resiliencia del consumo básico frente a la inflación moderada.
Estos datos sectoriales ya estaban disponibles públicamente a finales de mayo. Lo que distingue el resultado de junio es que un sistema de inteligencia artificial los procesó junto con cincuenta variables financieras adicionales —incluidos múltiplos de valoración, flujos de caja libre y patrones de insider trading— para generar señales de compra antes de que el consenso de analistas las incorporara plenamente.
Mecanismo de selección de la inteligencia artificial
El modelo ProPicks fue entrenado con datos históricos de más de quince años de la BMV y de mercados comparables. Su objetivo no es predecir el índice general, sino identificar valores cuya probabilidad de superar al IPC en el siguiente mes supere el 55 %. En la actualización del 1 de junio, el sistema asignó las mayores puntuaciones a OMAB, FEMSAUBD y GAPB. La explicación radica en que estas empresas combinaban balances sólidos con catalizadores de demanda que el mercado aún no había descontado por completo. El rendimiento posterior —13.52 %, 11.54 % y 10.66 % respectivamente— validó la señal, aunque el ejercicio no constituye una garantía de resultados futuros.
Impacto en el sector aeroportuario y turístico
Los tres grupos aeroportuarios que figuran entre las cinco mejores posiciones operan el 78 % de la capacidad de pasajeros de México. Un incremento sostenido del tráfico aéreo superior al 6 % anual genera externalidades positivas sobre el empleo regional, la inversión en infraestructura hotelera y la recaudación de impuestos locales. Si los algoritmos continúan identificando estas empresas con antelación, podría producirse una asignación más eficiente de capital hacia proyectos de ampliación de pistas y terminales, reduciendo la brecha histórica entre oferta y demanda de capacidad aeroportuaria en el norte y sureste del país.
Efectos sobre el consumo y la distribución minorista
El avance de FEMSA ilustra otro canal de transmisión. La cadena OXXO representa más del 60 % de las tiendas de conveniencia en México. Cuando una acción de este tipo anticipa al mercado, los fondos que replican estrategias de IA aumentan su posición, elevando el precio de la acción y reduciendo el costo de capital de la empresa. Esto facilita, a su vez, la apertura de nuevas sucursales y la modernización de sistemas logísticos, con impacto directo en el empleo de personal de piso y en la formalización de pequeños proveedores locales.
Consecuencias para la estructura del mercado de valores
La aparición de carteras generadas por inteligencia artificial modifica la dinámica entre inversores institucionales y minoristas. Antes, el acceso a análisis cuantitativo de alta frecuencia estaba concentrado en fondos de cobertura con recursos computacionales significativos. Al ofrecer selecciones mensuales actualizadas a suscriptores de InvestingPro, se reduce parcialmente esa asimetría. Sin embargo, persiste el riesgo de que la popularización de estas herramientas genere correlaciones artificiales entre valores que comparten características similares en los modelos, amplificando movimientos de rebalanceo al inicio de cada mes.
Implicaciones regulatorias y de largo plazo
Las autoridades mexicanas, en particular la Comisión Nacional Bancaria y de Valores, enfrentan el desafío de supervisar la publicidad de rendimientos pasados sin que se convierta en recomendación implícita. Al mismo tiempo, el éxito relativo de estas estrategias podría acelerar la adopción de criterios ESG dentro de los modelos de IA, ya que las variables de gobernanza y sostenibilidad empiezan a integrarse como señales adicionales. En el horizonte de tres a cinco años, una mayor penetración de estas técnicas podría contribuir a una valoración más precisa de las empresas medianas mexicanas, tradicionalmente subanalizadas, favoreciendo así el desarrollo de un mercado de capitales más profundo y menos dependiente de los grandes emisores.
El episodio de junio de 2026 no altera las reglas fundamentales de la inversión: la rentabilidad pasada no garantiza resultados futuros y la diversificación sigue siendo indispensable. No obstante, evidencia que la combinación de datos públicos oportunos con modelos predictivos entrenados puede modificar el orden de magnitud de las oportunidades disponibles para quienes acceden a ellos con la debida antelación. La pregunta relevante para los próximos meses no es si la inteligencia artificial encontrará más joyas ocultas, sino cómo evolucionará la interacción entre estas señales algorítmicas y el comportamiento colectivo de los participantes del mercado mexicano.
