Valoración de acciones con agentes de IA
Valoración de acciones con agentes de IA
En bosq, nos apasiona convertir ideas complejas en sistemas confiables, claros y listos para producción. finance-ai nace exactamente de esa propuesta: una app open-source para explorar la valoración de acciones mediante una arquitectura multiagente, una interfaz conversacional y un fuerte enfoque en la transparencia de los supuestos.
Qué es finance-ai
finance-ai es una app de chat para la valoración de acciones que combina una interfaz en Streamlit con un equipo de agentes encargado de interpretar la solicitud del usuario, buscar datos fundamentales y ejecutar los cálculos de valoración. El proyecto fue construido con CrewAI, Claude y Streamlit, y fue concebido como un módulo experimental y open-source para explorar de forma práctica flujos financieros asistidos por IA.
Por qué lo construimos en bosq
En bosq, nuestro enfoque combina claridad de alcance, ejecución incremental y entregables verificables. En lugar de tratar la IA como una capa "mágica", preferimos diseñar sistemas en los que cada etapa tenga responsabilidad clara, observabilidad y posibilidad de auditoría. finance-ai es un buen ejemplo de esa filosofía aplicada a un problema concreto: estructurar un flujo de análisis financiero asistido por agentes.
Este tipo de proyecto también demuestra cómo los copilotos y las automatizaciones pueden salir del terreno de la demo genérica y adentrarse en escenarios de uso más específicos, con contexto de negocio, validación humana y reglas explícitas. Es exactamente la dirección que buscamos en los productos y módulos que construimos en bosq.
Cómo funciona la arquitectura multiagente
La lógica de la app es sencilla de explicar y poderosa en la práctica. La interacción del usuario pasa por un crew con tres roles principales:
- Orquestador: comprende la solicitud, identifica el ticker y el método de valoración, y solicita parámetros adicionales cuando es necesario.
- Investigador: busca datos fundamentales en internet.
- Calculador: ejecuta los métodos de valoración implementados en el proyecto.
Esta separación reduce el acoplamiento, hace el flujo más auditable y genera una experiencia más robusta que la de un único agente intentando hacer todo al mismo tiempo.
Métodos de valoración soportados
La app ya soporta cinco enfoques de valoración:
- DCF 3 etapas: flujo de caja descontado con alto crecimiento, transición y perpetuidad.
- Graham ajustado por tasa de referencia: adaptación del modelo clásico al contexto local.
- Bazin: precio techo basado en dividendos.
- Peter Lynch: valor justo mediante PEG implícito.
- Gordon DDM: modelo perpetuo de descuento de dividendos.
En la práctica, esto permite desde preguntas directas como "¿Cuál es el precio justo de PETR4 por DCF?" hasta comparaciones entre métodos para el mismo activo. Y cuando faltan parámetros, el sistema los solicita en el chat antes de calcular.
La experiencia del producto en la práctica
Una de las partes más interesantes de finance-ai es la combinación entre una interfaz simple y una ejecución transparente. El usuario hace una solicitud como "Evalúa la empresa BBAS3", y el sistema muestra no solo el resultado final, sino también el progreso de los agentes y las etapas de investigación y cálculo.
En la captura anterior ya se puede ver el posicionamiento del producto: una interfaz conversacional, un log de ejecución de los agentes y un aviso claro sobre el carácter experimental de la aplicación.
La pantalla de uso deja en evidencia la propuesta de la app: permitir que el usuario solicite valoraciones por distintos métodos de forma directa, con ejemplos de prompts y retroalimentación textual del sistema durante el proceso.
El informe final va más allá de un número aislado. Compara resultados entre métodos, explicita alertas y supuestos relevantes, y lista las fuentes consultadas, un punto fundamental cuando hablamos de confianza en sistemas de apoyo a la decisión.
Otro diferencial es la exposición de los datos fundamentales usados en el cálculo, como el precio actual, BPA, VPA, DPA promedio, crecimiento de beneficios, tasa de referencia, ROE y número de acciones. Esto acerca al usuario a la lógica de la valoración y evita la sensación de "caja negra". La información visible en la demo de BBAS3 refuerza ese cuidado por la trazabilidad y la explicabilidad.
Qué demuestra este proyecto
Más que una app de valoración, finance-ai demuestra un patrón de construcción que consideramos valioso:
- agentes con roles bien definidos;
- interfaz de uso simple para tareas complejas;
- separación entre recolección de datos, orquestación y cálculo;
- explicación de supuestos y limitaciones;
- base open-source para evolución y experimentación.
Este patrón puede reutilizarse en muchos otros dominios: análisis de documentos, copilotos internos, automatización operacional, clasificación de datos, asistentes de investigación y flujos de trabajo con validación humana. Es el mismo razonamiento que guía nuestro trabajo en exploración, construcción y operación de sistemas de IA en bosq.
Stack y estructura del proyecto
Para quienes disfrutan mirar bajo el capó, el repositorio deja clara su organización: una UI en Streamlit, el crew principal, agentes especializados, herramientas para búsqueda web y wrappers para las funciones de valoración. La configuración es sencilla, con Python 3.11, uv, variables de entorno y ejecución local vía Streamlit.
Esta simplicidad estructural es una cualidad importante. Los proyectos experimentales de IA suelen fallar por exceso de abstracción o dependencias innecesarias. Aquí, la propuesta es clara: organizar un flujo multiagente funcional, observable y fácil de evolucionar.
Open source, con responsabilidad
Como todo sistema aplicado a las finanzas, finance-ai debe usarse con contexto. El propio repositorio destaca que se trata de un módulo de prueba, dependiente de supuestos como el crecimiento y la tasa de descuento, y que los datos pueden estar desactualizados. Esa responsabilidad en la comunicación es una parte importante del proyecto, y un principio que tomamos muy en serio en bosq.
Explora el proyecto
Si quieres probar la app, estudiar la arquitectura o usar esta base como punto de partida para un producto financiero más completo, vale la pena explorar el repositorio:
- Repositorio: github.com/bosq-dev/finance-ai
Si tu empresa busca transformar flujos complejos en sistemas confiables con IA —con claridad, gobernanza y foco en producción, habla con bosq. Construimos módulos, copilotos, automatizaciones y pipelines que salen del concepto y llegan a la operación real.
Tags: #ValoraciónDeAcciones #InteligenciaArtificial #AgentesDeIA #FinanceAI #CrewAI #ArquitecturaMultiagente #OpenSource #AnálisisFinanciero #DCF #MétodoGraham #Bazin #PeterLynch #GordonDDM #Streamlit #Python #FinTech #IAFinanciera #Bosq #CopilotosDeIA #AutomatizaciónFinanciera