La fricción

Renata supervisa las inversiones de un fondo de pensiones en Brasil que tiene compromisos en decenas de fondos de private equity e infraestructura a nivel global. Cada mes, su equipo debe asegurarse de contar con suficiente liquidez para atender capital calls, mientras intenta maximizar los retornos del portafolio.

Durante 2022 y 2023, la volatilidad de los mercados y la imprevisibilidad de las distribuciones pusieron bajo presión su gestión de liquidez. Renata se vio obligada a mantener niveles elevados de efectivo o recurrir a líneas de crédito costosas para cumplir con las obligaciones. En algunos casos, el fondo incluso retrasó nuevos compromisos debido a la incertidumbre sobre el timing de los flujos de caja.

Renata sabe que una mejor capacidad de forecasting le permitiría desplegar capital de forma más eficiente sin poner en riesgo sus compromisos. Sin embargo, los modelos tradicionales basados en spreadsheets y procesos manuales ya no son suficientes. La pregunta es si las nuevas herramientas basadas en inteligencia artificial pueden ofrecer un nivel de precisión realmente confiable.

Qué está cambiando

Los avances en data science están llevando el predictive analytics a los private markets. Plataformas como CEPRES Predictive Intelligence y Panorad AI Capital Call Planner utilizan algoritmos de machine learning entrenados con millones de datos históricos de cash flows para anticipar tanto el timing como la magnitud de capital calls y distribuciones.

CEPRES, por ejemplo, se apoya en una base de datos de más de 1.8 millones de cash flows en mercados privados para ejecutar simulaciones de Monte Carlo, generando probabilidades para métricas clave como net asset value (NAV), internal rate of return (IRR), distributions to paid-in capital (DPI) y secuencias de flujos de caja. Los usuarios pueden ajustar variables como condiciones de mercado, desempeño de los fondos y factores macroeconómicos para construir distintos escenarios.

Los modelos de IA también incorporan señales externas. Un análisis de Coller Capital demuestra que algoritmos capaces de procesar tendencias de mercado, tasas de interés, actividad de IPOs y fundamentales de compañías pueden anticipar el timing de los exits.

En paralelo, proveedores de tecnología de tesorería como Hazeltree y Equiforte están integrando IA en sistemas de cash management. La plataforma de Hazeltree utiliza agentes de IA para recomendar rutas óptimas de financiación, reconciliar capital calls con transacciones bancarias y anticipar necesidades de liquidez, permitiendo a los CFOs gestionar de forma proactiva sus líneas de crédito. Por su parte, Equiforte destaca cómo los sistemas impulsados por IA integran datos en tiempo real —tasas de interés, flujos del portafolio y calendarios de redención— para predecir cuándo utilizar o amortizar líneas de capital call, ajustando balances con una frecuencia mensual en lugar de trimestral.

Este tipo de capacidades está llevando analytics de nivel institucional a gestores de tamaño medio que antes dependían de procesos manuales.

Problemas que se resuelven

El forecasting impulsado por IA aborda varios desafíos estructurales. Reduce la incertidumbre en torno a capital calls y distribuciones, permitiendo a los inversionistas planificar su liquidez con mayor precisión. Fondos de fondos, endowments y family offices pueden modelar flujos de caja a través de múltiples GPs y diferentes vintages, identificando períodos de entradas o salidas netas de efectivo.

El predictive analytics permite optimizar el ritmo de compromisos. Al simular flujos futuros, los inversionistas pueden decidir cuándo realizar nuevas asignaciones, ajustar la diversificación por vintage year o planificar ventas en el mercado secundario.

Estas herramientas también mejoran la comunicación entre GPs y limited partners (LPs), fortaleciendo la confianza al ofrecer guías más precisas sobre distribuciones.

En contextos cross-border, los modelos de IA pueden incorporar variables como riesgo cambiario y escenarios macroeconómicos, añadiendo mayor sofisticación a la planificación de liquidez.

Beneficios para asesores y clientes

Para los FAs, estas herramientas permiten ofrecer un nivel superior de planificación financiera. Los resultados de los modelos pueden integrarse en estrategias patrimoniales más amplias, analizando cómo los compromisos en private markets interactúan con la liquidez en mercados públicos, obligaciones fiscales y necesidades de vida del cliente.

Esto permite mantener niveles de inversión más altos sin el riesgo de enfrentar capital calls inesperados. Además, mejora la gestión del endeudamiento: al anticipar el timing de las distribuciones, los inversionistas pueden decidir con mayor precisión cuándo utilizar líneas de crédito o estructuras de financiación. Esto es particularmente relevante para family offices en América Latina, donde es común gestionar liquidez en múltiples monedas mediante capital call lines.

Otro aspecto clave es la democratización del acceso a analytics sofisticados. Hoy, plataformas basadas en la nube ofrecen interfaces intuitivas que permiten a firmas de asesoría más pequeñas acceder a capacidades predictivas sin necesidad de equipos de data science.

Muchas de estas herramientas incorporan interfaces en lenguaje natural, lo que permite a los advisors formular preguntas como “¿cuándo nuestro flujo de caja neto será positivo?” y obtener visualizaciones inmediatas. Esto reduce la dependencia de spreadsheets y fomenta una toma de decisiones data-driven.

Por qué esto importa ahora

El crecimiento de los private markets y la creciente complejidad de las estructuras de fondos —como continuation vehicles, evergreen funds y estrategias multi-asset— están haciendo que la planificación de liquidez sea cada vez más desafiante.

El aumento de tasas de interés en 2024–2025 ha encarecido las líneas de crédito utilizadas para financiar capital calls, lo que obliga a los inversionistas a optimizar el uso de efectivo. Al mismo tiempo, la incertidumbre económica en regiones como América Latina y Europa exige un enfoque más robusto en la gestión de riesgos.

El forecasting con IA permite navegar este entorno al integrar escenarios macroeconómicos, señales de mercado y datos a nivel de fondo en un único marco analítico.

La presión regulatoria también está aumentando. Reguladores de pensiones en Estados Unidos y Europa exigen demostrar una gestión prudente de la liquidez. Plataformas tecnológicas que ofrecen modelos auditables y análisis de escenarios ayudan a cumplir con estos requerimientos. En Brasil, la CVM ha intensificado la supervisión sobre fondos de crédito privado, haciendo aún más relevante la transparencia en flujos de caja.

Caso real

Un endowment universitario de tamaño medio en Florida invierte en 40 fondos de private equity y venture capital en Estados Unidos, Europa y América Latina. Históricamente, mantenía un buffer de liquidez del 15% para garantizar el cumplimiento de capital calls.

Tras adoptar una plataforma predictiva basada en IA integrada con su sistema de administración de fondos, el endowment analizó 10 años de datos históricos de cash flows y variables macroeconómicas. El modelo reveló que la probabilidad de capital calls simultáneos de gran magnitud era baja, y que en varios trimestres las distribuciones superarían los llamados de capital.

Con esta información, el endowment redujo su buffer de efectivo al 8% y asignó el capital liberado a instrumentos de renta fija de corta duración. Durante el año siguiente, evitó utilizar su línea de crédito, reduciendo significativamente el costo financiero, mientras que las distribuciones se materializaron dentro de los rangos previstos.

El comité directivo ganó confianza en la estrategia de gestión de liquidez y aprobó nuevos compromisos en un fondo europeo de growth equity.

Tribuna de opinión firmada por Juan Agualimpia, Chief Marketing Officer de LYNK Markets.