Imagen: Shutterstock
Maestro en Derecho Constitucional y Administrativo. CEO de Coffee Law S.C., Socio de ENATIC y titular de la Comisión de Legaltech INCAM Occidente.
El término corredor desciende del vocablo franco courrier, que nombraba el oficio de llevar, entregar y despachar; convertido en courretier, pasó a designar a quien compraba y vendía por encargo de otro, nunca por cuenta propia (Colegio de Corredores Públicos de la Ciudad de México, 2026).
Esa prohibición —no comerciar en beneficio propio— es la pieza que sostuvo, durante siglos, la confianza mercantil, ya la ejercían los pochtecatl mesoamericanos, comerciantes acreditados que certificaban transacciones, y la formalizaron las ordenanzas castellanas y aragonesas que Carlos I trasladó a la Nueva España cuando, en 1527, adjudicó el cargo a Juan Franco, primer corredor público que ejerció con tal carácter en este territorio.
Casi cinco siglos después, la inteligencia artificial agéntica reintroduce exactamente el problema que esa figura resolvió, es decir, un actor que negocia, valúa y contrata, pero del que no puede predicarse la misma imparcialidad estructural, porque no jura, no se colegia y no tiene, en rigor, cuenta propia de la que abstenerse.
Por tanto, este artículo analiza esa fractura desde cuatro ángulos:
Todo acto de comercio confiable descansa sobre cuatro pilares: identidad verificable, consentimiento genuino, jurisdicción determinable y un recurso disponible cuando algo se rompe (Fisher y McCormack, 2026). Durante generaciones, falsificar cualquiera de esos elementos exigía esfuerzo, documentos físicos y tiempo; esa fricción era, paradójicamente, el mecanismo mismo de la confianza.
Los agentes autónomos la eliminan de golpe, generan identidades sintéticas, superan verificaciones y fabrican un historial de reputación en minutos. No es hipotético, en 2024 el tráfico automatizado superó por primera vez a la actividad humana en internet (Fisher y McCormack, 2026), señal de que el disuasivo natural del fraude —el costo de montarlo— perdió buena parte de su fuerza.
Hay, además, algo más profundo que la simple facilidad para el engaño, entendiendo que el agente autónomo típico no solo actúa por cuenta de quien lo programó, sino que carece del equivalente moderno de aquella prohibición medieval de comerciar por cuenta propia, de modo que la línea entre representar un interés y perseguirlo se vuelve, en la práctica, indistinguible.
Frente a ese vacío conviene adoptar, más que una solución única, un modelo de confianza por capas:
Ninguna capa, por sofisticada que sea, sustituye a las demás, la solidez del conjunto depende de su combinación, no del eslabón más fuerte.
El primer análisis econométrico con datos definitivos del Censo Económico 2024 del INEGI, presentado por la Comisión de Economía del Senado junto con Centro México Digital, revela que:
Precisamente, la brecha se acentúa hacia adentro, donde las empresas grandes adoptan casi tres veces más que las pequeñas, y sectores como servicios corporativos duplican la penetración de salud o actividades primarias. El propio estudio advierte que la curva de adopción tiende a estabilizarse hacia 2030, de modo que la ventana para actuar no seguirá abierta indefinidamente.
En materia normativa, México carece aún de una ley federal específica, la regulación opera, por ahora, de forma indirecta según el uso del sistema: protección de datos personales, defensa del consumidor o responsabilidad civil ordinaria (Campos et al., 2026).
Dos desarrollos recientes matizan el panorama. Los Principios de Chapultepec, emitidos en enero de 2026 por la Secretaría de Ciencia, Humanidades, Tecnología e Innovación junto con la Agencia de Transformación Digital y Telecomunicaciones, fijan criterios no vinculantes de transparencia y evaluación previa de impacto.
Además, un tribunal federal fijó precedentes vinculantes que exigen: proporcionalidad, protección de datos, transparencia, explicabilidad y supervisión humana efectiva en cualquier herramienta de inteligencia artificial usada en procesos judiciales (Campos et al., 2026). El criterio es trasladable a la función fedataria:
Un Modelo Automatizado de Valuación —AVM, por sus siglas en inglés— es un sistema que combina datos y algoritmos para producir una estimación de valor con mínima intervención humana directa (International Association of Assessing Officers, 2018).
Su utilidad crece junto con el peso de los intangibles en las empresas, que la Norma Internacional de Valuación 210 agrupa en cinco categorías:
Konialidis, 2026.
De los tres enfoques disponibles —mercado, ingresos y costo—, el de ingresos es el más usado, pues descuenta los flujos futuros del activo a una tasa que puede ser el costo de capital, el costo promedio ponderado de capital o una tasa de mercado (Angulo, 2021).
Valuar tecnología plantea, además, un problema propio: es una inversión dependiente de su propia trayectoria y generadora de rendimientos muy dispersos, de modo que el ejercicio exige responder cuánto durará el activo antes de volverse obsoleto y si es separable de la marca a la que está adherido (Konialidis, 2026).
El caso de una empresa geofísica que capitaliza el costo de sus levantamientos sísmicos, mientras obtiene su verdadero ingreso de revenderlos a terceros, ilustra una lección recurrente, en la cual, el número del balance rara vez refleja el valor real de mercado del activo digital (Konialidis, 2026).
La norma contable vigente sobre intangibles, data de 1998 y se pensó para marcas y patentes, no para software ni sistemas algorítmico, de ahí que, para quien avalúa empresas de base tecnológica, el balance sea un punto de partida y nunca una conclusión.
Cuatro riesgos concretos emergen de este panorama: usar un avalúo para un fin distinto de aquel para el que se elaboró, las alucinaciones numéricas o jurisprudenciales presentadas con apariencia de precisión, la ausencia de supervisión humana efectiva y la divergencia entre peritos que, ante el mismo activo, llegan a conclusiones incompatibles por falta de estándares comunes.
En tal sentido, marcos como el de gestión de riesgos del NIST (2023) o la Recomendación del Consejo sobre Inteligencia Artificial de la OCDE (2024) coinciden en un mismo eje:
De ahí se desprenden cuatro líneas de acción:
Ninguna de estas líneas depende solo del legislador. Quien ejerce la fe pública y adopta, desde ahora, estándares de valuación reconocidos internacionalmente —documentando con rigor cómo identificó a las partes de un acto automatizado— construye esa certeza mercantil digital antes de que una ley se la exija. Casi cinco siglos después de que Juan Franco recibiera el cargo bajo la condición de no comerciar por cuenta propia, la pregunta de fondo no ha cambiado: quién responde cuando el intermediario deja de ser neutral.
La confianza, en suma, no es un accesorio de la innovación tecnológica, sino la condición que permite que esa innovación genere valor mercantil defendible ante un juez, un fisco o una contraparte.
