M\u00e1s de 15 bancos globales, entre ellos JPMorgan Chase, Goldman Sachs, Barclays, BBVA, BNP Paribas y HSBC, tienen hoy programas activos de investigaci\u00f3n en computaci\u00f3n cu\u00e1ntica enfocados en acelerar los c\u00e1lculos de Monte Carlo que sostienen el pricing de derivados y la medici\u00f3n de riesgo. Ninguno corre todav\u00eda un algoritmo cu\u00e1ntico en producci\u00f3n real, pero la inversi\u00f3n ya es concreta: cerca del 38% del gasto en investigaci\u00f3n y desarrollo cu\u00e1ntico del sector se dirige hoy a aplicaciones financieras. Para un lector argentino, el dato relevante es que ning\u00fan banco de la regi\u00f3n aparece todav\u00eda en ese mapa.<\/p>\n\n\n\n
El m\u00e9todo de Monte Carlo es, desde los a\u00f1os cincuenta, la herramienta central para poner precio a instrumentos financieros complejos y para calcular el Valor en Riesgo (VaR): se generan miles o millones de escenarios posibles y se promedian los resultados. La versi\u00f3n cu\u00e1ntica de esa t\u00e9cnica, conocida como estimaci\u00f3n de amplitud cu\u00e1ntica, promete una aceleraci\u00f3n cuadr\u00e1tica sobre el m\u00e9todo cl\u00e1sico: donde un c\u00e1lculo cl\u00e1sico necesita un mill\u00f3n de muestras para alcanzar cierto nivel de precisi\u00f3n, la versi\u00f3n cu\u00e1ntica podr\u00eda llegar al mismo resultado con apenas mil evaluaciones de circuito. Goldman Sachs ya asoci\u00f3 ese enfoque en un trabajo conjunto con QC Ware e IonQ para el pricing de riesgo financiero, y JPMorgan corri\u00f3 pricing de opciones call europeas en un procesador cu\u00e1ntico real de 127 qubits de IBM.<\/p>\n\n\n\n
El motivo por el que la banca global le presta atenci\u00f3n a esto no es cosm\u00e9tico. Un solo c\u00e1lculo de riesgo nocturno en un banco grande puede involucrar billones de muestras de Monte Carlo sobre miles de instrumentos, consumiendo miles de horas de procesamiento. Cualquier aceleraci\u00f3n real reduce directamente el costo operativo y permite recalcular el riesgo con mayor frecuencia, algo especialmente valioso en mercados vol\u00e1tiles. Ese es precisamente el argumento que sostiene el inter\u00e9s de bancos como Barclays y BBVA, que adem\u00e1s de Monte Carlo exploran algoritmos cu\u00e1nticos para optimizaci\u00f3n de carteras y detecci\u00f3n de fraude, todo dentro del mismo esfuerzo de investigaci\u00f3n institucional.<\/p>\n\n\n\n
La realidad de 2026, sin embargo, es m\u00e1s medida que los anuncios de prensa: ning\u00fan banco estadounidense corre hoy un algoritmo cu\u00e1ntico de forma que altere una decisi\u00f3n de producci\u00f3n real, y el consenso t\u00e9cnico es que una ventaja cu\u00e1ntica \u00fatil en Monte Carlo financiero todav\u00eda depende de computadoras cu\u00e1nticas con correcci\u00f3n de errores, una tecnolog\u00eda que sigue en desarrollo. Lo que s\u00ed est\u00e1 ocurriendo es la construcci\u00f3n de conocimiento institucional: los bancos que corren pilotos hoy son los que van a poder moverse r\u00e1pido cuando la tecnolog\u00eda cruce el umbral de utilidad real. Para una entidad financiera argentina, el costo de entrada a un primer piloto es bajo \u2014hay acceso gratuito a hardware cu\u00e1ntico real a trav\u00e9s de IBM\u2014 y la ventana para posicionarse como early mover en la regi\u00f3n todav\u00eda est\u00e1 abierta.<\/p>\n\n\n\n
Fuentes:
TechBullion: https:\/\/techbullion.com\/quantum-computing-in-us-finance-2026-what-banks-are-actually-doing-while-waiting-for-advantage\/
The Quantum Insider: https:\/\/thequantuminsider.com\/2026\/03\/27\/15-plus-global-banks-probing-the-wonderful-world-of-quantum-technologies\/
Entangled Future – Quantum Computing for Finance: https:\/\/entangledfuture.com\/guides\/quantum-computing-for-finance\/
Medium – Superpositions Studio: https:\/\/medium.com\/@superpositions_studio\/quantum-computing-in-finance-portfolio-optimization-fraud-detection-and-monte-carlo-where-it-4b68ed34bb92<\/p>\n","protected":false},"excerpt":{"rendered":"
M\u00e1s de 15 bancos globales, entre ellos JPMorgan Chase, Goldman Sachs, Barclays, BBVA, BNP Paribas y HSBC, tienen hoy programas activos de investigaci\u00f3n en computaci\u00f3n cu\u00e1ntica enfocados en acelerar los c\u00e1lculos de Monte Carlo que sostienen el pricing de derivados y la medici\u00f3n de riesgo. Ninguno corre todav\u00eda un algoritmo cu\u00e1ntico en producci\u00f3n real, pero […]<\/p>\n","protected":false},"author":2,"featured_media":12603,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[3],"tags":[],"class_list":["post-12602","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-qc"],"yoast_head":"\n