Una de las grandes posibilidades de las que hemos estado hablando a medida que se desarrolla la revolución de la IA es la de interactuar con datos XBRL —y obtener información precisa y útil para la toma de decisiones— mediante chatbots de IA, sin necesidad de conocimientos técnicos avanzados en análisis de datos. Ese futuro ya es una realidad.
Si te lo perdiste a principios de año (¡nosotros también!), no esperes más para consultar el blog de Stefano Amorelli y su serie de vídeos demostrativos que muestran su plataforma de código abierto SEC EDGAR MCP. Esta plataforma aprovecha el Protocolo de Contexto de Modelo (MCP), un estándar abierto para integrar herramientas de IA con datos externos. La Comisión de Bolsa y Valores de EE. UU. (SEC) proporciona un conjunto de datos increíblemente completo de informes XBRL a través de su portal EDGAR. Esta herramienta permite utilizar un chatbot de IA de tu elección para interactuar con los datos mediante las API de EDGAR XBRL, utilizando preguntas sencillas en lenguaje natural para obtener respuestas sofisticadas.
Claude accede a datos XBRL de la SEC y crea un desglose detallado y una visualización de los activos financieros de Apple. Herramientas como esta prometen extender los beneficios de la información digital a muchos más usuarios. Proporcionan acceso a datos XBRL fiables, inequívocos y rastreables, y constituyen una base sólida para un análisis de IA fiable, evitando que las IA tengan que interpretar documentos, extraer datos y adivinar el contenido de los informes.
¿Y para los reguladores entre nuestros lectores? Cada vez es más evidente que las API legibles por máquina son un componente esencial para el acceso, la visibilidad y la comprensión de los datos por parte de las máquinas, elementos fundamentales para optimizar los resultados de la IA. No solo es recomendable garantizar el acceso gratuito a los datos XBRL a través de un portal centralizado, sino que también es importante que dichos datos sean fáciles de consumir, tanto para las IA como para las herramientas de software automatizadas más tradicionales. Esto significa que proporcionar API debería ser una prioridad urgente.
Investigación financiera de código abierto con LLM, MCP y la SEC de EE. UU. EDGAR
La investigación financiera no debería requerir un presupuesto de Wall Street.
EDGAR® y SEC® son marcas comerciales de la Comisión de Bolsa y Valores de Estados Unidos (SEC). Esta publicación de blog y el proyecto de código abierto relacionado no están afiliados, respaldados ni conectados de ninguna manera con la Comisión de Bolsa y Valores de Estados Unidos.
Descripción general
En 1934, el Congreso de los Estados Unidos creó la Comisión de Bolsa y Valores (SEC) para supervisar los mercados financieros y proteger a los inversores.
La agencia se fundó sobre un principio sencillo: los inversores merecen información precisa, veraz y completa sobre las empresas en las que desean invertir.
[…] “Quienes pretenden disponer del dinero de otras personas deben ser totalmente sinceros respecto a los hechos sobre los que se basa el juicio del inversor.” […]
– Franklin Delano Roosevelt, 32º presidente de los Estados Unidos
Durante casi un siglo, la SEC ha actuado como el organismo de control de la transparencia en el mundo financiero, exigiendo a las empresas públicas que divulguen todo, desde las ganancias trimestrales hasta la remuneración de los ejecutivos, desde los riesgos comerciales hasta los principales eventos corporativos.
A través de su sistema de Recopilación, Análisis y Recuperación Electrónica de Datos (EDGAR) (lanzado en la década de 1990), la SEC ha puesto estos documentos a disposición de cualquier persona con conexión a Internet de forma gratuita.
En teoría, esto creó igualdad de condiciones, donde los inversores individuales podían acceder a los mismos datos que los inversores profesionales. Sin embargo, en la práctica, existe una brecha.
Los inversores institucionales cuentan con analistas, software sofisticado y millones de dólares en infraestructura tecnológica para analizar y extraer información valiosa de los documentos presentados ante la SEC. Los inversores minoristas no deben navegar manualmente por documentos densos y complejos que a menudo abarcan cientos de páginas.
Por ejemplo, un solo informe anual de Apple (10-K presentación ante la SEC) contiene más de 100 páginas de datos financieros, descripciones de negocios y factores de riesgo.
El problema va más allá de la simple falta de acceso a los datos. Los inversores profesionales extraen sistemáticamente métricas específicas, comparan tendencias entre trimestres y años, analizan el rendimiento de los segmentos e identifican patrones que serían prácticamente imposibles de detectar mediante una revisión manual.
Pero hoy las cosas han cambiado, los inversores individuales ahora pueden mantenerse al día.
Los modelos de lenguaje avanzados, el Protocolo de Contexto de Modelos y el acceso programático a los datos de SEC EDGAR están haciendo que la investigación financiera sofisticada sea accesible para los inversores individuales. Ahora se puede usar la IA para extraer métricas financieras clave, realizar análisis complejos en múltiples empresas y periodos de tiempo, y descubrir información que antes requería conocimientos especializados y herramientas costosas.
¿Cómo funciona esto exactamente en la práctica? Analicemos la base técnica que lo hace posible: el servidor SEC EDGAR MCP (lanzado 1-alphael 21 de julio de 2025), un software de código abierto desarrollado públicamente y mantenido por la comunidad que transforma la forma en que los inversores interactúan con la investigación financiera.
Cómo la IA lo cambia todo
Antes de adentrarnos en los detalles técnicos, comprendamos qué hace que este enfoque sea fundamentalmente diferente de las herramientas y flujos de trabajo de investigación financiera tradicionales.
El Protocolo de Contexto de Modelo (MCP) es un estándar abierto que permite a los asistentes de IA conectarse de forma segura a fuentes de datos y herramientas externas. Se trata de un conector universal que permite a tu asistente de IA acceder y comunicarse directamente con bases de datos, API y servicios, incluido el sistema EDGAR de la SEC.
La investigación financiera tradicional a menudo implica alternar entre múltiples plataformas: buscar empresas en un sitio, descargar documentos de otro y luego copiar manualmente los datos en hojas de cálculo para su análisis.
Con un servidor MCP, tu asistente de IA puede hacer todo esto sin problemas en una sola conversación.
De los datos brutos a la inteligencia
Veamos un ejemplo práctico. Supongamos que desea analizar los datos financieros de Microsoft. Tradicionalmente, esto implicaría:
- Encontrar los informes trimestrales (10-Q) o anuales (10-K) recientes de MSFT en EDGAR
- Descargar y abrir varios documentos PDF
- Búsqueda manual de datos de ingresos por segmento
- Copiar números en una hoja de cálculo
- Cálculo de tasas de crecimiento y tendencias
Con SEC EDGAR MCP, todo este proceso se convierte en una simple conversación: «Muéstrame el balance, el estado de resultados y los datos de flujo de caja de Microsoft». El asistente de IA se encarga de toda la complejidad técnica y te presenta resultados claros y formateados.
Otro ejemplo sería analizar los últimos ingresos de Apple:
O bien, cree un panel de control con gráficos, sobre la marcha, basado en los datos financieros más recientes de NVIDIA:
También podríamos buscar las últimas transacciones internas en Amazon:
O bien, investigue las entradas de datos específicas de la empresa en los documentos presentados por Apple y represéntelas gráficamente:
Para utilizar este flujo de trabajo, necesitará un LLM en funcionamiento que admita el protocolo MCP, como Claude Desktop (utilizado en las demostraciones). El servidor se ejecuta localmente mediante Docker.
Pero un momento, la SEC sí proporciona API para acceder a los datos de EDGAR. Entonces, ¿por qué no usarlas directamente?
¿Por qué no la API de EGAR?
La clave está en la complejidad y la usabilidad. Las API REST de la SEC son potentes, pero requieren conocimientos técnicos para su uso eficaz. Es necesario comprender los identificadores de empresa (CIK), las taxonomías de presentación de informes, las estructuras XBRL y cómo interpretar respuestas JSON complejas. Además, se requiere saber programar.
Para una pregunta tan simple como «¿Cuáles fueron los ingresos de Apple el trimestre pasado?», necesitarías escribir un software para encontrar CIK la clave de identificación central (CID) de Apple, localizar el archivo correcto, analizar XBRL los datos y extraer el concepto financiero específico. Todo esto antes incluso de llegar al análisis.
Esta complejidad nos lleva naturalmente a otra pregunta: ¿por qué no preguntar directamente a ChatGPT u otros asistentes de IA sobre los datos financieros, sin necesidad de un servidor MCP?
¿Por qué no los másteres en Derecho generales?
El desafío radica en la precisión y la actualidad de los datos. Los modelos de IA de propósito general se entrenan con datos desactualizados, lo que significa que carecen de información financiera reciente. Si bien pueden navegar por la web e intentar encontrar los datos financieros, podrían pasar por alto detalles importantes. Al tomar decisiones de inversión, se necesitan datos actuales, verificados y completos de la fuente original.
Ese es precisamente el problema que el servidor SEC EDGAR MCP fue diseñado para resolver.
Como puede verse en esta conversación, el LLM conectado al servidor MCP puede consumir la información basándose en la presentación original, la mejor fuente de información disponible:
Todos los datos provienen directamente de la presentación de NVIDIA ante la SEC en EDGAR (Formulario 10-Q, presentado el 28 de mayo de 2025, Número de acceso: 0001045810-25-000116), conservando la precisión exacta de los datos XBRL originales.
Funcionamiento interno del servidor MCP
Este paquete de código abierto está disponible gratuitamente para que cualquiera pueda usarlo, modificarlo y mejorarlo. El paquete proporciona más de 20 herramientas especializadas para los LLM, que abarcan desde la búsqueda de documentos corporativos hasta la extracción de métricas financieras complejas.
Esto es lo que lo hace poderoso:
Extracción y análisis inteligente de datos: en lugar de analizar manualmente cientos de páginas de documentos financieros, el paquete puede extraer automáticamente métricas específicas como ingresos por segmento geográfico, comparaciones trimestrales o datos de remuneración de ejecutivos.
Múltiples fuentes de datos: El paquete accede a varios flujos de datos de la SEC, desde la base de datos principal de EDGAR hasta fuentes RSS en tiempo real de nuevos documentos presentados, para que tenga acceso tanto a datos históricos como a las últimas actualizaciones de la empresa.
Análisis XBRL: Los informes modernos presentados ante la SEC utilizan XBRL (eXtensible Business Reporting Language), un formato estructurado que permite que los datos financieros sean legibles por máquina. El paquete entiende XBRL de forma nativa, lo que le permite extraer conceptos financieros precisos en lugar de procesar todo el documento.
Información específica de cada empresa: Cada empresa presenta sus datos de forma diferente. Apple podría desglosar sus ingresos por «América, Europa y Gran China», mientras que Microsoft utiliza distintas categorías regionales. El paquete detecta y se adapta dinámicamente a la estructura de informes específica de cada empresa.
¿Por qué es importante el código abierto?
La decisión de convertir este paquete en código abierto no se trata solo de acceso gratuito, sino de transparencia e innovación impulsada por la comunidad.
Las herramientas financieras no deberían ser cajas negras. Al tomar decisiones de inversión, es necesario confiar no solo en los datos, sino también en los métodos utilizados para extraerlos y analizarlos.
El código abierto permite inspeccionar con precisión el funcionamiento del paquete, contribuir con mejoras y adaptarlo a las necesidades específicas. Además, implica que la herramienta puede evolucionar con la comunidad, incorporando nuevas funcionalidades.
Pensando en el futuro
La SEC lleva casi 90 años recopilando información corporativa. Los datos están disponibles gratuitamente para cualquiera. Pero hasta ahora, extraer conclusiones relevantes de esos datos requería tiempo, profundos conocimientos técnicos y costosas herramientas analíticas.
Con MCP y LLM, los inversores individuales pueden hacer preguntas en un lenguaje sencillo y obtener respuestas precisas respaldadas por documentos oficiales presentados ante la SEC.
No se trata de una tecnología revolucionaria, sino simplemente de una buena ingeniería aplicada a un problema real. La plataforma EDGAR de la SEC ya ofrece API, las empresas ya presentan sus informes en formatos estructurados y los asistentes de IA ya existen.
El MCP simplemente conecta estas piezas de una manera que resulta realmente útil para los inversores.
Roosevelt quería mercados donde los inversores individuales pudieran tomar decisiones informadas. La SEC proporcionó la transparencia. Ahora, las herramientas de código abierto facilitan el acceso. Lo que antes requería equipos de analistas, ahora puede hacerse en una conversación con cualquier persona.
Quizás la ventaja informativa que Wall Street ha mantenido durante décadas esté desapareciendo.
Expresiones de gratitud
Este trabajo no sería posible sin la base sentada por muchos otros.
La SEC de EE. UU. merece reconocimiento por su increíble labor al mantener uno de los sistemas de divulgación corporativa más completos y accesibles del mundo. La base de datos EDGAR y las API REST proporcionan la base de datos confiable que hace posible herramientas como esta.
Anthropic creó el estándar Model Context Protocol y continúa impulsando el campo de la seguridad y las capacidades de la IA. Su compromiso con los estándares abiertos permite una interoperabilidad que beneficia a todos.
Campo de golf
Paquete SEC EDGAR MCP
- Repositorio de GitHub: https://github.com/stefanoamorelli/sec-edgar-mcp
- Documentación: https://sec-edgar-mcp.amorelli.tech
Recursos de la SEC
- Base de datos EDGAR: https://www.sec.gov/edgar
- API REST de la SEC: https://www.sec.gov/edgar/sec-api-documentation
- Búsqueda en EDGAR: https://www.sec.gov/edgar/searchedgar/companysearch
- SEC Investor.gov: https://www.investor.gov/
Protocolo de contexto de modelo (MCP)
- Especificación MCP: https://modelcontextprotocol.io/
- Documentación de Anthropic MCP: https://docs.anthropic.com/en/docs/build-with-claude/computer-use
- Repositorio de servidores MCP: https://github.com/modelcontextprotocol/servers
Paquetes de código abierto
- Edgartools (por Dwight Gunning): https://github.com/dgunning/edgartools
- datamule (por John Friedman): https://github.com/john-friedman/datamule-python
Datos y análisis financieros
- XBRL Internacional: https://www.xbrl.org/
- Información sobre XBRL de la SEC: https://www.sec.gov/structureddata/osd-inline-xbrl.html
- OpenFIGI (Identificador Global Instrumentos Financieros): https://www.openfigi.com/
- Ley de Transparencia de Datos Financieros: https://www.congress.gov/bill/117th-congress/house-bill/2989
Contexto histórico
- Ley de Valores de 1933: https://www.investor.gov/introduction-investing/investing-basics/role-sec/laws-govern-securities-industry#secact1933
- Ley del Mercado de Valores de 1934: https://www.investor.gov/introduction-investing/investing-basics/role-sec/laws-govern-securities-industry#secexact1934
- Biblioteca Presidencial Franklin D. Roosevelt: https://www.fdrlibrary.org/