Un modelo de redes neuronales llamado Deep-π* detectó señales de un aumento persistente de la inflación en Estados Unidos antes de que se reflejaran en los precios. El resultado aparece en un trabajo de Carlos Montes-Galdón, economista afiliado al BCE, y ha generado titulares sobre IA y economistas. Pero no es una posición oficial del BCE: es un trabajo del autor disponible como prepublicación en arXiv.
El análisis estudia el episodio de inflación estadounidense de 2021-2022. El algoritmo combina indicadores macroeconómicos para estimar la tendencia de los precios y reconocer qué variables contribuyen a sus cambios. Su señal adelantada comenzó a subir cuando, a comienzos de 2021, los pronosticadores profesionales esperaban una inflación de 3% o menos. El modelo no predijo con exactitud el máximo posterior; ofreció una alerta temprana sobre la persistencia de las presiones.
Deep-π* busca explicar la tendencia, además de estimarla
El sistema se entrenó con series económicas estadounidenses y se reestimó mes a mes para evaluar su funcionamiento en tiempo real. Según el trabajo, sus pronósticos superaron a dos referencias estadísticas: un modelo de componentes no observados con volatilidad estocástica y una caminata aleatoria. Esto no demuestra que una IA siempre pronostique mejor que los economistas: el resultado corresponde a un caso histórico, una tarea concreta y comparaciones determinadas.
La red examina indicadores de actividad, empleo, salarios, dinero y crédito. También descompone las variaciones de la tendencia para atribuirlas a grupos de factores, en vez de tratarlas como movimientos inexplicables. El autor calcula que las variables ligadas al empleo fueron las principales contribuyentes al ascenso de la tendencia inflacionaria tras la pandemia. En cambio, energía y materias primas explicaron poco en las estimaciones de tendencia presentadas.
También te puede interesar:¿La IA nos Hace Más tontos?: El MIT Revela el Impacto Oculto de la IA en el AprendizajeUna señal temprana no es una predicción infalible
Detectar inflación persistente no equivale a anticipar exactamente cuánto subirán los precios ni cuándo. El estudio observa que la medida prospectiva del modelo alcanzó su máximo entre ocho y doce meses antes que la tendencia estimada con datos contemporáneos. Ese margen podría ayudar a analizar riesgos, pero no garantiza que una autoridad monetaria pueda evitarlos.
Deep-π* se diseñó para la inflación de Estados Unidos y utiliza información económica revisable. El ejercicio sugiere que las redes neuronales pueden aportar herramientas para analizar señales dispersas, no reemplazar automáticamente los modelos económicos, la interpretación de expertos o las decisiones de política monetaria.
El interés del trabajo está en combinar predicción y explicación: el sistema no solo estima una tendencia, también calcula qué indicadores parecen impulsarla. Para responsables de política y analistas, esa lectura puede complementar los pronósticos si se valida en otros periodos y economías. La pregunta abierta es cuánto conserva su ventaja cuando cambian los datos, las condiciones del mercado o el país analizado. Por ahora, la evidencia respalda una conclusión más acotada que los titulares: en la inflación estadounidense posterior a la pandemia, Deep-π* detectó antes algunas presiones y pronosticó mejor que dos referencias estadísticas, según el estudio.
Me dedico al SEO y la monetización con proyectos propios desde 2019. Un friki de las nuevas tecnologías desde que tengo uso de razón.
Estoy loco por la Inteligencia Artificial y la automatización.
