IA en la política monetaria El Financiero
Hace unos días tuve el gusto de participar en la Conferencia Chapultepec, organizada por la oficina para las Américas del Banco Internacional de Pagos (BIS, por sus siglas en inglés), cuya sede regional se encuentra en México. El propósito de este evento es crear un espacio de encuentro para economistas interesados en el diseño, estudio e implementación de mecanismos relacionados con la política monetaria en América Latina. Como señaló Ana María Aguilar, economista sénior del BIS, en su discurso de apertura, la intención es consolidar un foro de discusión que, en el contexto latinoamericano, cumpla una función similar a la conferencia anual de Jackson Hole, donde se analiza la política monetaria de la Reserva Federal de Estados Unidos.
La agenda de la conferencia abarcó temas que han cobrado creciente relevancia en el análisis de la política monetaria de la región, con especial énfasis en digitalización, tecnología y criptomonedas, así como en las primeras aplicaciones de inteligencia artificial (IA) generativa en tareas específicas de los bancos centrales.
El uso de IA en los bancos centrales está ganando tracción en la discusión, ya que ofrece herramientas que pueden fortalecer el análisis de las autoridades monetarias desde distintos ángulos. En este contexto, José Luis Escrivá, del Banco de España, presentó algunos de los retos que enfrentan los bancos centrales en la era digital.
Entre las aplicaciones actuales, destaca el análisis de datos macroeconómicos. Un caso concreto es el uso de información de alta frecuencia para monitorear señales de precios o desarrollar indicadores adelantados sobre la actividad económica y los flujos financieros. Asimismo, los modelos de aprendizaje automático están complementando los marcos tradicionales de pronóstico, permitiendo predicciones en tiempo real basadas en el procesamiento de grandes volúmenes de información.
Otro avance significativo es el uso de monitores de datos de alta frecuencia, que ayudan a evaluar el impacto de eventos en los mercados financieros. En el ámbito de la supervisión, la IA también facilita las tareas de vigilancia de la estabilidad financiera, que forman parte del mandato de los bancos centrales a nivel global.
Un área particularmente prometedora es la aplicación de modelos grandes de lenguaje (LLM, por sus siglas en inglés) para evaluar, desde un enfoque cuantitativo, la efectividad de la comunicación de las autoridades monetarias. La IA permite complementar los modelos tradicionales, basados en datos numéricos, con el análisis de texto de comunicados y minutas de los bancos centrales. Aunque aún es una herramienta en desarrollo, su potencial para mejorar los mecanismos de rendición de cuentas es enorme.
A pesar de sus ventajas, la implementación de estas herramientas no está exenta de desafíos. Para aprovechar al máximo su potencial, es crucial: 1) fortalecer el capital humano en los equipos de investigación de los bancos centrales, incorporando especialistas en IA con un enfoque aplicado al monitoreo y evaluación económica; 2) garantizar la infraestructura tecnológica necesaria, incluyendo cómputo en la nube y microprocesadores especializados para optimizar la eficiencia del procesamiento de datos; y 3) priorizar la calidad y estructuración de los datos, aspecto clave para mejorar la precisión de los modelos y reducir su curva de aprendizaje.
En este contexto, y a contracorriente de la tendencia global de fragmentación, será fundamental preservar y fortalecer la cooperación internacional entre bancos centrales. Compartir experiencias sobre implementaciones exitosas y fomentar la investigación colaborativa permitirá maximizar los beneficios de estas tecnologías.
Si bien es difícil prever la velocidad con la que estas herramientas se integrarán en la labor cotidiana de los bancos centrales, es indudable que el análisis de la política monetaria evolucionará en esta dirección en los próximos años.
