Australia · Sydney · Ver el perfil de Australia · Ver el perfil de Sydney
Evidencia: Observacional / pre-post Top 50% 60/100 · Pregunte a Evidence Copilot sobre esta práctica
El RBA creó una herramienta de PLN que analiza 25 años de unas 22.000 notas de contactos empresariales; integrada en modelos de previsión salarial, redujo los errores de previsión frente a los métodos de referencia, con el código publicado para otros bancos centrales.
Desde 2001, el programa de enlace (liaison) del Reserve Bank of Australia envía personal a entrevistar a unas 22.000 empresas, organizaciones sectoriales y entidades comunitarias, creando un archivo de 25 años de notas cualitativas sobre salarios, precios, inversión y condiciones empresariales, utilizado para orientar la política monetaria. La búsqueda manual en este extenso archivo de texto libre limitaba la capacidad del RBA para extraer señales de forma sistemática.
El documento de discusión RBA 2025-06 (Gray, Lattimore, McLoughlin y Windsor, agosto de 2025) describe la construcción de un sistema de PLN para buscar en todo el archivo de enlace bajo demanda, clasificar el tema y el tono de cada nota, y extraer cifras numéricas precisas — como el crecimiento salarial o de precios autoinformado por una empresa — directamente del texto libre.
El equipo validó las extracciones de la herramienta frente a referencias codificadas manualmente por humanos, y después comprobó si los indicadores resultantes, basados en las notas de enlace, mejoraban los modelos de previsión a corto plazo (nowcasting) del crecimiento salarial. El RBA publicó su código de forma abierta para que otros bancos centrales pudieran adaptar el enfoque.
Añadir las señales derivadas de IA a los modelos de nowcasting del crecimiento salarial redujo de forma significativa los errores de previsión, en magnitudes relevantes, frente a los enfoques de referencia. En el momento de publicación del artículo, ningún otro banco central había informado aún de haber adoptado el código publicado.
Los autores subrayan que, pese al sólido desempeño cuantitativo, seguirá siendo siempre fundamental que los economistas que usan la herramienta interroguen, validen y apliquen su juicio a los resultados, en lugar de tratarlos como una verdad absoluta. Se trata de una evaluación de investigación interna de una única institución, no de un ensayo replicado externamente.
National / regional programmes
Vías de financiación indicativas para prácticas de este tipo: compruebe siempre las convocatorias vigentes y las reglas de elegibilidad de cada programa.
¿Usted implementa esta práctica? Reivindíquela — los implementadores verificados obtienen un contacto público en la página y pueden proponer correcciones.
De dónde se obtuvo la información de esta práctica, y cuándo.
Alemania
Desde finales de 2022, el BCE utiliza un modelo de aprendizaje automático (bosque de regresión cuantílica) dentro de su conjunto …
Kenia
Un modelo de 'nowcasting' asistido por el FMI ofrece al banco central de Kenia estimaciones semanales del crecimiento del PIB …
Ghana
El Banco de Ghana creó una metodología interna de 'nowcasting' llamada e-Inflation y la combinó con modelos de aprendizaje automático …
España
El modelo Spain-STING, del Banco de España, prevé en tiempo real el PIB trimestral español; una reespecificación de 2024 (relaciones …
Abrir el copiloto completo Basado en prácticas citadas: comprueba siempre las fuentes.