evidoria

← Voltar à navegação

Boa prática Importada

Uma Ferramenta de Análise de Texto com IA para o Programa de Contactos Empresariais do Banco da Reserva da Austrália

Austrália · Sydney · Ver o perfil de Austrália · Ver o perfil de Sydney

Evidência: Observacional / pré-pós Top 50% 60/100 · Pergunte a Evidence Copilot sobre esta prática

O RBA criou uma ferramenta de PLN que analisa 25 anos de cerca de 22 mil notas de contactos empresariais; integrada em modelos de previsão salarial, reduziu os erros de previsão face às abordagens de referência, com o código disponibilizado a outros bancos centrais.

Uma Ferramenta de Análise de Texto com IA para o Programa de Contactos Empresariais do Banco da Reserva da Austrália

Detalhes

Maturidade
Consolidada
Promotor
Reserve Bank of Australia
Período
2025-2026
Palavras-chave
central banking, monetary policy, economic research, natural language processing

Contexto

Desde 2001, o programa de ligação (liaison) do Reserve Bank of Australia envia colaboradores para entrevistar cerca de 22.000 empresas, associações setoriais e organizações comunitárias, criando um arquivo de 25 anos de notas qualitativas sobre salários, preços, investimento e condições de negócio, usado para orientar a política monetária. A pesquisa manual neste vasto arquivo de texto livre limitava a capacidade do RBA de extrair sinais de forma sistemática.

Objetivos

O documento de discussão RBA 2025-06 (Gray, Lattimore, McLoughlin e Windsor, agosto de 2025) descreve a construção de um sistema de PLN para pesquisar todo o arquivo de ligação sob demanda, classificar o tema e o tom de cada nota, e extrair valores numéricos precisos — como o crescimento salarial ou de preços autorreportado por uma empresa — diretamente do texto livre.

Atividades

A equipa validou as extrações da ferramenta face a padrões codificados manualmente por humanos, testando depois se os indicadores resultantes, baseados nas notas de ligação, melhoravam os modelos de previsão a curto prazo (nowcasting) do crescimento salarial. O RBA publicou o código em aberto para que outros bancos centrais pudessem adaptar a abordagem.

Resultados

A adição dos sinais derivados de IA aos modelos de nowcasting do crescimento salarial reduziu significativamente os erros de previsão, em magnitudes relevantes, face às abordagens de referência. À data da publicação do artigo, nenhum outro banco central tinha ainda comunicado a adoção do código disponibilizado.

Conclusões

Os autores sublinham que, apesar do forte desempenho quantitativo, continuará sempre a ser essencial que os economistas que utilizam a ferramenta a interroguem, validem e apliquem juízo crítico aos seus resultados, em vez de os tratar como verdade absoluta. Trata-se de uma avaliação interna de investigação de uma única instituição, não de um ensaio replicado externamente.

Implementação

Custo indicativo
Baixo (< 50 mil €)
Tempo até resultados
Curto (< 1 ano)
Equipa e competências
RBA in-house economic research team (Gray, Lattimore, McLoughlin, Windsor)

Condições de sucesso

  • AI extractions validated against human-coded benchmarks before use in forecasting
  • Explicit institutional guidance that economists must interrogate, validate and apply judgement to model outputs rather than treat them as ground truth
  • Open-sourcing the code to enable external scrutiny and adaptation by other central banks

Habitualmente financiado por

National / regional programmes

Vias de financiamento indicativas para práticas deste tipo — verifique sempre os avisos abertos e as regras de elegibilidade de cada programa.

Implementa esta prática? Reivindique-a — implementadores verificados obtêm um contacto público na página e podem propor correções.

Fontes de dados

De onde foi obtida a informação desta prática, e quando.

Anexos

Práticas semelhantes que podem ser úteis