Foto de archivo: edificio del Banco de la República en Bogotá, 18 de julio de 2019. Felipe Restrepo Acosta, vía Wikimedia Commons. CC BY-SA 4.0. Recorte horizontal; imagen de referencia.
Nos reportamos desde la lectura de una investigación que conecta inteligencia artificial con una preocupación muy cotidiana: los precios. Un documento divulgado por el Banco de la República el 16 de octubre de 2026 explora cómo utilizar modelos de lenguaje para pronosticar la inflación en Colombia. La noticia no es que una máquina ya sepa cuánto costará el mercado, sino que hay un método para poner sus respuestas a prueba.
Un experimento con contexto económico
El trabajo, Experimentando con los LLM para el pronóstico de la inflación en Colombia, pertenece a la serie Borradores de Economía. Sus autores son Aarón Levi Garavito-Acosta, Wilmer Martinez-Rivera, Juan José Ospina-Tejeiro y Edgar Caicedo-García.
Los LLM son modelos de lenguaje de gran tamaño: sistemas capaces de procesar instrucciones y generar respuestas. El estudio compara seis configuraciones que reciben información progresivamente más rica, desde datos de inflación hasta contexto económico y acontecimientos recientes. Cada una produce proyecciones mensuales con un horizonte de 24 meses.
La prueba importa porque una respuesta convincente no garantiza una predicción acertada. En la lectura que hacemos del diseño, el interés está en observar qué cambia cuando se agregan datos y reglas de consistencia. No es lo mismo pedir una cifra sin contexto que construir un ejercicio cuyos pasos puedan examinar otros investigadores.
Lo que muestran las respuestas
Según el resumen del Portal de Investigaciones Económicas, las configuraciones con mayor contexto producen trayectorias menos uniformes y más persistentes. El trabajo considera factores domésticos y externos capaces de influir sobre los precios. La comparación permite estudiar cómo la información que recibe un modelo modifica sus conclusiones.
El resumen del documento registrado en RePEc aclara una limitación central: la evaluación formal de precisión se hará cuando haya más pronósticos en tiempo real disponibles. Por ahora no corresponde afirmar que estos sistemas ya derrotaron a los métodos tradicionales o que predicen mejor en cualquier situación.
La serie también advierte que los trabajos son provisionales y sus opiniones corresponden a los autores. Publicar una investigación no significa que la Junta Directiva haya adoptado el método para decidir tasas. Confundir esas dos cosas sería convertir un laboratorio en una rueda de prensa que nadie convocó.
Qué le aporta al lector
Nuestra lectura es que la utilidad de una IA económica depende de cómo se comprueba su desempeño. Un pronóstico debe conservar la fecha en que fue elaborado y compararse después con el resultado observado. Si cambiamos la información disponible a posteriori, podemos terminar premiando una aparente capacidad de adivinar que en realidad usa datos del futuro.
También conviene separar explicación y medición. Un sistema puede narrar de manera ordenada por qué subirían los precios y equivocarse en la magnitud o en el momento. Por eso una buena historia necesita un control adicional: qué tan cerca estuvo del dato, en qué periodos falló y frente a qué alternativa se compara.
La conexión con Colombia es directa: la investigación analiza nuestra inflación y abre una discusión sobre herramientas para entenderla. Para recordar qué mide ese indicador, puede consultar nuestra explicación sobre los precios y el bolsillo. La lección tecnológica es sencilla: menos fascinación con una respuesta segura y más atención a la evidencia que permite comprobarla. 🤖
