#analytics
Técnicas de analítica de datos y métricas para sistemas de IA financiera
La taxonomía de NAACL 2025 se mantiene, pero falta cobertura tabular. Los equipos de IA financiera deben adaptar por su cuenta los métodos de modelos de visión.
Fin-RATE muestra que la precisión de los LLM cae al 18,60% en seguimiento longitudinal, con el pipeline de recuperación, no el modelo, como cuello de botella limitante.
Los LLM puntúan hasta 20 puntos peor cuando la respuesta está en medio del contexto, así que RAG financiero debe poner los mejores pasajes primero o al final.
AD-LLM halla que GPT-4o alcanza 0.93–0.99 AUROC zero-shot en detección de anomalías de texto, pero la selección de modelo LLM sigue siendo poco fiable.
τ-bench halla que los mejores LLM caen de pass@1 0.692 a pass@4 0.462 en tareas de herramientas minoristas, mismo risco para agentes de libro mayor.
El mejor modelo de ConvFinQA obtiene una precisión de ejecución del 68,9% frente al 89,4% de los expertos humanos: una brecha de 21 puntos que el chat de contabilidad multi-turno aún debe superar.
FinanceBench evalúa 16 configuraciones de IA frente a 10,231 preguntas de presentaciones reales ante la SEC; el RAG de almacenamiento de vectores compartido responde correctamente solo el 19% de las veces, e incluso GPT-4-Turbo con el pasaje del oráculo alcanza solo el 85% de precisión, lo que demuestra que el razonamiento numérico, no la recuperación, es la limitación crítica para la IA financiera empresarial.
La autoconsistencia vota por mayoría entre rutas de razonamiento muestreadas en vez de una decodificación codiciosa, y suma 17.9 puntos en GSM8K sin entrenamiento extra.
