#financial-statements
Investigación sobre generación de balances, estados de resultados y flujos de caja
MultiHiertt muestra que los modelos logran 38% F1 frente al 87% de los humanos en 10.440 pares de QA financiero, con una caída de 15 puntos en preguntas entre tablas.
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.
FinMaster Benchmark: los mejores LLM logran 96% en alfabetización financiera pero solo 3% en generar estados. La propagación de errores cuesta 21 puntos en consultoría.
