Su nombre es JoblessBERT y se trata de un proyecto que detecto tres veces más referencias al desempleo que los métodos tradicionales
31.12.2025 • 13:05hs • nuevos desarrollos
nuevos desarrollos
Cómo funciona la IA que estima la desocupación a partir de publicaciones en X
:quality(75):max_bytes(102400)/https://assets.iproup.com/assets/jpg/2025/03/42180.jpg)
Investigadores del Departamento de Economía de la Universidad de Nueva York desarrollaron una inteligencia artificial capaz de predecir la tasa de desempleo a partir del análisis del contenido publicado en X.
Según detallaron, las personas afectadas por la desocupación suelen expresar su situación en redes sociales, por lo que esos mensajes pueden funcionar como un indicador alternativo para medir el fenómeno.
A partir de esa premisa, el equipo académico creó un modelo de IA diseñado para analizar posteos y estimar los niveles de desempleo.
Para lograr una alta concordancia con los datos oficiales, los especialistas utilizaron más de 31 millones de publicaciones en X realizadas entre 2020 y 2022.
Con ese volumen de información entrenaron un sistema denominado JoblessBERT, cuya función es identificar mensajes vinculados con la pérdida de empleo y situaciones de desocupación.
"Los datos de rastreo digital tienen un enorme potencial para medir variables relevantes para las políticas públicas en tiempo real. Sin embargo, su confiabilidad suele ser cuestionada", detallaron los investigadores en un artículo académico.
El éxito de la IA que mide el desempleo según posteos en X
De acuerdo con los resultados, la IA detectó casi tres veces más referencias al desempleo que los métodos tradicionales basados en reglas, lo que permitió obtener estimaciones precisas de las tasas a nivel nacional, estatal y municipal en Estados Unidos.
Además, el nuevo enfoque redujo los errores de pronóstico en casi 55% en comparación con otras metodologías.
Los autores sostuvieron que esta propuesta demuestra cómo la combinación de modelos de inteligencia artificial y datos provenientes de redes sociales puede complementar las estadísticas económicas tradicionales, como las encuestas, y aportar información en tiempo real para el diseño de políticas públicas, especialmente en contextos de crisis.
"Demostramos que nuestra metodología supera de manera sistemática el promedio de los pronósticos del sector y puede mejorar las predicciones de las solicitudes de seguro de desempleo con hasta dos semanas de anticipación, tanto en períodos de inestabilidad como en momentos más estables", afirmaron.
Finalmente, concluyeron que "los resultados evidencian el potencial de integrar sistemas de IA con modelos estadísticos para contribuir a una toma de decisiones públicas mejor informada".
En un contexto en el que la disponibilidad de datos en tiempo real cobra cada vez más relevancia, el estudio refuerza la idea de que las redes sociales pueden convertirse en una fuente complementaria para el análisis económico de un país.
