Lenguaje modelo (NLP) aplicado a finanzas: evaluación de riesgos, automatización y sesgos explicables.

Abstract

La presente investigación analiza la aplicación de modelos de lenguaje natural (NLP) en el ámbito financiero, enfocándose en la evaluación de riesgos, la automatización de procesos y la mitigación de sesgos. Se realizó un estudio documental, revisando 78 publicaciones académicas y bases de datos especializadas, de las cuales 62 cumplieron los criterios de inclusión. Los resultados muestran que modelos como GPT, LLaMA y BERT son los más utilizados, destacando su capacidad para procesar grandes volúmenes de datos textuales, identificar patrones complejos, anticipar fraudes y prever crisis financieras. La investigación evidencia que la automatización mediante NLP mejora la eficiencia operativa y reduce errores humanos, aunque persisten limitaciones en la explicabilidad y la mitigación de sesgos. Solo un porcentaje reducido de estudios incorpora técnicas de inteligencia artificial explicable (XAI), subrayando la necesidad de auditorías y supervisión profesional. Se concluye que los modelos de lenguaje natural poseen un potencial transformador en finanzas, siempre que su implementación combine eficiencia, precisión y principios éticos. La investigación resalta la importancia de desarrollar marcos robustos de explicabilidad y protocolos de monitoreo continuo para garantizar decisiones confiables, justas y sostenibles.