La pronta disponibilidad de información permite una actuación eficaz y selectiva del gobierno en las crisis
Jan Kinne
Con la crisis del petróleo, el estallido de la burbuja de las puntocom, la crisis financiera y bancaria y la pandemia de COVID-19, en los últimos cincuenta años se han producido varias conmociones económicas que a menudo han tenido graves consecuencias para el panorama empresarial. A menudo, los gobiernos sólo son capaces de prestar un apoyo específico y responder adecuadamente a estos acontecimientos inesperados con un retraso considerable, ya que no se suele disponer de los datos adecuados al principio de una crisis. El análisis basado en IA de los sitios web corporativos puede remediar esta situación complementando los métodos de encuesta tradicionales y proporcionando previsiones tempranas fiables de manera oportuna. Así lo demuestran los estudios realizados por el ZEW de Mannheim en colaboración con la Universidad Justus Liebig de Giessen durante la crisis del coronavirus.
16. Septiembre 2021
Con la crisis del petróleo, el estallido de la burbuja de las puntocom, la crisis financiera y bancaria y la pandemia de COVID-19, en los últimos cincuenta años se han producido varias conmociones económicas que a menudo han tenido graves consecuencias para el panorama empresarial. A menudo, los gobiernos sólo son capaces de prestar un apoyo específico y responder adecuadamente a estos acontecimientos inesperados con un retraso considerable, ya que no se suele disponer de los datos adecuados al principio de una crisis. El análisis de sitios web corporativos basado en IA puede remediar esta situación complementando los métodos de encuesta tradicionales y proporcionando previsiones tempranas fiables en el momento oportuno. Así lo demuestran los estudios realizados por el ZEW de Mannheim en colaboración con la Universidad Justus Liebig de Giessen durante la crisis del coronavirus.
Para proporcionar ayuda rápida, como fue necesario al principio de la pandemia en curso, el Gobierno no vio otra opción que utilizar la tan cacareada "bazuca", dada la falta de datos que hubieran permitido una respuesta política más diferenciada. Aunque la ayuda se presta de esta manera, es cualquier cosa menos selectiva en lo que se refiere a la distribución de los recursos financieros utilizados. "Para proporcionar a los responsables políticos información relevante lo antes posible y poder canalizar las ayudas estatales de forma eficaz, el análisis basado en la web se revela como un instrumento extremadamente útil", afirma el Dr. Georg Licht, jefe del Departamento de Investigación "Economía de la Innovación y Dinámica Industrial" del ZEW.
En el periodo inmediatamente posterior a un choque económico inesperado, suele haber una gran necesidad de información, que coincide con una importante falta de información relevante. Partiendo de esta inadecuada disponibilidad de datos, un equipo de investigadores del ZEW, junto con la empresa emergente ISTARI.AI, desarrolló una metodología basada en inteligencia artificial para la evaluación automatizada de sitios web corporativos, que ahora también utilizan instituciones de otros países europeos. Con la ayuda del algoritmo de IA desarrollado por ISTARI.AI, se escanearon más de un millón de sitios web corporativos de empresas alemanas y se evaluaron en busca de referencias a la pandemia de coronavirus cada semana durante la crisis del COVID-19. El algoritmo puede distinguir con fiabilidad si las empresas informan de problemas (cierres, cancelación de eventos, etc.) o anuncian medidas de adaptación (horarios de apertura ajustados, servicio de entrega, etc.) en relación con la pandemia. De este modo, puede determinarse en una fase temprana qué empresas y sectores económicos se ven principalmente afectados. El análisis realizado entre marzo y mayo de 2020 permitió obtener una primera visión de conjunto de los efectos económicos derivados de la inesperada perturbación económica. La ventaja de una fuente de datos dinámica como el análisis del sitio web es que permite determinar las repercusiones de una perturbación económica casi en tiempo real.
Fuente: Krüger et al. 2020.
Con las formas tradicionales de recopilación de datos, como las encuestas, es prácticamente imposible determinar el impacto en tiempo real, ya que lleva mucho tiempo prepararlas, realizarlas y evaluarlas. Otras fuentes de datos, como los balances o la calificación crediticia, también son indicadores importantes. Pero también tienen el inconveniente de que sólo revelan el impacto de una crisis cuando la sacudida económica ya ha surtido pleno efecto y es visible en la disciplina de pagos y en los balances de las empresas.
Los investigadores del ZEWrecomiendan un conjunto de medidas
Especialmente en la crisis del coronavirus, en la que los políticos tuvieron que reaccionar con rapidez pero al mismo tiempo se enfrentaron a un gran déficit de información sobre su impacto económico, las evaluaciones basadas en la web son una herramienta valiosa para diseñar medidas de alivio tempranas y específicas para las empresas. Por otra parte, las formas tradicionales de recopilación de datos y las fuentes de información tienen la ventaja de que pueden captar el alcance de una perturbación de forma más diferenciada y también permiten analizar el impacto real, aunque con un desfase temporal considerable.
Para mejorar la pronta disponibilidad de información en caso de crisis económica, poder iniciar la acción gubernamental de la forma más específica y oportuna posible, y optimizarla continuamente durante el transcurso de la crisis, los investigadores del ZEW recomiendan un conjunto de medidas que combinan diversas fuentes de datos con el fin de captar plenamente el impacto económico de una crisis. En un primer momento, debería llevarse a cabo una rápida evaluación de un gran número de sitios web de empresas para mejorar rápidamente el suministro de información. A continuación, habría que optimizar y completar esta información mediante encuestas a empresas seleccionadas, incorporando los resultados del análisis de los sitios web en el diseño de las encuestas.
Imagen: Capa digital para las regiones de Heilbronn (arriba) y Ostwestfalen-Lippe (abajo)
"Un examen retrospectivo de los datos de calificación crediticia de las empresas observadas sugiere que este enfoque ofrece resultados fiables que proporcionan una indicación anticipada de los movimientos posteriores de la calificación", explica Julian Dörr, del equipo del proyecto del ZEW que realizó el estudio. De este modo, los investigadores del ZEW demuestran que los resultados del análisis web pueden utilizarse como indicadores tempranos de cambios en la solvencia de las empresas en el curso posterior de la crisis. La información procedente de datos web masivos evaluados automáticamente es, por tanto, de gran valor para los responsables políticos y económicos. Especialmente en situaciones de crisis dinámicas, el análisis web basado en IA puede complementar los métodos de encuesta tradicionales y proporcionar previsiones tempranas actualizadas y fiables.
Visualizaciones basadas en referencias web COVID-19 clasificadas. Si una empresa ha notificado al menos una referencia COVID-19 clasificada en la clase de contexto correspondiente en cualquiera de las consultas web, se le asigna un 1. De lo contrario, se le asigna un 0 para la clase correspondiente (versión binarizada de los indicadores web). Las líneas rojas representan los valores de impacto específicos del sector. Las zonas sombreadas en gris representan los valores de impacto medios (no ponderados) de todos los sectores.
En el futuro, los investigadores del ZEW quieren centrarse en la interpretabilidad de sus modelos de IA ("IA explicable"). "En los últimos años ha aumentado la conciencia de que los sistemas de inteligencia artificial no deben ser una caja negra en determinados contextos. Por el contrario, sus resultados deben ser interpretables, justos, transparentes y comprensibles. Especialmente en el contexto de que las decisiones políticas se basarán cada vez más en los resultados de los modelos de IA, estos resultados deben cumplir todos estos criterios", afirma el Dr. Jan Kinne, economista del ZEW y cofundador de ISTARI.AI. Por ejemplo, es importante saber qué palabras y combinaciones de palabras tienen un peso especialmente alto en las predicciones. Pero al mismo tiempo, una caja negra también tiene sus ventajas, ya que es más difícil de manipular que un sistema abierto y totalmente transparente.
Dörr et al. 2021: https://ftp.zew.de/pub/zew-docs/dp/dp21062.pdf
Este blog se publicó por primera vez en https://www.zew.de/
¿Le interesan nuestros datos?
Reserve una demostración gratuita.