Inteligencia artificial al servicio del comercio internacional
Clasificar con precisión los productos es esencial en el comercio internacional, ya sea para fines estadísticos o de recaudación. Una clasificación incorrecta, intencionada o no, puede ocasionar mediciones imprecisas de flujos comerciales, pérdida de dinero, retrasos en el control fronterizo y una aplicación errónea de restricciones. Tradicionalmente, la clasificación de productos fue realizada de forma manual, pero el auge del comercio electrónico requiere que las aduanas procesen millones de envíos anualmente. En consecuencia, varios países clasifican sus envíos por su valor o tamaño, en lugar de por la mercancía específica, limitando su capacidad para evaluar posibles riesgos y la precisión con la que miden la composición de su comercio internacional. Franco Riottini Depetris, magíster en Economía por la Universidad de San Andrés y consultor del Banco Interamericano de Desarrollo, Christian Volpe Martincus del Banco Interamericano de Desarrollo e Ignacio Marra de Artiñano de la Universidad Libre de Bruselas observan que la transformación de las descripciones de productos en códigos estandarizados evitaría dichos errores de clasificación e, incluso, prácticas fraudulentas.
Los investigadores evaluaron algoritmos para clasificar productos automáticamente a partir de descripciones textuales, en un reciente artículo publicado por el Inter-American Development Bank Integration and Trade Sector. Utilizando una base de datos de la aduana de Chile entrenaron algoritmos tradicionales de machine learning con más de 104 millones de descripciones de productos agrícolas y sus códigos aduaneros. Luego, aplicaron estos algoritmos a nuevos conjuntos de datos —de la aduana de Paraguay y del Departamento de Agricultura de Estados Unidos— para evaluar su efectividad en la asignación automática de códigos aduaneros a partir de las descripciones de productos. Sin embargo, la clasificación alcanzó solo un 20% de precisión. Los investigadores intentaron resolver esta misma tarea con GPT-3.5 y GPT 4.0 de la empresa OpenAI, dos modelos de inteligencia artificial entrenados con grandes volúmenes de datos capaces de comprender y generar un lenguaje similar al humano, y obtuvieron una precisión del 60% al 90%. Actualmente, se encuentran trabajando en una nueva investigación con los modelos Claude 3 Sonnet y Claude 3.5 Sonnet de la empresa Anthropic.
“La desventaja de los algoritmos tradicionales para clasificar productos de manera automática frente a los grandes modelos de lenguaje ocurrió incluso cuando fueron entrenados con más de un millón de observaciones. Obtener un rendimiento superior sin entrenamiento adicional demuestra que cualquier institución puede aumentar su productividad y reducir errores y sanciones por clasificaciones incorrectas, sin la necesidad de contar con especialistas en computación. Además, los grandes modelos de lenguaje trabajan con descripciones de productos en múltiples idiomas, incluyendo variantes regionales y, al estar entrenados con grandes cantidades de datos, abren un abanico de oportunidades para resolver problemas cotidianos que antes parecían inimaginados” explica Riottini Depetris.