Recuadro 3: Pronóstico de la inflación en Colombia: experimentos con inteligencia artificial - Informe de Política Monetaria, octubre de 2026
Los análisis y pronósticos incluidos en este informe son producidos por el equipo técnico del Banco. Es la base principal sobre la cual se realiza la recomendación de política monetaria a la Junta Directiva del Banco de la República (JDBR) y por estas razones no refleja necesariamente la opinión de sus miembros.
El periodo pospandemia en Colombia se ha caracterizado por una dinámica de precios muy volátil, impulsada por choques globales de materias primas, restricciones de oferta y cambios en las expectativas. En efecto, la inflación alcanzó cerca del 13 % en 2022, su nivel más alto desde finales de los años noventa. Desde entonces ha descendido, pero se ha mantenido por encima de la meta del 3 % del Banco de la República. Más recientemente, la tendencia desinflacionaria se interrumpió y la inflación total anual aumentó del 5,6 % en marzo al 6,3 % en septiembre de 2026. Estas condiciones han puesto los pronósticos de inflación en el centro de atención de la política macroeconómica. El desarrollo de la inteligencia artificial (IA), con modelos capaces de procesar grandes volúmenes de datos estructurados y no estructurados en tiempo real, permite investigar su posible utilidad para complementar las herramientas de pronóstico disponibles en el Banco de la República.
La literatura reciente sobre modelos de lenguaje a gran escala (LLM, por su sigla en inglés) y pronóstico económico puede organizarse en torno a varios usos complementarios que incluyen generar directamente pronósticos macroeconómicos, procesar y pronosticar series de tiempo numéricas, extraer señales predictivas de fuentes textuales, entre otros. Dentro de estos, el pronóstico directo es el más cercano al enfoque empírico de este trabajo, cuyo objetivo es desarrollar y aplicar un marco experimental controlado para el pronóstico de la inflación a un horizonte de 24 meses usando LLM. En particular, se diseña una secuencia de seis experimentos (pasos 1 a 6) en los que se suministra progresivamente información a dos familias de modelos, bajo un protocolo común que busca la comparabilidad entre pasos. Cada configuración se ejecuta diariamente, de forma sistemática y preprogramada, generando pronósticos de inflación en tiempo real, lo que busca evitar que los modelos usen información no disponible al momento del pronóstico2. Este diseño en tiempo real mitiga el look-ahead bias y produce cosechas de pronóstico genuinas. El pronóstico lo genera directamente el LLM y en ningún momento se estima un modelo estadístico o econométrico.
Informes
Presentaciones 
Recuadros
