¿AI washing o divulgación creíble? · Germán Oviedo

Arquitectura

1,5M+ párrafos 10-K, 10-Q, 8-K, proxies y earnings calls del S&P 500, segmentados sin LLM
Candidatos de IA prefiltro logístico con vocabulario y embeddings
Marcos semánticos LLM judges extraen afirmaciones y actividades concretas
Panel empresa-año índice de washing: narrativa contra respaldo operativo
Econometría DiD, posturas y estabilidad bootstrap

Data lake Parquet por capas con Polars y DuckDB; cada etapa es reproducible y solo agrega datos.

Objetivo

Medir si lo que las empresas del S&P 500 dicen sobre IA en sus reportes (2021–2026) tiene respaldo en implementaciones concretas, o si es solo narrativa.

Lo que hice

Armé un data lake en Parquet por capas (raw, bronze, silver, gold) con Polars, reproducible etapa por etapa.
Segmenté 10-K, 10-Q, 8-K, proxies y transcripciones de earnings calls por sección, sin usar LLM.
Entrené un prefiltro logístico que reduce el corpus a candidatos, y luego usé LLMs para extraer marcos semánticos y actividades.
Calculé un índice de "washing" por empresa, agrupé posturas y estimé modelos econométricos sobre el panel.

Stack