Usé los 36 datos más recientes sobre la producción de petróleo en Venezuela, hasta junio de 2023. Estos datos los obtuve de los reportes mensuales de la OPEP (OPEC Monthly Oil Market Report). Luego le solicité a ChatGPT que hiciera dos pronósticos para el pasado mes de julio. Para el primer pronóstico, dejé que el algoritmo eligiera libremente el método y eligió usar uno denominado «promedio móvil simple». Aquí, el pronóstico de ChatGPT fue que la producción sería de alrededor de 746.000 barriles por día según fuentes secundarias y 810.000 barriles por día según comunicaciones directas.
En el segundo pronóstico, le solicité usar un método más sofisticado llamado «Método de Holt-Winters», para lo cual pronosticó alrededor de 783.000 barriles por día según fuentes secundarias y 803.000 barriles por día según comunicaciones directas.
En mi artículo del pasado 28 de julio de 2023, publicado por El Nacional, documenté esos dos pronósticos de ChatGPT y dos semanas después, el día 10 de agosto, se publicaron los datos reales de producción para julio de 2023 en el boletín de la OPEP, hecho que dio la oportunidad para comparar lo pronosticado con lo realmente verificado. La producción real fue de 772.000 barriles por día según fuentes secundarias y 810.000 barriles por día según comunicaciones directas.
En la vida profesional, la evaluación del pronóstico se hace tomando decisiones sobre el error que produce cada serie de datos en cada metodología utilizada para pronosticar y resulta ser que hay tres tipos de error computables. Ahora bien y para no atentar contra la amenidad y sencillez de un artículo de opinión, comento a continuación y a grandes rasgos, algunos aspectos positivos y negativos de los dos pronósticos sin referirme a los errores.
En cuanto a los resultados del pronóstico de ChatGPT con promedio móvil simple, para las comunicaciones directas, fue 810.000 barriles por día y el resultado real fue de 810.000 barriles por día, una diferencia de “cero” entre el valor real y el pronóstico. Aquí, el método de promedio móvil simple utilizado por ChatGPT capturó bien la tendencia subyacente en los datos. Sin embargo y para la serie de fuentes secundarias, el pronóstico de ChatGPT no siguió la tendencia con la que venían los datos al pronosticar para julio 746.000 barriles, una cifra menor que la real verificada en junio e igual a 767.000 barriles por día.
Por otra parte, considerando el pronóstico de ChatGPT con el método de Holt-Winters, en las fuentes secundarias el pronóstico fue de 783.000 barriles por día, mientras que la producción real fue de 772.000 barriles por día. En la serie de comunicaciones directas, el pronóstico fue de 803.000 barriles por día, mientras que la producción real fue de 810.000 barriles por día. En ambas series, el método respetó la tendencia con la que venían los datos.
Mi opinión con relación a los dos pronósticos de ChatGPT es que fueron satisfactorios, particularmente aquel en que el algoritmo utilizó el método de Holt-Winters. El mundo real es complejo y está repleto de incertidumbres y ya nada más obtener un pronóstico que respete aquel célebre enunciado del análisis técnico que dice “la tendencia es tu amiga, síguela”, constituye un éxito.
Quiero finalizar citando, de entre muchos, dos elementos de un buen pronóstico. En primer lugar, la técnica de pronóstico debe ser de fácil comprensión y utilización. Los usuarios suelen desconfiar de los pronósticos basados en técnicas sofisticadas, ello en virtud de que no entienden las circunstancias en que tales técnicas son apropiadas o las limitaciones de las mismas. En segundo lugar, el pronóstico debe ser rentable: los beneficios derivados del pronóstico deben superar los costos de implementarlo.
Teniendo en cuenta estos dos elementos, resulta evidente que la Inteligencia Artificial, vista en este caso en los pronósticos de ChatGPT, constituye una invaluable ayuda para aquellos que conocen poco sobre el tema de pronósticos o buscan contrastar, de una manera económica, sus propias percepciones y estimaciones. En tal sentido, ChatGPT constituye una muy buena herramienta que las empresas dedicadas al adiestramiento de ejecutivos no deben despreciar.
Lo anterior cuando hay datos. ¿Pero qué pasa cuando no hay datos históricos de demanda o no tenemos acceso a ellos? A modo de ejemplo, una taguara de venta de empanadas o un modesto kiosko en la calle. ¿Cómo puede ayudarnos ChatGPT en esa circunstancia? Bien, de eso escribiré en el artículo de la semana que viene.