Actuaría e inteligencia artificial: los LLM y la estadística

Inteligencia artificial

La inteligencia artificial moderna (incluidos los grandes modelos de lenguaje o LLM (como los que impulsan a los asistentes conversacionales)) no es magia: está construida sobre probabilidad y estadística, justamente las herramientas que un actuario domina. Esta sección explica esa conexión.

¿Cómo se construye un LLM? Estadística, no magia

Un modelo de lenguaje es, en esencia, un modelo probabilístico autoregresivo: predice el siguiente token (una palabra o fragmento) estimando una distribución de probabilidad sobre todo el vocabulario, condicionada al texto anterior.

Distribución de probabilidad: la última capa de la red produce logits que la función softmax convierte en probabilidades que suman 1 -la misma idea de una función de masa de probabilidad.
Máxima verosimilitud (MLE): el modelo se entrena maximizando la probabilidad asignada al token correcto, es decir, por estimación de máxima verosimilitud, el método con el que un actuario ajusta tablas de mortalidad o distribuciones de siniestros.
Entropía cruzada = log-verosimilitud negativa: la función de pérdida que se minimiza es la entropía cruzada, equivalente a la log-verosimilitud negativa. Penaliza al modelo cuando asigna baja probabilidad al resultado real.
Optimización: los pesos se ajustan con descenso de gradiente (backpropagation), una técnica de optimización numérica.
Redes neuronales: una red neuronal puede verse como una generalización no lineal de los modelos lineales y los GLM que el actuario ya usa en tarificación.

En una frase: entrenar un LLM es ajustar, por máxima verosimilitud, un enorme modelo estadístico que estima probabilidades condicionales. El actuario reconoce cada pieza: probabilidad, verosimilitud, entropía, regresión, optimización y validación.

El puente actuario ↔ inteligencia artificial

Concepto en IA / LLM	Herramienta que el actuario ya conoce
Distribución del siguiente token (softmax)	Distribuciones de probabilidad y funciones de masa
Entrenamiento por máxima verosimilitud	Estimación de máxima verosimilitud (MLE)
Pérdida de entropía cruzada	Log-verosimilitud negativa; teoría de la información
Redes neuronales	Modelos lineales y GLM (generalizados)
Embeddings y reducción de dimensión	Análisis de componentes principales (PCA)
Regularización y validación	Sobreajuste, validación cruzada, credibilidad
Descenso de gradiente	Optimización numérica

Por qué el actuario es clave en la era de la IA

Porque entiende el motor estadístico que hay debajo, el actuario está en posición privilegiada para aplicar, interpretar, validar y gobernar los modelos de IA: medir su incertidumbre, detectar sesgos, cuidar la calidad de los datos y comunicar resultados con responsabilidad profesional. La IA no sustituye el juicio actuarial: lo potencia.

Profundiza en la analítica predictiva (basada en el currículo de la SOA) y en el campo de ciencia de datos.

Preguntas frecuentes

Sí. Un LLM es un modelo probabilístico que predice el siguiente token con una distribución de probabilidad y se entrena por máxima verosimilitud minimizando la entropía cruzada: conceptos centrales de la estadística actuarial.

No. Automatiza tareas, pero la responsabilidad técnica, el juicio sobre el riesgo, la validación de modelos y la firma profesional siguen siendo humanos.