En Media Party Buenos Aires 2024, Anna Vissens, Head of Data Science en The Guardian, presentó un proyecto colaborativo de IA junto a JournalismAI, Follow the Money y Daily Maverick. El objetivo era construir una herramienta de vinculación de entidades que ayude a los periodistas de investigación a destapar la corrupción conectando personas y eventos a través de grandes volúmenes de texto, incluso cuando las personas comparten el mismo nombre.
El equipo aplicó modelos de NER de spaCy sobre 300.000 artículos, integrando bases de datos externas como LittleSis y OpenSanctions. Tras anotar manualmente 4.000 ejemplos a lo largo de 40 horas de trabajo, el modelo alcanzó una precisión del 70%, aunque enfrentó obstáculos por la duplicación de datos, la limitada diversidad de nombres y un ligero sesgo político.
Vissens enfatizó que la calidad de los datos es el factor más crítico para el éxito y que es difícil desarrollar herramientas universales para las redacciones sin un reentrenamiento continuo. De cara al futuro, señaló que los LLM y la aumentación de contexto serán la clave para llevar la vinculación de entidades mucho más allá de los métodos tradicionales.
¡No te pierdas la presentación completa! Mira la charla de Anna Vissens en Media Party Buenos Aires 2024 (subtítulos disponibles en español).
Perfil de la oradora
Anna Vissens
Head of Data Science, The Guardian
