Cómo funciona la IA y dónde puede equivocarse

1. Qué significa "IA" aquí

Cada publicación que procesamos pasa por un analizador basado en LLM. El trabajo del analizador es responder tres preguntas sobre cada publicación:

• ¿Está esta publicación haciendo una predicción de trading, o es comentario, un gráfico, un meme, noticias?
• Si es una predicción, ¿sobre qué ticker (o tickers)?
• ¿Qué dirección — COMPRAR/largo o VENDER/corto — y qué tan seguro suena el autor?

Esas salidas estructuradas se almacenan en nuestra base de datos y se usan para calcular todo lo demás. Si el modelo malinterpreta una publicación, el error se propaga a todos esos números.

2. Qué modelos usamos

SignalSnitch envía el texto de la publicación a múltiples LLM, incluyendo Anthropic Claude y OpenAI GPT. Solo enviamos el texto público de la publicación — nunca tus datos de cuenta, tu lista de seguimiento, tu información de facturación ni ningún otro dato privado.

3. Modos de falla que hemos visto

3.1 Alucinación de ticker

El modelo inventa un ticker que no aparece en ninguna parte de la publicación original. Ejecutamos un paso de verificación que descarta señales cuyo ticker no aparece literalmente en el texto fuente, lo que detecta los casos comunes.

3.2 Lectura errónea de sentimiento

El modelo invierte COMPRAR/VENDER en una publicación que usa ironía, lenguaje cauteloso o una estructura confusa. Confiamos en el filtro de consenso (≥2 personas de acuerdo) para diluir el impacto de un error individual.

3.3 Comentario clasificado como predicción

Comentarios o subtítulos de captura de pantalla que mencionan un ticker se promueven como señales reales de COMPRAR/VENDER. Usamos la etiqueta "Sin predicciones" («No-Calls») en la página de detalles del influencer para que puedas auditar lo que el clasificador marcó y no marcó.

3.4 Lectura errónea de zona horaria / fecha

El modelo puede ocasionalmente malinterpretar la hora de publicación relativa a la apertura del mercado, lo que afecta el "precio de entrada" que capturamos.

4. Qué medimos

La precisión de un autor se basa en lo que realmente ocurrió en el mercado después de cada una de sus predicciones — no en lo seguro que la IA creyó que sonaba. Esperamos lo suficiente después de una predicción antes de evaluarla para que el veredicto refleje movimiento real y no ruido del primer minuto.

El tamaño de la muestra importa más que el número titular. Siempre mostramos el número de predicciones junto a cada porcentaje para que puedas sopesarlo.

5. Salvaguardas que ejecutamos

Filtramos las señales donde la IA inventó un ticker que no estaba en la publicación. No tratamos la opinión de un solo autor como un "consenso" — varios autores independientes deben coincidir primero. Calificamos ganancias y pérdidas a partir de datos de precio reales a posteriori. Y revisamos periódicamente señales antiguas a medida que mejora nuestro análisis.

6. Qué deberías hacer

Haz clic en la publicación original. Cada tarjeta de señales enlaza al tweet / hilo de Reddit / mensaje de StockTwits original. Lee la publicación tú mismo antes de actuar sobre cualquier señal.

Trata los números como rangos, no como puntos. Una cifra de "65% de precisión" tiene bandas de incertidumbre por tamaño de muestra, error del analizador y sesgo de supervivencia.

Reporta los errores que detectes. Envía un correo a [email protected] con la URL de la señal. Usamos esos reportes para refinar las instrucciones del analizador.

7. En resumen

SignalSnitch es una herramienta de investigación que usa IA imperfecta sobre entradas imperfectas (redes sociales) para producir salidas imperfectas. El proceso es lo suficientemente bueno para revelar patrones y estudiar la psicología de masas — que es el caso de uso que prometemos. No es lo suficientemente bueno para ser una señal de trading sobre la que actúes sin tu propia verificación.