Aplicación de Grandes Modelos de Lenguaje en el Análisis de Redes Sociales para el Sector Empresarial: Implicaciones en el Proceso de la Compra y la Moderación de Contenidos Conflictivos

Abstract

La tesis se sitúa en el contexto del creciente volumen e influencia de los contenidos generados por usuarios en redes sociales y plataformas digitales, un fenómeno que presenta tanto oportunidades como desafíos para el sector empresarial. Reconoce la necesidad de herramientas avanzadas para procesar y comprender esta ingente cantidad de datos textuales, no solo para entender las dinámicas del mercado y las percepciones de los consumidores, sino también para gestionar eficazmente la reputación online y moderar contenidos potencialmente dañinos. Si bien la Ciencia Social Computacional ha ofrecido métodos para este fin, la emergencia de los Grandes Modelos de Lenguaje (GML) representa un salto cualitativo, ofreciendo capacidades sin precedentes para analizar el lenguaje natural a gran escala. Sin embargo, su aplicación práctica y ética en escenarios empresariales específicos requiere una investigación detallada.

El objetivo global de esta investigación fue analizar el potencial real de los GML en el procesamiento y comprensión de estos contenidos sociales generados en el contexto empresarial. Para ello, se propuso desarrollar modelos específicos orientados a dos áreas críticas: primero, mejorar la toma de decisiones durante procesos de compra complejos, mediante el análisis semántico de reseñas expertas (utilizando el caso de los vehículos eléctricos); y segundo, evaluar y mejorar la detección y moderación de discursos conflictivos, con un foco particular en la misoginia digital, empleando técnicas de interpretación contextual y clasificación ética.

Metodológicamente, la tesis se apoyó en enfoques de la Ciencia Social Computacional, el uso de GML (específicamente Gemini de Google), técnicas de análisis bibliométrico como coocurrencias y mapeo estratégico para construir los estados del arte, y la metodología estructurada para procesos de compras y CRISPDM (Cross-Industry Standard Process for Data Mining (en español, Proceso Estándar Intersectorial para la Minería de Datos) para el desarrollo y evaluación de los modelos propuestos. Se emplearon diversas técnicas avanzadas, incluyendo ingeniería de prompts, gramáticas formales enriquecidas semánticamente con el FBN (Forma de Backus-Naur) con su extensión semántica, modelos lingüísticos difusos para la representación matizada del sentimiento, análisis estadístico (pruebas chi-cuadrado, Tukey HSD) y técnicas de clustering semántico, basadas en embeddings y reducción de dimensionalidad.

La primera línea de investigación se centró en la aplicación de GML al análisis del proceso de compra de vehículos eléctricos. Se identificó que las técnicas tradicionales de Extracción de Tripletas Aspecto-Sentimiento-Opinión (ETASO) a menudo fallan al capturar la relevancia de datos técnicos (frecuentemente clasificados como neutros) y los matices del sentimiento en reseñas especializadas. Para superar esto, se desarrolló un marco ETASO semántico innovador que combina la potencia de los GML con la precisión estructural de una gramática FBN semántica y la interpretabilidad de los modelos lingüísticos difusos. Este modelo se aplicó al análisis de reseñas detalladas de YouTube (del canal Carwow) sobre tres modelos populares de vehículos eléctricos, integrando los resultados estructurados en las distintas fases del proceso de decisión de compra. Los hallazgos demostraron que este enfoque GML+FBN fue capaz de extraer y estructurar eficazmente tanto la información cualitativa como la cuantitativa, incluyendo datos técnicos cruciales, superando así las limitaciones previas. Además, la representación lingüística difusa del sentimiento aportó mayor interpretabilidad, y las valoraciones finales generadas por el modelo mostraron una notable coherencia con las cifras de ventas reales, validando su aplicabilidad práctica para apoyar decisiones de compra informadas.

La segunda línea de investigación abordó la evaluación del comportamiento de los GML en la moderación de contenidos conflictivos, específicamente la misoginia digital. El desafío principal era auditar cómo un GML gestiona diferentes tipos de discurso de odio en interacciones simuladas pero realistas, sin instrucciones explícitas de moderación, para identificar posibles sesgos operativos. Se diseñó un modelo de análisis sistemático basado en CRISP-DM para evaluar el comportamiento del GML gemini-1.5-flash ante mensajes previamente clasificados como misóginos, xenófobos o de odio sexual. La metodología implicó simular interacciones individuales, registrar si el GML bloqueaba el mensaje por seguridad o generaba una respuesta textual, y analizar ambas salidas. Los resultados revelaron diferencias significativas: el GML mostró una tendencia a bloquear mensajes xenófobos con una frecuencia considerablemente mayor que los mensajes misóginos o de odio sexual. Además, el análisis semántico y de clustering de las respuestas generadas (cuando no había bloqueo) indicó que el modelo adoptabaenfoques discursivos distintos según el tipo de odio: las respuestas a la xenofobia eran más analíticas, contextualizadas y correctivas, mientras que las respuestas a la misoginia y al odio sexual tendían a ser más generalistas, centradas en el respeto o la falta de información.

En conclusión, la tesis demuestra el considerable potencial de los GML para transformar tareas empresariales complejas que dependen del análisis del lenguaje, como el apoyo a la decisión de compra y la moderación de contenidos. Las contribuciones principales incluyen un método novedoso y eficaz (ETASO basado en GML+FBN con su extensión semántica) para el análisis avanzado de sentimientos en textos técnicos; un modelo replicable (basado en CRISP-DM) para auditar la equidad y consistencia de los GML en tareas sensibles de moderación; la evidencia empírica de sesgos diferenciales en el tratamiento del discurso de odio por parte de un GML comercial; la integración explícita de consideraciones de Responsabilidad Social Corporativa (RSC) en la evaluación tecnológica; y un conjunto de recomendaciones prácticas para la implementación más ética y efectivade estos sistemas en entornos empresariales. Si bien los GML son herramientas poderosas, esta investigación subraya la necesidad imperativa de un diseño cuidadoso, una evaluación rigurosa y una supervisión continua para asegurar que su despliegue esté alineado tanto con los objetivos empresariales como con los principios éticos fundamentales.