La inteligencia artificial es una combinación de algoritmos planteados con el propósito de crear máquinas que presenten las mismas capacidades que el ser humano. Así, el aprendizaje automático es un subconjunto de la inteligencia artificial que permite que el sistema aprenda y mejore sin estar programado explícitamente para ello. Dentro de este contexto se desarrolla este trabajo, realizando un análisis basado en el procesamiento del lenguaje natural y el procesamiento cuántico del lenguaje natural para un contexto financiero. El primero es una rama de conocimiento dentro del aprendizaje automático centrada en la interpretación del lenguaje humano a través de su codificación en lenguaje máquina, plasmando la lingüística, semántica y contextualización de los textos en distintos parámetros que permiten al sistema aprender de ellos. El segundo es una extrapolación de lo expuesto anteriormente al paradigma de la computación cuántica, es decir, el procesamiento del lenguaje humano se realiza a través de una codificación para ser interpretada por ordenadores cuánticos, nutriéndose así de las distintas ventajas que ´estos pudieran aportar a la ciencia descrita. En este trabajo, además de plantear un análisis discursivo sobre las distintas aproximaciones más populares para el procesamiento cuántico del lenguaje natural, se elabora una codificación que trata de mejorar los resultados de dichas aproximaciones. Adicionalmente, se utiliza un modelo de procesamiento de lenguaje natural clásico para establecer comparaciones entre la eficiencia del paradigma cuántico sobre el paradigma clásico. Finalmente, se recopila todo lo expuesto anteriormente para establecer conclusiones sobre la utilidad y viabilidad de la codificación en la aproximación cuántica sobre la aproximación clásica.