En el presente trabajo se construyen múltiples índices de incertidumbre económica para Uruguay a partir de noticias de la prensa, en un período que se extiende desde enero de 2002 hasta septiembre de 2018. Primero se desarrolla un indicador que cuenta la frecuencia con que aparecen ciertas palabras clave de categorías predefinidas, replicando el estudio propuesto por Baker, Bloom y Davis para Estados Unidos en 2016. Luego se desarrolla un segundo indicador más flexible, basado en el estudio propuesto por Azqueta Gavaldón en 2017, donde se aplican técnicas de aprendizaje automático mediante un algoritmo no supervisado que no requiere predefinir palabras clave ni categorías. Posteriormente se construye un nuevo indicador, que surge como una variante del segundo, donde se aplica un algoritmo aprendizaje semi-supervisado. Los resultados obtenidos muestran que estos indicadores logran una alta correlación con otras medidas de incertidumbre económica utilizadas en Uruguay, como la desviación estándar de las predicciones del tipo de cambio a 12 meses, el ndice BOVESPA, y otros indicadores similares basados en noticias para otros países. También se observa que los picos del indice reflejan varios eventos conocidos de incertidumbre en el contexto regional o global, donde se destacan la crisis de 2002, la crisis financiera global de 2008, y más recientemente, el "Brexit", la destitución de Dilma Rousseff en 2016 y el acuerdo de Argentina con el FMI en 2018. En cuanto a los enfoques propuestos, los resultados no son determinantes para establecer que alguno sea consideraablemenre mejor, aunque sí se observa que los métodos que no requieren predefinir las palabras clave, logran una correlación mayor con algunos indicadores, y también presentan el beneficio de simplificar el trabajo que requiere la definición de las categorías y las palabras.