La irrupción de la inteligencia artificial generativa en la vida cotidiana de todo mundo —que sin duda se puede fechar desde el lanzamiento de la primera versión de ChatGPT en noviembre de 2022— ha proyectado al mundo hacia una nueva realidad.
Es cierto que la IA ya existía desde hacía mucho tiempo. Pero, por primera vez, una herramienta de uso general, de fácil acceso y poco costosa ha puesto al alcance de todos una capacidad de creación y análisis que hasta ahora estaba fuera de su alcance. el acontecimiento llevó a la mayoría de los comentaristas y expertos a hablar, con razón o sin ella, de una nueva revolución industrial, quizás la cuarta después de la de la máquina de vapor, la electrificación y, por último, la informática y la tecnología digital.
Cada una de las rupturas tecnológicas anteriores ha desplazado la frontera de la producción y la toma de decisiones.
La IA, por su propia naturaleza, se inscribe en esta línea.
No solo automatiza gestos materiales o cálculos circunscritos, sino que pone en común una capacidad genérica de procesamiento del lenguaje, el código y las imágenes, que afecta a casi todas las actividades.
En este sentido, esta tecnología tiene el potencial transformador que anuncian sus promotores, aunque su calendario y sus formas seguirán siendo contingentes.
Sin embargo, hay que ser cautelosos con los anuncios a veces fantasiosos de los tecnófilos, que a menudo son productores de servicios de IA.
¿Debemos creerles cuando anuncian una nueva revolución industrial? ¿Tiene realmente esta ola la capacidad de transformar profundamente nuestras economías y sociedades? ¿Podría ser, por el contrario, que las inversiones que genera solo alimenten una gran burbuja especulativa?
Por el contrario, varios elementos deberían llevarnos a matizar estos anuncios triunfalistas.
En la historia económica, la riqueza y la prosperidad no se han desarrollado de forma lineal.
El crecimiento económico, fuente de esta prosperidad, evoluciona en grandes oleadas, 1 que aparecen con motivo de los grandes cambios tecnológicos mencionados anteriormente.
Como era de esperar, numerosos economistas se han lanzado a medir los efectos que cabría esperar del desarrollo y la difusión de la IA en la economía y en nuestras vidas; así, han aparecido numerosas cifras 2 en la bibliografía especializada.
Tras años de desaceleración económica, ¿era la IA finalmente el motor que nos permitiría volver a la trayectoria de crecimiento que hemos conocido durante 150 años? 3
La respuesta puede decepcionar. Si bien las opiniones divergen —y los modelos económicos pueden dar lugar a cuantificaciones contradictorias—, es más honesto reconocer que nadie sabe con certeza si la IA cumplirá sus promesas.
En términos más generales, ninguna innovación conlleva automáticamente la promesa de una prosperidad compartida: son, ante todo, nuestras decisiones colectivas las que determinan la naturaleza y la intensidad de los cambios que conlleva toda revolución tecnológica.
Estas decisiones son de diversa índole: dependen tanto de la propiedad de la innovación tecnológica —ya sea de arquitectura abierta o en manos de unos pocos— como de su implementación dentro de las organizaciones, ya sean empresas o administraciones.
El crecimiento no puede basarse en las promesas abstractas de la IA
El economista no está preparado para hacer profecías; sin embargo, por lo general sabe plantear las preguntas adecuadas, identificar los riesgos y alertar sobre los obstáculos.
En este caso, parecen imponerse dos obstáculos.
En primer lugar, ¿qué palancas permiten convertir las promesas de la IA en ganancias tangibles y observables, a fin de evitar un colapso especulativo?
En segundo lugar, ¿cómo evitar que estas ganancias sean acaparadas por un pequeño número de actores, con la consecuencia de socavar la prosperidad común?
Estas dos preguntas no encuentran respuesta únicamente en el poder técnico.
Aquí es donde la historia económica nos ilumina, ya que demuestra que, entre los ciclos emancipadores y los ciclos de empobrecimiento relativo, la variable decisiva es la arquitectura del poder, y no solo la tecnología en sí misma.
Esta constatación invierte la jerarquía de nuestras prioridades. Para que las ganancias se materialicen y no sean confiscadas, y para que la tecnología sea portadora de prosperidad y desarrollo, el principal reto es organizar la adopción y enmarcar la redistribución. En otras palabras, en este caso, se trata de hacer que la IA funcione para el mayor número de personas sin que ello obstaculice el progreso.
Nadie sabe con certeza si la IA cumplirá sus promesas.
Antonin Bergeaud
¿Cuáles son, entonces, los riesgos que podrían impedir alcanzar este objetivo?
Empecemos por el que minó la tercera revolución industrial: la concentración del poder de mercado.
En Estados Unidos, la política de competencia se ha adaptado demasiado lentamente a las especificidades de la economía digital. Las empresas que se han vuelto dominantes gracias a estas tecnologías han tenido menos incentivos para difundir la innovación y compartir sus frutos; 4 se han producido ganancias de productividad, pero han sido demasiado limitadas y breves, casi invisibles en Europa.
La inteligencia artificial podría reproducir este patrón si dejamos que unos pocos actores sigan fijando por sí solos la trayectoria tecnológica.
Una vez más, el riesgo es que la dirección de la innovación se alinee con lo que maximiza los beneficios, privilegiando así las funcionalidades inmediatamente monetizables en lugar de los usos que los trabajadores y los consumidores consideran realmente útiles. Peor aún, esta carrera por el rendimiento en una única dirección conlleva el riesgo de una sobreinversión, o incluso de una burbuja especulativa que seguirá atrayendo capital privado y reforzando los desequilibrios existentes.
La economía estadounidense y mundial queda entonces suspendida de las promesas de crecimiento vinculadas a la IA.
La inversión en centros de datos es en gran medida responsable del rendimiento de la economía estadounidense desde 2024, pero al concentrar tantos recursos en una única trayectoria tecnológica, no estamos a salvo de una sorpresa desagradable: una revisión brutal de las expectativas de productividad o un límite imprevisto de los modelos actuales podría erosionar rápidamente la confianza y provocar un cambio de tendencia.
Si se produjera esta dinámica, no solo provocaría pérdidas financieras, sino también una ralentización duradera de la innovación, ya que los recursos humanos y materiales habrían sido absorbidos por apuestas tecnológicas excesivamente homogéneas.
Explicitar un nuevo pacto social para luchar contra la IA en la sombra
Aun suponiendo que las tecnologías de IA cumplan sus promesas, la prosperidad aún no está al alcance de la mano: de hecho, el progreso no se difunde por inercia, sino que depende de quién orienta la tecnología y hacia qué usos. El eslabón que une el progreso con la productividad y la prosperidad compartida se rompe entonces, no por falta de rendimiento técnico, sino por falta de instituciones que impidan la captación y orienten la trayectoria hacia usos socialmente útiles.
Por lo tanto, es necesario regular, pero eso no debe significar ralentizar: se trata de reducir la concentración haciendo efectiva la portabilidad de los datos y la interoperabilidad, abriendo el acceso a las capacidades esenciales cuando sea posible y regulando claramente los casos en los que la apertura no es compatible con la seguridad.
No es una tarea fácil, ya que regular demasiado rápido supone correr el riesgo de frenar en seco cualquier desarrollo tecnológico.
Un segundo riesgo tiene que ver con la trayectoria adoptada.
La IA entró en la esfera personal antes de ser concebida por las organizaciones. Este desfase produce una difusión clandestina —denominada «IA en la sombra»— que multiplica los ensayos útiles, pero impide el aprendizaje colectivo: sin la supervisión de la dirección, un empleado utiliza herramientas de IA para facilitar algunas de sus tareas. Las ganancias existen, pero siguen siendo puntuales, no documentadas, difíciles de reproducir y, en ocasiones, frágiles desde el punto de vista jurídico o de la seguridad de los datos.
Sobre todo, estas ganancias delegan en un solo empleado una discusión que debería ser central y coordinada: ¿qué tareas queremos confiar a la máquina, cuáles debemos reconfigurar, cuáles hay que revalorizar y con qué nuevas competencias? Mientras el uso siga siendo difuso e implícito, no se transformará en una mejora del proceso, ni en una calidad estabilizada, ni en una ventaja competitiva.
Esta clandestinidad también es responsable de una pérdida de sentido.
El progreso no se difunde por inercia, depende de quién oriente la tecnología y hacia qué usos.
Antonin Bergeaud
En el día a día, la IA sirve para eludir las fricciones sin tratarlas; revela la obsolescencia de ciertas rutinas sin que la organización saque consecuencias de ello.
Entonces se amplía la brecha entre el trabajo prescrito y el trabajo real, y se instala la desmotivación. El problema aquí es puramente organizativo, ya que habría que hacer que estos usos fueran expresables y acumulables, y luego inscribirlos en una arquitectura explícita para que la empresa logre ganancias de productividad, el trabajo se reorganice en torno a tareas que sigan teniendo sentido y la tecnología pueda expresar su potencial.
Por último, existe un tercer riesgo, el del equilibrio de poder en el trabajo.
El enfoque por tareas, utilizado en particular en los trabajos de Daron Acemoğlu, 5 muestra claramente que la IA ejerce una presión asimétrica.
En primer lugar, automatiza las funciones repetitivas, codificables y fácilmente evaluables, concentradas en unas pocas profesiones, y deja intactas durante más tiempo las tareas de juicio, coordinación y relación. Si no se anticipa la redistribución de las ganancias y la reutilización del tiempo liberado, se crea lo que Daron Acemoğlu denomina «un progreso orientado contra el trabajo»: una descalificación encubierta, trayectorias bloqueadas y una desconfianza que acaba frenando la difusión.
En el contexto de una adopción rápida y difícil de coordinar de la IA, se hace necesario tratar el tiempo ganado como un bien común de la organización y, por lo tanto, como un objeto de diálogo social.
Este diálogo solo tiene valor si se basa en la confianza y en información verificable.
En primer lugar, supone identificar de forma transparente las familias de tareas que realmente corren el riesgo de quedar obsoletas y las que están surgiendo. Este mapeo abre entonces el debate sobre el uso de las ganancias que acabarán materializándose a medida que se haga un uso colectivo de la IA más que individual: se tratará de juzgar qué parte se reasignará a la reducción de la carga, qué parte al aumento de las competencias y qué parte a la exploración de nuevos servicios o métodos.
Sin este acuerdo explícito, la IA se percibirá como una intensificación silenciosa.
Con él, se convierte en una palanca para la reestructuración del trabajo.
De la IA paliativa al uso colectivo
Estos tres ángulos convergen en una política global que no renuncia a la ambición de difundir la IA, al tiempo que minimiza los riesgos mencionados anteriormente.
Desde el punto de vista de la competencia, el objetivo es desplazar el énfasis de la rivalidad entre empresas competidoras de IA hacia la integración y la calidad del servicio, garantizando la portabilidad y la interoperabilidad, y apoyando el ecosistema de modelos abiertos cuando permite la auditabilidad, la especialización sectorial y la apropiación por parte de las PYMES y las administraciones.
Esta circulación permite evitar que unos pocos actores privados acaparen los beneficios y las inversiones, al tiempo que limita la sobrepuja en torno a promesas excesivas.
Desde el punto de vista de la adopción de las tecnologías de IA, se trata de convertir los ensayos dispersos de la IA en la sombra en productividad agregada: plataformas de uso interno, sobrias en cálculos y ancladas en los datos de la organización, procedimientos de auditoría sencillos, métricas de rendimiento comprensibles para los profesionales, ciclos cortos de retroalimentación.
Por último, en el ámbito social, el mayor reto es institucionalizar el reparto de beneficios lo más cerca posible de los lugares de adopción: reconocimiento del tiempo liberado, formación relacionada con los proyectos, transparencia sobre los efectos esperados, dispositivos de control de calidad que den poder a quienes operan en la cadena.
Nada de esto requiere frenar la tecnología.
Se trata de orientar su trayectoria para que la invención útil prevalezca sobre la automatización mediocre.
Más atenta que otras regiones al riesgo económico, Europa puede lograrlo apostando por lo que sabe hacer muy bien: estándares abiertos para evitar la captura, una sobriedad eficaz para maximizar el rendimiento de la integración, inversiones en ingeniería de uso y procedimientos que dan voz a quienes trabajan con la máquina.
Así es como se pasa de la promesa a la prosperidad compartida, no por decreto, sino mediante una cadena de instituciones, incentivos y usos.
En el fondo, se trata de traducir de manera operativa la lección de Daron Acemoğlu: la tecnología no elige por nosotros, sino que amplía nuestro abanico de opciones.
Nos corresponde a nosotros inscribir en ella, con lucidez, una estrategia de difusión que combine la competencia abierta, la integración controlada y la dignidad del trabajo.
Notas al pie
- Para un análisis a largo plazo del crecimiento en numerosos países, véase Antonin Bergeaud, Gilbert Cette y Rémy Lecat, «Productivity trends in advanced countries between 1890 and 2012», Review of Income and Wealth, 62(3) (2015), pp. 420-444.
- Ver por ejemplo Philippe Aghion y Simon Bunel, AI and Growth: where do we stand?, junio de 2024, para una revisión de la bibliografía y una estimación de las cifras.
- En Estados Unidos, el PIB per cápita ha crecido una media del 2 % anual desde 1870, a pesar de numerosas crisis, tanto positivas como negativas, ya que las oleadas tecnológicas han compensado los vientos contrarios. Desde la crisis financiera de 2008, la economía se está alejando progresivamente de esta trayectoria. Véase Charles I. Jones, «The end of economic growth? Unintended consequences of a declining population», American Economic Review, 112(11) (2022), pp. 3489-3527.
- Ver Philippe Aghion, Antonin Bergeaud, Timo Boppart, Peter J. Klenow y Huiyu Li, «A theory of falling growth and rising rents», Review of Economic Studies, 90(6) (2023), pp. 2675-2702.
- Por ejemplo, Daron Acemoğlu, Simon Johnson, Power and Progress: Our Thousand-Year Struggle Over Technology and Prosperity, Nueva York, PublicAffairs, 2023.
