Bienvenidos de nuevo a The State of AI, una nueva colaboración entre Financial Times y MIT Technology Review. Cada miércoles, durante las próximas dos semanas, periodistas de ambos medios debatirán sobre un aspecto de la revolución de la IA generativa que está transformando el poder global. 

Esta semana, Richard Waters, columnista de FT y exeditor en West Coast, conversa con David Rotman, editor general de MIT Technology Review, sobre el verdadero impacto de la IA en el mercado laboral.  

Richard Waters escribe: 

Cualquier tecnología de gran alcance siempre se adopta de forma desigual, pero pocas han sido tan desiguales como la IA generativa. Esto dificulta evaluar su impacto probable en cada empresa, y mucho más en la productividad de toda la economía. 

En un extremo, los asistentes de programación basados en IA han revolucionado el trabajo de los desarrolladores. Mark Zuckerberg predijo recientemente que la mitad del código de Meta será escrito por IA en el plazo de un año. En el otro extremo, la mayoría de las compañías apenas perciben beneficios de sus primeras inversiones. Un estudio ampliamente citado del MIT concluyó que, hasta ahora, el 95% de los proyectos de IA generativa no generan ningún retorno. 

Ese dato ha dado argumentos a los escépticos que sostienen que, por su propia naturaleza como tecnología probabilística propensa a las alucinaciones, la IA generativa nunca tendrá un impacto profundo en los negocios. 

Sin embargo, para muchos estudiosos de la historia tecnológica, la falta de impacto inmediato no es más que el retraso habitual asociado a las tecnologías transformadoras. Erik Brynjolfsson, entonces profesor asistente en el MIT, describió en los años noventa lo que llamó el “paradigma de la productividad de las TI”. A pesar de abundantes pruebas anecdóticas de que la tecnología estaba cambiando la forma de trabajar, esos avances no se reflejaban en los datos agregados como un aumento del crecimiento de la productividad. Brynjolfsson concluyó que las empresas simplemente necesitaban tiempo para adaptarse. 

Las grandes inversiones en TI finalmente se tradujeron en un repunte notable de la productividad en EE UU a mediados de los noventa. Pero esa tendencia se agotó una década después y dio paso a una nueva etapa de estancamiento. 

En el caso de la IA, las empresas necesitan construir nuevas infraestructuras (en especial plataformas de datos), rediseñar procesos clave y capacitar a sus empleados antes de esperar resultados. Si el efecto de retraso explica la lentitud actual, al menos hay motivos para el optimismo: gran parte de la infraestructura de cloud computing necesaria para llevar la IA generativa a un público empresarial más amplio ya está disponible. 

Las oportunidades y los desafíos son enormes. Un directivo de una compañía del Fortune 500 afirma que su organización ha realizado una revisión exhaustiva del uso de analítica y ha llegado a la conclusión de que, en conjunto, sus empleados aportan poco o ningún valor. Eliminar el software obsoleto y sustituir esa ineficiencia humana por IA podría generar resultados significativos. Pero, como señala este ejecutivo, una transformación de ese calibre exigiría cambios profundos en los procesos existentes y llevaría años completarla. 

Hay señales tempranas que invitan al optimismo. El crecimiento de la productividad en EE UU, estancado entre el 1% y el 1,5% durante más de quince años, repuntó por encima del 2% el año pasado. Probablemente alcanzó un nivel similar en los primeros nueve meses de este año, aunque la falta de datos oficiales debido al reciente cierre del Gobierno estadounidense impide confirmarlo. 

Sin embargo, es imposible saber cuán duradero será este repunte o cuánto puede atribuirse a la IA. Los efectos de las nuevas tecnologías rara vez se perciben de forma aislada; más bien, los beneficios se acumulan. La IA se apoya en inversiones previas en cloud y computación móvil. Del mismo modo, el auge actual de la IA podría ser solo el preludio de avances en campos con un impacto económico más amplio, como la robótica. ChatGPT ha capturado la imaginación popular, pero el chatbot de OpenAI difícilmente tendrá la última palabra. 

David Rotman responde: 

Esta es mi conversación favorita cuando hablamos de inteligencia artificial: ¿cómo afectará la IA a la productividad económica global? Olvidemos los vídeos hipnóticos, la promesa de compañía y la idea de agentes que realicen tareas cotidianas tediosas; lo esencial será si la IA puede hacer crecer la economía, y eso significa aumentar la productividad. 

Pero, como señalas, es difícil precisar cómo está influyendo la IA en ese crecimiento o cómo lo hará en el futuro. Erik Brynjolfsson predice que, al igual que otras llamadas general purpose technologies, la IA seguirá una curva en J: al principio habrá un efecto lento, incluso negativo, sobre la productividad, mientras las empresas invierten fuertemente en la tecnología antes de recoger los frutos. Y después llegará el auge. 

Sin embargo, existe un contraejemplo que cuestiona el argumento de «solo hay que tener paciencia”. El crecimiento de la productividad impulsado por las TI repuntó a mediados de los noventa, pero desde mediados de los 2000 ha sido relativamente pobre. A pesar de los smartphones, las redes sociales y aplicaciones como Slack o Uber, las tecnologías digitales han hecho poco por generar un crecimiento económico sólido. Ese gran impulso nunca llegó.  

Daron Acemoglu, economista del MIT y premio Nobel en 2024, sostiene que las ganancias de productividad derivadas de la IA generativa serán mucho menores y tardarán mucho más de lo que creen los optimistas. La razón: aunque la tecnología es impresionante en muchos aspectos, el sector está demasiado centrado en productos con escasa relevancia para los principales sectores empresariales. 

La estadística que mencionas (el 95% de los proyectos de IA carecen de beneficios empresariales) es reveladora. 

Tomemos la industria manufacturera. Sin duda, alguna versión de IA podría ayudar; imaginemos a un trabajador en la planta tomando una foto de un problema y pidiendo consejo a un agente de IA. El problema es que las grandes tecnológicas que crean IA no están realmente interesadas en resolver tareas tan mundanas, y sus modelos fundacionales, entrenados sobre todo en internet, no resultan muy útiles. 

Es fácil culpar la falta de impacto en la productividad a las prácticas empresariales y a trabajadores mal capacitados. Tu ejemplo del directivo de la compañía del Fortune 500 suena demasiado familiar. Pero es más útil preguntarse cómo puede entrenarse y ajustarse la IA para dar a trabajadores (como enfermeras, docentes o empleados en fábricas) más capacidades y hacerlos más productivos en sus tareas. 

La diferenciación es clave. Algunas empresas que han anunciado despidos masivos recientemente han citado la IA como motivo. La preocupación, sin embargo, es que se trate solo de una estrategia de ahorro a corto plazo. Como coinciden economistas como Brynjolfsson y Acemoglu, el verdadero impulso de productividad llegará cuando la IA se utilice para crear nuevos tipos de empleo y aumentar las capacidades de los trabajadores, no cuando se limite a recortar puestos para reducir costes. 

Richard Waters responde: 

Veo que ambos estamos bastante cautelosos, David, así que intentaré terminar con una nota positiva. Algunos análisis suponen que una proporción mucho mayor del trabajo actual está al alcance de la IA disponible hoy. McKinsey calcula un 60% (frente al 20% que estima Acemoglu) y sitúa las ganancias anuales de productividad en la economía en hasta un 3,4%. Además, estos cálculos se basan en la automatización de tareas existentes; cualquier nuevo uso de la IA que mejore los trabajos actuales sería, como sugieres, un extra (y no solo en términos económicos). 

La reducción de costes siempre parece ser la primera prioridad con cualquier tecnología nueva. Pero aún estamos en las primeras etapas y la IA avanza rápido, así que siempre podemos mantener la esperanza. 

Lecturas recomendadas 

Martin Wolf, comentarista jefe de economía en FT, ha sido escéptico sobre si la inversión tecnológica impulsa la productividad, pero admite que la IA podría demostrar lo contrario. El riesgo: la pérdida de empleo y la concentración de riqueza podrían llevar al “tecnofeudalismo”. 

Robert Armstrong, también en FT, argumenta que el auge en la inversión en centros de datos no tiene por qué acabar en desastre. El mayor peligro es que la financiación mediante deuda llegue a desempeñar un papel excesivo en la expansión. 

El año pasado, David Rotman escribió en MIT Technology Review sobre cómo asegurarnos de que la IA funcione a nuestro favor para aumentar la productividad y qué correcciones de rumbo serán necesarias. 

David también publicó un artículo sobre cómo medir mejor el impacto de la financiación básica en I+D sobre el crecimiento económico, y por qué a menudo puede ser mayor de lo que imaginamos.