Escribe Erik Brynjolfsson y Gabriel Unger en F&D –

Las decisiones colectivas que tomemos hoy determinarán cómo la IA afecta el crecimiento de la productividad, la desigualdad de ingresos y la concentración industrial

Los economistas tienen un pobre historial de predicción del futuro. Y Silicon Valley pasa repetidamente por la esperanza y la decepción sobre la próxima gran tecnología. Por lo tanto, se justifica un sano escepticismo hacia cualquier pronunciamiento sobre cómo la inteligencia artificial (IA) cambiará la economía. No obstante, hay buenas razones para tomar en serio el creciente potencial de la IA (sistemas que exhiben un comportamiento inteligente, como el aprendizaje, el razonamiento y la resolución de problemas) para transformar la economía, especialmente dados los asombrosos avances técnicos del año pasado.

La IA puede afectar a la sociedad en una serie de áreas además de la economía, como la seguridad nacional, la política y la cultura. Pero en este artículo, nos centramos en las implicaciones de la IA en tres grandes áreas de interés macroeconómico: el crecimiento de la productividad, el mercado laboral y la concentración industrial. La IA no tiene un futuro predeterminado. Puede desarrollarse en direcciones muy diferentes. El futuro particular que surja será consecuencia de muchas cosas, incluidas las decisiones tecnológicas y políticas que se tomen hoy. Para cada área, presentamos una bifurcación en el camino: dos caminos que conducen a futuros muy diferentes para la IA y la economía. En cada caso, el mal futuro es el camino de menor resistencia. Llegar a un futuro mejor requerirá una buena política, que incluya

• Experimentos creativos de políticas
• Un conjunto de objetivos positivos para lo que la sociedad quiere de la IA, no solo resultados negativos que deben evitarse
• Comprender que las posibilidades tecnológicas de la IA son profundamente inciertas y evolucionan rápidamente, y que la sociedad debe ser flexible para evolucionar con ellas.

Primera bifurcación: Crecimiento de la productividad

El primer camino tiene que ver con el futuro del crecimiento económico, que es en gran medida el futuro del crecimiento de la productividad. La economía estadounidense ha estado atascada con un crecimiento de la productividad inquietantemente bajo durante la mayor parte de los últimos 50 años, excepto por un breve resurgimiento a finales de la década de 1990 y principios de la de 2000 (Brynjolfsson, Rock y Chad 2019). La mayoría de las economías avanzadas tienen ahora el mismo problema de bajo crecimiento de la productividad. Más que cualquier otro factor, la productividad —la producción por unidad de insumo— determina la riqueza de las naciones y el nivel de vida de sus pueblos. Con una mayor productividad, problemas como los déficits presupuestarios, la reducción de la pobreza, la atención médica y el medio ambiente se vuelven mucho más manejables. Impulsar el crecimiento de la productividad puede ser el desafío económico más fundamental del mundo.

Futuro de baja productividad

En un camino de la bifurcación de la productividad, el impacto de la IA es limitado. A pesar de la rápida mejora de las capacidades técnicas de la IA, su adopción por parte de las empresas puede seguir siendo lenta y limitarse a las grandes empresas (Zolas et al., 2021). La economía de la IA puede resultar ser de una variedad muy limitada que ahorra mano de obra (lo que Daron Acemoglu y Simon Johnson llaman una “tecnología regular”, como una caja de comestibles automatizada), en lugar de una que permita a los trabajadores hacer algo novedoso o poderoso (ver “Reequilibrar la IA” en este número de F&D). Los trabajadores desplazados podrían terminar desproporcionadamente en empleos aún menos productivos y menos dinámicos, lo que silenciaría aún más cualquier beneficio agregado para la tasa de crecimiento de la productividad a largo plazo de la economía.

Al igual que muchos de los recientes entusiasmos tecnológicos de Silicon Valley (impresoras 3D, coches autónomos, realidad virtual), la IA también puede acabar siendo menos prometedora o menos preparada para llevar al mercado de lo que se esperaba inicialmente. Cualquier ganancia económica real, incluso las modestas, puede aparecer en los datos muchas décadas después de los primeros momentos de promesa tecnológica, como ha sido a menudo el patrón. La famosa paradoja identificada por el economista Robert Solow en 1987 -“Se puede ver la era de la informática en todas partes menos en las estadísticas de productividad”- puede llegar a ser más extrema, ya que todo el mundo parece tener un chatbot de IA que sorprende a sus amigos, pero las empresas no parecen más productivas por su mayor uso de la IA. Las empresas pueden atenuar aún más los beneficios económicos de la IA al no descubrir los cambios organizativos y de gestión que necesitan para aprovecharla mejor.

Y, al igual que en el caso de los coches autónomos, los retos tecnológicos que supone pasar de una emocionante prueba de concepto a un producto altamente fiable pueden verse agravados por un régimen jurídico que no fue diseñado para dar cabida a esta nueva tecnología y que puede obstaculizar seriamente su desarrollo. En el caso de la IA, existe una enorme incertidumbre sobre lo que implican las leyes actuales relativas a la propiedad intelectual cuando los modelos se entrenan en millones de puntos de datos que pueden incluir la propiedad intelectual protegida de otros. Con el tiempo, la ley de propiedad intelectual puede responder creando algo análogo a una “maraña de patentes” que impida efectivamente que los modelos se entrenen con datos sobre los que los desarrolladores no tienen derechos claros. Al mismo tiempo, las decisiones equivocadas podrían socavar los incentivos de los profesionales creativos para producir más contenido novedoso que impulsa los sistemas de aprendizaje automático.

Además, los reguladores nacionales, impulsados por una serie de preocupaciones, pueden imponer regulaciones estrictas que reduzcan la velocidad del desarrollo y la difusión de la IA. Incluso pueden ser instados por los primeros desarrolladores de IA que están ansiosos por proteger su liderazgo. Además, algunos países, empresas y otras organizaciones pueden prohibir totalmente la IA.

Futuro de alta productividad

Pero hay un escenario alternativo en el que la IA conduce a un futuro de mayor productividad y crecimiento. La IA podría aplicarse a una parte sustancial de las tareas realizadas por la mayoría de los trabajadores (Eloundou et al., 2023) y aumentar enormemente la productividad en esas tareas. En este futuro, la IA está a la altura de su promesa de ser el avance tecnológico más radical en muchas décadas. Además, termina complementando a los trabajadores, liberándolos para que dediquen más tiempo a tareas no rutinarias, creativas e inventivas en lugar de simplemente reemplazarlos. La IA captura y encarna el conocimiento tácito (adquirido a través de la experiencia, pero difícil de articular) de individuos y organizaciones mediante el uso de grandes cantidades de datos recientemente digitalizados. Como resultado, más trabajadores pueden dedicar más tiempo a trabajar en problemas novedosos, y una proporción cada vez mayor de la fuerza laboral se asemeja cada vez más a una sociedad de científicos investigadores e innovadores. El resultado es una economía no sólo con un mayor nivel de productividad, sino con una tasa de crecimiento permanentemente más alta.

En este futuro, la integración exitosa de la IA con los robots también significa que una gran parte de la economía es susceptible de progreso relacionado con la IA. Y la IA permite a la sociedad no solo hacer mejor las cosas que ya hace, sino hacer cosas e imaginar cosas que antes eran inimaginables. La investigación en medicina respaldada por IA permite avances radicales en el conocimiento de la biología humana y el diseño de fármacos. La IA se vuelve capaz de ayudar al motor de la creatividad y el descubrimiento científico en sí mismo (matemáticas, ciencias, mayor desarrollo de la IA), una especie de autosuperación recursiva que alguna vez fue solo un experimento mental de ciencia ficción.

Segunda bifurcación: la desigualdad de ingresos

El aumento de la desigualdad de ingresos entre los trabajadores individuales en los últimos 40 años es una preocupación importante. Una gran cantidad de investigaciones empíricas en economía laboral sugiere que las computadoras y otras formas de tecnología de la información pueden haber contribuido a la desigualdad de ingresos al automatizar los trabajos rutinarios de ingresos medios, lo que ha polarizado la fuerza laboral entre trabajadores de altos y bajos ingresos. Aunque el director general y el conserje permanecen, las computadoras han reemplazado a algunos de los trabajadores de oficina de nivel medio (Autor, Levy y Murnane 2003). Consideramos dos escenarios para el efecto de la IA en la desigualdad.

Un futuro con mayor desigualdad

En el primer escenario, la IA conduce a una mayor desigualdad de ingresos. Los tecnólogos y gerentes diseñan e implementan la IA para sustituir directamente muchos tipos de trabajo humano, lo que reduce los salarios de muchos trabajadores. Para empeorar las cosas, la IA generativa comienza a producir palabras, imágenes y sonidos, tareas que antes se consideraban no rutinarias e incluso creativas, lo que permite a las máquinas interactuar con los clientes y crear el contenido para una campaña de marketing. Con el tiempo, el número de puestos de trabajo amenazados por la competencia de la IA aumenta considerablemente. Industrias enteras se ven trastocadas y cada vez más reemplazadas (una amenaza para la mano de obra tal vez presagiada por las recientes huelgas de guionistas y actores en Estados Unidos, que exigieron que los estudios restringieran su uso de la IA).

Este no es un futuro de desempleo masivo. Pero en este futuro de mayor desigualdad, a medida que la IA sustituye a los trabajos bien pagados o decentes, más trabajadores quedan relegados a trabajos de servicios mal pagados, como camilleros de hospitales, niñeras y porteros, donde cierta presencia humana se valora intrínsecamente y el salario es tan bajo que las empresas no pueden justificar el costo de una gran inversión tecnológica para reemplazarlos. El último bastión del trabajo puramente humano pueden ser este tipo de trabajos con una dimensión física. La desigualdad de ingresos aumenta en este escenario a medida que el mercado laboral se polariza aún más en una pequeña élite altamente calificada y una gran subclase de trabajadores de servicios mal pagados.

Un futuro con menor desigualdad

En el segundo escenario, sin embargo, la IA conduce a una menor desigualdad de ingresos porque el principal impacto de la IA en la fuerza laboral es ayudar a los trabajadores con menos experiencia o menos conocimientos a ser mejores en sus trabajos. Los codificadores de software, por ejemplo, ahora se benefician de la ayuda de modelos de IA, como Copilot, que se basan efectivamente en las mejores prácticas de codificación de muchos otros trabajadores. Un codificador inexperto o mediocre que utiliza Copilot se vuelve más comparable a un muy buen codificador, incluso cuando ambos tienen acceso a la misma IA. Un estudio de 5.000 trabajadores que realizan trabajos complejos de atención al cliente en un centro de llamadas descubrió que, entre los trabajadores que recibieron el apoyo de un asistente de IA, los trabajadores menos cualificados o más nuevos mostraron los mayores aumentos de productividad (Brynjolfsson, Li y Raymond 2023). Si los empleadores compartieran estas ganancias con los trabajadores, la distribución de los ingresos sería más equitativa.

Además de crear un futuro de menor desigualdad de ingresos, la IA puede ayudar a los trabajadores en otro sentido más sutil, pero profundo. Si la IA es un sustituto de los tipos de tareas más rutinarias y formuladas, entonces, al quitar el tedioso trabajo rutinario de las manos humanas, la IA puede complementar tareas genuinamente creativas e interesantes, mejorando la experiencia psicológica básica del trabajo, así como la calidad de los resultados. De hecho, el estudio del centro de llamadas encontró no solo ganancias de productividad, sino también una reducción de la rotación de trabajadores y una mayor satisfacción del cliente para aquellos que utilizan el asistente de IA.

Tercera bifurcación: Concentración industrial

Desde principios de la década de 1980, la concentración industrial —que mide la participación colectiva en el mercado de las empresas más grandes de un sector— ha aumentado drásticamente en Estados Unidos y en muchas otras economías avanzadas. Estas grandes empresas superestrellas suelen ser mucho más intensivas en capital y tecnológicamente más sofisticadas que sus contrapartes más pequeñas.

De nuevo, hay dos escenarios divergentes para el impacto de la IA.

Futuro de mayor concentración

En el primer escenario, la concentración industrial aumenta y solo las empresas más grandes utilizan intensivamente la IA en su negocio principal. La IA permite a estas empresas ser más productivas, rentables y más grandes que sus competidores. Los modelos de IA se vuelven cada vez más caros de desarrollar, en términos de potencia computacional bruta, un costo inicial masivo que solo las empresas más grandes pueden pagar, además de requerir capacitación en conjuntos de datos masivos, que las empresas muy grandes ya tienen de sus muchos clientes y las pequeñas empresas no. Además, una vez entrenado y creado un modelo de IA, su funcionamiento puede resultar costoso. Por ejemplo, el modelo GPT-4 costó más de 100 millones de dólares para entrenar durante su desarrollo inicial y requiere unos 700.000 dólares al día para funcionar. El costo típico de desarrollar un gran modelo de IA pronto podría ser de miles de millones de dólares. Los ejecutivos de las principales empresas de IA predicen que las leyes de escalado que muestran una fuerte relación entre los aumentos en los costos de capacitación y la mejora del rendimiento se mantendrán en el futuro previsible, dando una ventaja a las empresas con acceso a los mayores presupuestos y los mayores conjuntos de datos.

Puede ser, entonces, que solo las empresas más grandes y sus socios comerciales desarrollen IA patentada, como ya lo han hecho empresas como Alphabet, Microsoft y OpenAI y no lo han hecho las empresas más pequeñas. Las grandes empresas se hacen más grandes.

De manera más sutil, pero quizás más importante, incluso en un mundo en el que la IA patentada no requiere un gran costo fijo que solo las empresas más grandes pueden pagar, la IA aún podría beneficiar desproporcionadamente a las empresas más grandes, al ayudarlas a coordinar mejor internamente sus complejas operaciones comerciales, de un tipo que las empresas más pequeñas y simples no tienen. La “mano visible” de la alta dirección que gestiona los recursos dentro de las empresas más grandes, ahora respaldada por la IA, permite a la empresa ser aún más eficiente, desafiando las ventajas hayekianas del conocimiento local de las pequeñas empresas en un mercado descentralizado.

Futuro de menor concentración

Sin embargo, en el futuro de menor concentración industrial, los modelos de IA de código abierto (como LLaMA de Meta o Koala de Berkeley) estarán ampliamente disponibles. Una combinación de empresas con fines de lucro, organizaciones sin fines de lucro, académicos y codificadores individuales crea un vibrante ecosistema de IA de código abierto que permite un amplio acceso a los modelos de IA desarrollados. Esto brinda a las pequeñas empresas acceso a tecnologías de producción líderes en la industria que nunca antes podrían haber tenido.

Gran parte de esto se presagiaba en un memorando interno filtrado por Google en mayo de 2023, en el que un investigador decía que “los modelos de código abierto son más rápidos, más personalizables, más privados y, libra por libra, más capaces” que los modelos propietarios. El investigador dijo que los procesos en pequeños modelos de código abierto pueden ser repetidos rápidamente por muchas personas y terminan mejor que los grandes modelos privados que son iterados lentamente por un solo equipo y que los modelos de código abierto pueden ser entrenados de manera más barata. En opinión del investigador de Google, la IA de código abierto puede terminar dominando los costosos modelos propietarios.

También puede ser que la IA fomente el tipo de innovación amplia y descentralizada que florece mejor en muchas pequeñas empresas que dentro de una gran empresa. Los límites de la empresa son el resultado de una serie de compensaciones; un mundo en el que más innovadores respaldados por la IA necesiten los derechos de control residuales de su trabajo podría ser uno en el que más innovadores decidan que prefieren ser propietarios de pequeñas empresas que empleados de grandes.

El resultado es que el largo aumento de la concentración industrial comienza a extenderse, porque algunas pequeñas empresas ágiles cierran o incluso invierten la brecha tecnológica con sus contrapartes más grandes y recuperan más participación de mercado.

Hacia una agenda política

Para cada una de las bifurcaciones en el camino, el camino que conduce a un futuro peor es el de menor resistencia y resulta en un bajo crecimiento de la productividad, una mayor desigualdad de ingresos y una mayor concentración industrial. Llegar al buen camino de la bifurcación requerirá trabajo duro: intervenciones políticas inteligentes que ayuden a dar forma al futuro de la tecnología y la economía.

También es importante apreciar un punto más amplio sobre la política. Gran parte del discurso en torno a la regulación de la IA se desarrolla ahora a lo largo de una especie de modelo hidráulico: ¿deberíamos tener más IA o menos IA?, o incluso prohibirla. Esta discusión ocurre cuando la IA se percibe como algo fijo, con un futuro predeterminado. La IA puede llegar rápido o lento. Puede haber más o menos, pero básicamente es lo que es.

Sin embargo, si los responsables políticos entienden que la IA puede desarrollarse en diferentes direcciones, el discurso se enmarcará de manera diferente. ¿Cómo pueden las políticas fomentar los tipos de IA que complementan el trabajo humano en lugar de imitarlo y reemplazarlo? ¿Qué opciones fomentarán el desarrollo de la IA a la que puedan acceder empresas de todos los tamaños, en lugar de solo las más grandes? ¿Qué tipo de ecosistema de código abierto podría requerir y cómo lo apoyan los responsables políticos? ¿Cómo deberían abordar los laboratorios de IA el desarrollo de modelos y cómo deberían abordar las empresas la implementación de la IA? ¿Cómo consigue la sociedad una IA que dé rienda suelta a la innovación radical, en lugar de ajustes marginales a los bienes, servicios y sistemas existentes?

Muchos actores diferentes tienen el poder de influir en la dirección del futuro de la IA. Las grandes corporaciones tendrán que tomar decisiones importantes sobre cómo elegir integrar la IA en su fuerza laboral. La mayor de estas empresas también desarrollará IA interna. Los laboratorios de IA y ciencias de la computación de las universidades también desarrollarán modelos de IA, algunos de los cuales serán de código abierto. Los legisladores y reguladores federales tendrán un gran impacto, al igual que los más locales. Los votantes tienen voz. Los sindicatos deben averiguar qué tipo de relación quieren con la IA y cuáles serán sus demandas.

Aunque hemos esbozado una serie de posibles futuros para la IA, queremos hacer hincapié no solo en lo profundamente impredecible que es el futuro de esta tecnología, sino también en la capacidad de acción de la sociedad para determinar de forma activa y colectiva qué futuro de la IA emerge.

Hemos planteado más preguntas de las que hemos respondido, lo que refleja, en parte, la etapa incipiente de la adopción y el impacto de la IA. Pero también refleja un desequilibrio más profundo entre los esfuerzos de investigación que avanzan en la frontera de la tecnología y la investigación más limitada destinada a comprender sus consecuencias económicas y sociales.

Este desequilibrio era menos significativo cuando la tecnología tenía consecuencias macroeconómicas limitadas. Pero hoy en día, cuando es probable que los efectos de la IA en la sociedad se midan en billones de dólares, se debería invertir mucho más en la investigación sobre la economía de la IA. La sociedad necesita innovaciones en la comprensión económica y política que coincidan con la escala y el alcance de los avances en la propia IA. La reorientación de las prioridades de investigación y el desarrollo de una agenda de políticas inteligentes pueden ayudar a la sociedad a avanzar hacia un futuro de crecimiento económico sostenido e inclusivo.

ERIK BRYNJOLFSSON, profesor en el Instituto de Stanford para la Inteligencia Artificial Centrada en el Ser Humano, donde dirige el Laboratorio de Economía Digital de Stanford.

GABRIEL UNGER, becario postdoctoral en el Laboratorio de Economía Digital de Stanford.

Referencias:

Autor, David, Frank Levy y Richard Murnane. 2003. “El contenido de habilidades del cambio tecnológico reciente”. Revista Trimestral de Economía 118 (4): 1279–333.

Brynjolfsson, Erik, Daniel Rock y Chad Syverson. 2019. “La inteligencia artificial y la paradoja de la productividad moderna: un choque de expectativas y estadísticas”. En The Economics of Artificial Intelligence: An Agenda, editado por Ajay Agrawal, Joshua Gans y Avi Goldfarb. Chicago: Editorial de la Universidad de Chicago.

Brynjolfsson, Erik, Danielle Li y Lindsay Raymond. 2023. “IA generativa en acción”. Documento de trabajo 31161 del NBER, Oficina Nacional de Investigación Económica, Cambridge, MA.

Eloundou, Tyna, Sam Manning, Panels Mishkin y Daniel Rock, “GPTs Are GPTs: An Early Look at the Labor Market Impact Potential of Large Language Models” (Los GPT son GPT: una mirada temprana al potencial de impacto en el mercado laboral de los grandes modelos de lenguaje). Preimpresión arXiv arXiv:2303.10130.

Zolas, Nicholas, Zachary Kroff, Erik Brynjolfsson, Kristina McElheran, David N. Beede, Cathy Buffington, Nathan Goldschlag, Lucia Foster y Emin Dinlersoz. 2021. “Adopción y uso de tecnologías avanzadas por parte de empresas estadounidenses: evidencia de la encuesta empresarial anual”. Documento de trabajo 28290 del NBER, Oficina Nacional de Investigación Económica, Cambridge, MA. https://www.nber.org/papers/w28290.

About The Author