Escriben Daron Acemoglu y Simon Johnson en F&D – El impulso hacia la automatización es peligroso: para respaldar la prosperidad compartida, la IA debe complementar a los trabajadores, no reemplazarlos

Abundan las previsiones optimistas sobre las implicaciones de crecimiento de la IA. La adopción de la IA podría impulsar el crecimiento de la productividad en 1,5 puntos porcentuales por año durante un período de 10 años y aumentar el PIB mundial en un 7 por ciento (7 billones de dólares en producción adicional), según Goldman Sachs. Los expertos de la industria ofrecen estimaciones aún más entusiastas, incluida una supuesta probabilidad del 10 por ciento de un escenario de “crecimiento explosivo”, con un aumento de la producción mundial de más del 30 por ciento anual.

Todo este tecnooptimismo se basa en el “carro de la productividad”: una creencia profundamente arraigada de que el cambio tecnológico, incluida la automatización, impulsa una mayor productividad, lo que eleva los salarios netos y genera prosperidad compartida.

Tal optimismo está en desacuerdo con el registro histórico y parece particularmente inapropiado para el camino actual de “simplemente dejar que la IA suceda”, que se centra principalmente en la automatización (reemplazar a las personas). Debemos reconocer que no existe un camino único e inevitable de desarrollo para las nuevas tecnologías. Y, suponiendo que el objetivo sea mejorar de forma sostenible los resultados económicos para más personas, ¿qué políticas pondrían el desarrollo de la IA en el camino correcto, con un mayor enfoque en mejorar lo que todos los trabajadores pueden hacer?

La cuestión de la maquinaria

Contrariamente a la creencia popular, el crecimiento de la productividad no tiene por qué traducirse en una mayor demanda de trabajadores. La definición estándar de productividad es “producción promedio por trabajador”, es decir, la producción total dividida por el empleo total. La esperanza es que a medida que crezca la producción por trabajador, también lo hará la disposición de las empresas a contratar personas.

Pero los empleadores no están motivados para aumentar la contratación en función de la producción promedio por trabajador. Más bien, lo que importa a las empresas es la productividad marginal, es decir, la contribución adicional que aporta un trabajador más al aumentar la producción o al atender a más clientes. La noción de productividad marginal es distinta de la producción o ingreso por trabajador; La producción por trabajador puede aumentar mientras que la productividad marginal se mantiene constante o incluso disminuye.

Muchas nuevas tecnologías, como los robots industriales, amplían el conjunto de tareas realizadas por máquinas y algoritmos, desplazando a los trabajadores. La automatización aumenta la productividad media, pero no aumenta, y de hecho puede reducir, la productividad marginal de los trabajadores. En las últimas cuatro décadas, la automatización ha aumentado la productividad y multiplicado los beneficios empresariales, pero no ha conducido a una prosperidad compartida en los países industrializados.

Reemplazar a los trabajadores por máquinas no es la única forma de mejorar la eficiencia económica, y la historia lo ha demostrado, como describimos en nuestro reciente libro, Power and Progress. En lugar de automatizar el trabajo, algunas innovaciones aumentan la contribución de los individuos a la producción. Por ejemplo, las nuevas herramientas de software que ayudan a los mecánicos de automóviles y permiten una mayor precisión pueden aumentar la productividad marginal de los trabajadores. Esto es completamente diferente a instalar robots industriales con el objetivo de reemplazar personas.

Nuevas funciones

La creación de nuevas tareas es aún más importante para aumentar la productividad marginal de los trabajadores. Cuando las nuevas máquinas abren nuevos usos para el trabajo humano, esto amplía las contribuciones de los trabajadores a la producción y aumenta su productividad marginal. Hubo mucha automatización en la fabricación de automóviles durante la trascendental reorganización de la industria liderada por Henry Ford a partir de la década de 1910. Pero los métodos de producción en masa y las líneas de montaje introdujeron simultáneamente una serie de nuevas tareas de diseño, técnicas, de operación mecánica y administrativas, lo que impulsó la demanda de trabajadores de la industria.

Las nuevas tareas han sido vitales en el crecimiento del empleo y los salarios en los últimos dos siglos. Y muchas de las ocupaciones que se han expandido más rápidamente en las últimas décadas, como las de radiólogos de resonancia magnética, ingenieros de redes, operadores de máquinas asistidas por computadora, programadores de software, personal de seguridad de TI y analistas de datos, no existían hace 80 años. Incluso las personas en ocupaciones que han existido por más tiempo, como cajeros de banco, profesores y contadores, ahora trabajan en muchas tareas relativamente nuevas utilizando la tecnología. En casi todos estos casos, se introdujeron nuevas tareas debido a los avances tecnológicos y han sido un importante motor del crecimiento del empleo. Estas nuevas tareas también han sido fundamentales para el crecimiento de la productividad: han ayudado a lanzar nuevos productos y han permitido procesos de producción más eficientes.

Automatización productiva

La automatización en una industria también puede aumentar el empleo, en ese sector o en la economía en general, si aumenta sustancialmente la productividad. En este caso, los nuevos puestos de trabajo pueden provenir de tareas no automatizadas en la misma industria o de la expansión de actividades en industrias relacionadas. En la primera mitad del siglo XX, el rápido aumento de la fabricación de automóviles estimuló la expansión masiva de las industrias petrolera, siderúrgica y química. La producción de vehículos a gran escala también revolucionó las posibilidades de transporte, permitiendo el surgimiento de nuevas actividades minoristas, de entretenimiento y de servicios.

Sin embargo, el carro de la productividad no se activa cuando las ganancias de productividad de la automatización son pequeñas, lo que llamamos “automatización regular”. Por ejemplo, los quioscos de autopago en las tiendas de comestibles brindan beneficios de productividad limitados porque simplemente trasladan el trabajo de escanear artículos de los empleados a los clientes. Cuando las tiendas introducen quioscos de autopago, se emplea a menos cajeros, pero no hay un aumento importante de la productividad que estimule la creación de nuevos puestos de trabajo en otros lugares. Los comestibles no se vuelven mucho más baratos, no hay expansión en la producción de alimentos y los compradores no viven de manera diferente.

Incluso las ganancias de productividad no triviales de la automatización pueden compensarse cuando no van acompañadas de nuevas tareas. Por ejemplo, en el Medio Oeste de Estados Unidos, la rápida adopción de robots ha contribuido a los despidos masivos y, en última instancia, al prolongado declive regional.

La situación es igualmente preocupante para los trabajadores cuando las nuevas tecnologías se centran en la vigilancia. El aumento de la supervisión de los trabajadores puede conducir a algunas pequeñas mejoras en la productividad, pero su función principal es extraer más esfuerzo de los trabajadores.

Todo esto subraya quizás el aspecto más importante de la tecnología: la elección. A menudo hay innumerables formas de utilizar nuestro conocimiento colectivo para mejorar la producción y aún más formas de dirigir la innovación. ¿Inventaremos e implementaremos herramientas digitales para la vigilancia, la automatización o para empoderar a los trabajadores mediante la creación de nuevas tareas productivas?

Cuando el carro de la productividad es débil y no hay mecanismos de autocorrección para garantizar los beneficios compartidos, estas opciones se vuelven más consecuentes, y unos pocos tomadores de decisiones tecnológicas se vuelven económica y políticamente más poderosos.

Complementar a los humanos

Las nuevas tecnologías pueden complementar a los trabajadores al permitirles trabajar de manera más eficiente, realizar un trabajo de mayor calidad o realizar nuevas tareas. Por ejemplo, a pesar de que la mecanización empujó gradualmente a más de la mitad de la fuerza laboral estadounidense fuera de la agricultura, una serie de nuevas tareas manuales y administrativas en las fábricas y las nuevas industrias de servicios emergentes generaron una demanda significativa de mano de obra calificada entre 1870 y 1970. Este trabajo no solo estaba mejor pagado, sino que también era menos peligroso y menos agotador físicamente.

Esta combinación virtuosa —la automatización del trabajo tradicional junto con la creación de nuevas tareas— se desarrolló en relativo equilibrio durante gran parte del siglo XX. Pero en algún momento después de 20, aproximadamente, este equilibrio se perdió. Si bien la automatización ha mantenido su ritmo o incluso se ha acelerado durante las siguientes cinco décadas, la fuerza compensatoria de la creación de nuevas tareas se ha desacelerado, particularmente para los trabajadores sin títulos universitarios de cuatro años. Como resultado, estos trabajadores se encuentran cada vez más en servicios mal pagados (aunque socialmente valiosos), como la limpieza, el servicio de alimentos y la recreación.

La pregunta crítica de la nueva era de la IA es si esta tecnología acelerará principalmente la tendencia existente de automatización sin la fuerza compensatoria de una buena creación de empleo, particularmente para los trabajadores sin educación universitaria, o si, en cambio, permitirá la introducción de nuevas tareas complementarias laborales para trabajadores con diversos conjuntos de habilidades y una amplia gama de antecedentes educativos.

Es inevitable que los sistemas de IA se utilicen para cierta automatización. Un obstáculo importante para la automatización de muchas tareas de servicio y producción ha sido que requieren flexibilidad, juicio y sentido común, que están notablemente ausentes de las formas de automatización anteriores a la IA. La inteligencia artificial, especialmente la IA generativa, puede dominar potencialmente estas tareas. No está claro cuánto contribuirá este tipo de automatización al crecimiento de la productividad agregada mientras estas tecnologías estén inmaduras, pero podrían contribuir a ganancias de productividad considerables a medida que los costos disminuyan y mejore la confiabilidad.

El paradigma intelectual dominante en el sector de la tecnología digital actual también favorece el camino de la automatización. Uno de los principales objetivos de la investigación en IA es lograr la paridad humana en una amplia gama de tareas cognitivas y, de manera más general, lograr una inteligencia artificial general que imite y supere las capacidades humanas. Este enfoque intelectual fomenta la automatización en lugar del desarrollo de tecnologías complementarias para el ser humano.

Sin embargo, la IA ofrece la oportunidad de complementar las habilidades y la experiencia de los trabajadores si dirigimos su desarrollo en consecuencia.

La productividad humana a menudo se ve obstaculizada por la falta de conocimientos o experiencia específicos, que podrían complementarse con tecnología de próxima generación. Por ejemplo, la IA tiene un gran potencial para capacitar y reciclar a trabajadores expertos, como educadores, personal médico y aquellos en oficios modernos (como electricistas y plomeros). La IA también podría crear nuevas demandas de experiencia y juicio humanos para supervisar estos procesos, comunicarse con los clientes y habilitar servicios más sofisticados.

Cinco principios

Reconducir el cambio tecnológico no es fácil, pero es posible. Los gobiernos de todo el mundo, especialmente en los EE. UU. y otros países donde la tecnología está en desarrollo activo, deben tomar las siguientes cinco medidas para ayudar a poner el desarrollo de la IA en un camino complementario para los humanos, en lugar de desplazarlo para los humanos:

• Reformar los modelos de negocio: Los desarrolladores dominantes de IA expropian fácilmente los datos de los consumidores sin compensación, y su dependencia de la publicidad digital incentiva la captación de la atención de los consumidores por todos los medios posibles. Los gobiernos deben establecer derechos de propiedad claros para todos los consumidores sobre sus datos y deben gravar los anuncios digitales. Permitir una gama más diversa de modelos de negocio, o incluso requerir más competencia, es esencial para que la IA sea útil para todos los humanos.
• Fiscalidad: El código tributario en los EE. UU. y muchos otros países impone una carga más pesada a las empresas que contratan mano de obra que a las que invierten en algoritmos para automatizar el trabajo. Para cambiar los incentivos hacia opciones tecnológicas complementarias para el ser humano, los responsables de la formulación de políticas deben tratar de crear una estructura impositiva más simétrica, igualando las tasas impositivas marginales para la contratación (y capacitación) de mano de obra y para la inversión en equipos y software.
• Voz laboral: Dado que los trabajadores se verán profundamente afectados por la IA, deben tener voz en su desarrollo. La política gubernamental debe restringir el despliegue de IA no probada (o insuficientemente probada) para aplicaciones que puedan poner en riesgo a los trabajadores, por ejemplo, en tareas de toma de decisiones de personal de alto riesgo (incluidas la contratación y el despido) o en el monitoreo y la vigilancia en el lugar de trabajo.
• Financiación para más investigación complementaria en humanos: La investigación y el desarrollo de tecnologías de IA complementarias para el ser humano requieren un mayor apoyo. Los gobiernos deben fomentar la competencia y la inversión en tecnología que combine las herramientas de IA con la experiencia humana para mejorar el trabajo en sectores sociales vitales. Una vez que haya un progreso suficiente, los gobiernos pueden alentar una mayor inversión con asesoramiento sobre si la supuesta tecnología complementaria para el ser humano es apropiada para su adopción en programas de educación y atención médica financiados con fondos públicos.
• Experiencia en IA dentro del gobierno: La IA afectará a todas las áreas de inversión, regulación y supervisión del gobierno. El desarrollo de una división consultiva de IA dentro del gobierno puede ayudar a las agencias y reguladores a respaldar una toma de decisiones más oportuna y efectiva.

Posible impacto macroeconómico

La IA podría aumentar el PIB mundial en los próximos cinco años, aunque no de forma tan sustancial como afirman los entusiastas. Incluso podría aumentar modestamente el crecimiento del PIB a medio plazo. Sin embargo, en nuestra trayectoria actual, es probable que el impacto de primer orden sea el aumento de la desigualdad dentro de los países industrializados.

Los países de ingresos medianos y muchos países de ingresos bajos también tienen mucho que temer de la trayectoria actual. Las nuevas tecnologías intensivas en capital pronto se aplicarán en todas partes. No hay garantía de que, en su camino actual, la IA genere más puestos de trabajo de los que destruye.

Si podemos reorientar la IA hacia un camino más complementario con los humanos, al tiempo que la usamos para abordar problemas sociales apremiantes, todas las partes del planeta pueden beneficiarse. Pero si prevalece el enfoque de solo automatización, la prosperidad compartida será aún más difícil de lograr.

DARON ACEMOĞLU, profesor del Instituto Tecnológico de Massachusetts.

SIMON JOHNSON, profesor Ronald A. Kurtz de Emprendimiento en el MIT Sloan y ex economista jefe del FMI.

About The Author