¿Va a provocar la inteligencia artificial una aceleración del  crecimiento económico?

Por regla general, los economistas formulan modelos del crecimiento potencial del PIB en función de los insumos de capital (K) y de trabajo (L), y de la eficacia del proceso de producción (productividad), que se expresa como sigue (función de producción de Cobb Douglas):

Y=A L^a K^1-a

 Cuanto mayores sean los factores de producción y mayor sea su productividad, mayor será su contribución al aumento de la producción. La IA podría impactar en el crecimiento no solo mediante un aumento de la producción, sino también con una incidencia directa en el trabajo y el capital. Además, el impacto a corto plazo de la IA podría ser muy diferente de su impacto a largo plazo.

El siguiente diagrama establece una distinción aproximada entre las repercusiones a corto y a largo plazo.

La inversión en activos fijos constituye un factor clave del despliegue de la IA. Según un informe publicado recientemente por McKinsey («The State of AI»), la adopción de la IA era 2,5 veces mayor en 2022 que en 2017. En 2017, el 20% de los encuestados afirmaron que estaban adoptando la IA en al menos un área de negocio, frente al 50% en 2022. Así pues, las cantidades invertidas en IA han aumentado en paralelo a su creciente adopción. Mientras que en 2017 el 40% de los encuestados de organizaciones que utilizaban IA señalaron que más del 5% de sus presupuestos digitales se destinaban a esa tecnología, la proporción supera ahora el 50%, y el 63% espera que su organización aumente su inversión en IA en los próximos tres años.

La inversión total en IA está aumentando de manera exponencial, incluida la IA generativa. Según otro informe de McKinsey sobre la IA generativa, «la financiación de la IA generativa, aunque apenas sigue siendo una pequeña parte de la inversión total en inteligencia artificial, es significativa y crece rápidamente, con un total de 12.000 millones de dólares solo en los primeros cinco meses de 2023. El capital riesgo y otras fuentes externas de inversión privada en IA generativa promediaron una tasa de crecimiento anual compuesto de más del 70% entre 2017 y 2022. Durante el mismo período, la inversión en inteligencia artificial creció un 29% anual en general, pero partiendo de una base más elevada».  

Resulta sumamente interesante el hecho de que la inversión en IA se está extendiendo a todos los sectores, pasando de la fabricación a los servicios, sobre todo a raíz de la ola de últimas soluciones. En 2018, según el informe «The State of AI» de McKinsey, «la fabricación y la gestión de riesgos fueron los dos factores a los que la mayoría de los encuestados atribuyeron potencial de creación de valor a la IA». En 2022, el informe indica que «el mayor impacto en la facturación se producirá en el marketing y ventas, el desarrollo de productos y servicios, y la estrategia y las finanzas corporativas». Este aumento de la inversión en IA ya está impulsando la producción en los sectores más afectados, mientras que el incremento del capital por empleado probablemente acabará impulsando el crecimiento potencial futuro.

Aunque resultan impresionantes, estas tasas de crecimiento tardarán mucho tiempo en modificar significativamente la cantidad de capital en la mayoría de las economías. La evolución del stock de capital depende de dos factores: el stock de capital en el momento t es la suma del stock de capital disponible en (t-1) menos la depreciación del capital por deterioro y obsolescencia y los incrementos (nuevas inversiones). El aumento del stock de capital global se traducirá en un aumento del capital por empleado y, en igualdad de condiciones, en un mayor crecimiento potencial.

El impulso sostenido de la innovación y la evolución de estas nuevas tecnologías de IA podrían aumentar sustancialmente la tasa de depreciación (la velocidad a la que el capital existente puede quedar obsoleto) en relación con el pasado. Esto impondría niveles crecientes de inversión para mantener sin cambios el capital por empleado y elevaría el coste del capital para un nivel dado de ahorro disponible en la economía. Por tanto, el impacto a corto plazo podría variar mucho de un sector a otro. Se trata del famoso proceso de «destrucción creativa», popularizado por el economista Joseph Schumpeter.

Aunque se habla mucho de las últimas soluciones de IA generativa, es importante darse cuenta de que existen diferentes tipos de IA que se utilizan en toda la cadena de valor, y algunas llevan utilizándose desde hace mucho tiempo:

• Las denominadas tecnologías «con humanos en el bucle»: software, sistemas y máquinas que ayudan a los empleados (a realizar mejor y con más eficacia las tareas, liberando tiempo para actividades de mayor valor añadido);
• ‘Tecnologías «sin humanos en el bucle»: procesos de automatización (por ejemplo, robótica) que eliminan o sustituyen la mano de obra.

Por tanto, a corto plazo, parece que el debate sobre si la IA es un «sustituto o un complemento» de la mano de obra humana carece de sentido, ya que puede tener ambos efectos a la vez. Las últimas soluciones de IA marcan una verdadera ruptura con los cambios tecnológicos del pasado, pasando de la «automatización física» (centrada en los trabajos físicos o en las tareas cognitivas rutinarias) a la «automatización cognitiva», que repercute en los trabajos creativos e intelectuales. Ya no son solo los empleados peor pagados los que están amenazados, sino también muchas de las profesiones mejor pagadas.

Un estudio reciente del BCE¹ muestra que aproximadamente el 25% de todos los empleos de los países europeos corresponden a actividades muy expuestas a la automatización relacionada con la IA, pero que «el grado de exposición constituye tanto una oportunidad como un riesgo». Para algunos empleos, todo dependerá de la capacidad de las tecnologías basadas en la IA para sustituir a la mano de obra o complementar su aportación. 

Este estudio demuestra que el alarmismo sobre el impacto de la IA en el mercado laboral es «muy exagerado». En efecto, demuestra que, en Europa, durante la década de 2010, los subsectores más expuestos a la IA de aprendizaje profundo (procesamiento del lenguaje, reconocimiento de imágenes, recomendaciones basadas en algoritmos, detección de fraudes, etc.) lograron incrementar su peso en el empleo total. Por tanto, para los empleados poco y medianamente cualificados, la exposición a la IA no ha tenido ningún impacto en el empleo. Y al contrario, para los empleos altamente cualificados, la exposición a la IA tuvo un efecto positivo significativo en el empleo. Por término medio, la exposición a la IA también tiene un impacto positivo en el empleo de los jóvenes. Y no hubo un impacto significativo en los salarios. En conclusión, los economistas del BCE consideran que es demasiado pronto para emitir un veredicto definitivo.

No obstante, la reconversión de los empleados será cada vez más importante, ya que algunas competencias podrían quedar obsoletas o adaptarse para trabajar en conjunción con la IA. Los precedentes históricos muestran que las innovaciones tecnológicas que sustituyen inicialmente a los empleados tienden generalmente a acelerar el crecimiento del empleo a largo plazo (véase el análisis de Goldman Sachs) y que los empleados que pierden su empleo pueden encontrar uno nuevo, con un aumento medio de sus ingresos. En nuestra opinión, el presente podría hacerse eco del pasado: por un lado, como ocurre con cualquier revolución tecnológica importante, los empleados serán sustituidos, pero por otro, el cambio tecnológico en curso también requerirá nuevos empleos que aún no existen. Sin embargo, dependiendo de la escala y la velocidad de la adopción de la IA y del marco regulador que prevalezca, la perturbación a corto plazo del mercado laboral sigue siendo muy incierta.

A pesar de las alteraciones que provocará a corto plazo, la IA también podría ayudar a afrontar el desafío demográfico, sobre todo en los países desarrollados y en algunos de los mayores países emergentes.

En la zona euro, por ejemplo, la población en edad de trabajar se está reduciendo en más de un millón de personas al año.

El principal determinante del crecimiento a largo plazo es la productividad. En Estados Unidos, entre la II Guerra Mundial y principios de la década de 1970, el crecimiento de la productividad laboral registró una media superior al 3% anual. El crecimiento de la productividad se ralentizó bruscamente a principios de los años 70, pero después se recuperó en la década de 1990 y volvió a caer drásticamente desde principios de los 2000.

Hay tres formas de aumentar el crecimiento de la productividad: mejorar la calidad del trabajo, aumentar el capital por empleado o mejorar la adecuación entre trabajo y capital (productividad total de los factores). El aumento de la productividad durante la década de 1990 se debió principalmente a la inversión enorme en ordenadores y comunicaciones, que mejoró tanto la productividad total de los factores como la intensidad del capital. Como se muestra en el cuadro siguiente, la difusión de las nuevas tecnologías no siempre es fluida, ya que puede tropezar con numerosos obstáculos, y los aumentos de productividad a nivel global de la economía pueden tardar mucho tiempo en materializarse.

Al igual que en la década de 1990, la IA podría incrementar sustancialmente la productividad total de los factores en toda la economía, debido a su capacidad para influir en muchos sectores de actividad a través de múltiples canales, como el mercado laboral, la inversión y la productividad.

En nuestra opinión, la adopción de la IA se producirá en tres fases:

• «Visibilidad limitada»: una fase inicial caracterizada por la innovación dinámica y la acumulación de capital, pero una visibilidad limitada del impacto en la productividad; no hay una adopción generalizada y los beneficios de la productividad se ven compensados en parte por las pérdidas en algunos sectores.
• «Difusión más amplia»: la segunda fase, una vez que caen los costes de utilizar e invertir en nuevas tecnologías, la implantación se generaliza y las ganancias de productividad se extienden a toda la economía. Las diferencias pueden persistir, pero los beneficios son más visibles.
• «Normalización»: la tercera fase, en la que los beneficios de la adopción de nuevas tecnologías son marginales y el crecimiento de la productividad se ralentiza, volviendo muy probablemente a una tendencia a largo plazo.

Es difícil estimar el impacto potencial sobre la productividad. Las nuevas investigaciones sobre la estimación de los efectos de la IA en la productividad se centran en gran medida en sectores específicos. Según los estudios centrados en los avances más recientes de la IA generativa —el impacto en los empleados del conocimiento—, la IA podría suponer una mejora de la productividad entre un 10% y un 20%. Sin embargo, estos resultados se limitan a ciertos empleos o sectores y no pueden extrapolarse al conjunto de la economía³. Otros obstáculos, como los factores sociales y políticos, así como las barreras económicas, podrían limitar la rápida difusión y adopción de la IA en distintos países. Véase el cuadro siguiente:

Por regla general, la velocidad a la que las innovaciones se difunden en la sociedad depende no solo de sus beneficios intrínsecos, sino también del entorno social y económico más amplio. A principios del siglo XXI, a menudo se afirmaba que el bajo nivel de adopción de innovaciones tecnológicas era una de las principales causas del lento crecimiento de la productividad (la famosa «paradoja de la productividad»)⁴. El grado de adopción de nuevas tecnologías por parte de las empresas depende de factores humanos (capacidad de gestión y ambición estratégica, nivel de formación de los empleados, idoneidad de sus competencias), pero también de factores de mercado (barreras de entrada y salida, restricciones comerciales, capacidad para financiar las innovaciones, existencia de la infraestructura necesaria para desplegar las innovaciones, incentivos fiscales, trabas burocráticas). Fenómenos similares dificultan la adopción de nuevas tecnologías por parte de los particulares.

Las políticas públicas destinadas a eliminar estos obstáculos (planes de formación, facilitación de la financiación, subvenciones, desarrollo de infraestructuras, etc.) pueden contribuir a acelerar su difusión, pero esto requiere a menudo una alineación de los intereses públicos y privados. En determinados ámbitos, como la transición energética o la autonomía estratégica, por ejemplo, los distintos actores deberán cooperar absolutamente.

Uno de los principales obstáculos para la adopción de la IA es el alto grado de intensidad energética de los modelos generativos de IA. Según estudios recientes, la formación de GPT-3, que es un programa de IA de uso general capaz de generar lenguaje y que tiene muchas aplicaciones diferentes, precisó 1.287 gigavatios/hora, o aproximadamente el consumo eléctrico de 120 hogares estadounidenses en un año. Este aprendizaje generó 502 toneladas de emisiones de carbono, equivalentes a las emisiones anuales de 110 coches en EE. UU. Otra medida interesante es la ofrecida por Google, cuyos investigadores descubrieron que la inteligencia artificial suponía entre el 10% y el 15% del consumo total de electricidad de la empresa, que fue de 18,3 teravatios/hora en 2021. Dicho de otro modo, la IA de Google consume alrededor de 2,3 teravatios/hora al año, o aproximadamente tanta electricidad como todos los hogares de una ciudad del tamaño de Málaga.

La IA también plantea problemas políticos en caso de que alguna vez se abuse de ella, por no hablar de las complejas cuestiones que rodean su regulación para limitar su potencial de manipulación.

A largo plazo, la IA se adoptará inevitablemente a muy gran escala y tendrá un impacto positivo en la productividad y el crecimiento económico. Todos los inversores deberían ser conscientes de ello. Podría beneficiar enormemente a los países en los que se prevé una reducción de la mano de obra. Los inversores también deben comprender que la IA producirá trastornos brutales a corto plazo y que pesará sobre la rentabilidad y los resultados financieros de muchos sectores.

También exigirá que los gobiernos gestionen escrupulosamente el tipo de empleos destruidos y apliquen las políticas de reciclaje necesarias. Aunque será complejo abordar las cuestiones que plantea la IA a corto y medio plazo, saber aprovechar sus ventajas a largo plazo ofrecerá perspectivas prometedoras.

1. BCE, «Reports of AI ending human labour may be greatly exaggerated», boletín de investigación del BCE n.º 113.
2. Acemoglu D. y P. Restrepo, 2022, «Demographics and automation», Review of Economic Studies, vol. 89(1).
3. Según la teoría económica (teorema de Hulten), el impacto del aumento de la productividad en un sector determinado sobre la productividad y la producción globales es igual a la magnitud del aumento de la productividad, ponderada por el tamaño relativo del sector en cuestión en la economía (en mercados competitivos). Así, si suponemos que la IA aumenta la productividad en un 10% en un tercio de la economía a lo largo de 10 años, la productividad global aumentaría en un 0,3% durante este periodo. Un crecimiento así sería masivo. Además, dada la naturaleza de la IA, su difusión podría ser mucho mayor en muchos países que la de anteriores innovaciones tecnológicas. Los países innovadores no serán los únicos en beneficiarse. De hecho, las tecnologías de IA pueden, en principio, desplegarse rápidamente a través de programas informáticos e Internet, y su aplicación puede no requerir costosas inversiones en infraestructuras por parte de los usuarios.
4. OECD, 2018, “Digital technology diffusion: a matter of capabilities, incentives or both?”, Economics Department working paper n°1476. Patterson D. et al., 2021, “Carbon emissions and large neural network training”.