Estamos siendo testigos de una era de transformación sin precedentes, o al menos eso es lo que nos prometen. La inteligencia artificial (IA) se presenta como el motor definitivo de la productividad, capaz de revolucionar cada sector, optimizar procesos y desatar un crecimiento económico explosivo. Conferencias, informes de consultoras y titulares de prensa proclaman a los cuatro vientos que la IA cambiará para siempre el panorama económico global. Sin embargo, cuando volteamos a mirar los números fríos y duros del Producto Interno Bruto (PIB) a nivel mundial, la narrativa parece desvanecerse en un silencio incómodo. ¿Por qué el indicador económico más usado no refleja aún esta supuesta revolución? ¿Estamos viviendo una brecha entre la expectativa y la realidad, o simplemente estamos midiendo el impacto con herramientas desfasadas?
El eco de la promesa y la realidad económica
Desde los avances en grandes modelos de lenguaje hasta la visión por computador, las aplicaciones de la IA están proliferando a una velocidad vertiginosa. Se habla de eficiencias operativas masivas, de nuevas industrias emergiendo y de una productividad que disparará el crecimiento del PIB. Empresas de todos los tamaños están invirtiendo miles de millones en soluciones de IA, esperando que esta inversión se traduzca en una ventaja competitiva y, en última instancia, en un mayor valor añadido a la economía. No obstante, si analizamos los datos macroeconómicos recientes, el crecimiento del PIB en muchas de las economías más avanzadas sigue siendo modesto, y en algunos casos, incluso decepcionante. No se observa un pico repentino ni un cambio de tendencia que pueda atribuirse de forma directa y clara a la omnipresente influencia de la IA. Es un enigma que nos invita a profundizar en sus posibles causas.
¿Está el PIB preparado para medir la era digital?
Uno de los debates más pertinentes es si el PIB, como métrica, es adecuado para capturar el valor que genera la IA. Gran parte de la innovación de la IA se manifiesta en la mejora de la calidad de los servicios, la personalización de experiencias o la reducción de costes internos que no siempre se traducen directamente en un aumento del volumen de bienes y servicios transaccionados o en nuevos productos con un precio discernible. Pensemos en una IA que optimiza la cadena de suministro, reduciendo el desperdicio. Esto es eficiencia, pero el PIB mide el valor de lo producido, no lo que se evita gastar.
Además, muchos de los beneficios de la IA se incorporan en productos y servicios que tienen un precio nominalmente bajo o incluso son gratuitos para el usuario final (como algunas aplicaciones de IA generativa). El valor de estos servicios, en términos de bienestar o productividad personal, es inmenso, pero su contribución al PIB es mínima o nula. Esto no es exclusivo de la IA; ya se observó con el auge de internet y la economía de la información. Me pregunto si necesitamos métricas complementarias que capturen el valor no monetizado de la tecnología. Puedes leer más sobre la medición de la productividad en la era digital en este informe de McKinsey & Company:
El futuro de la productividad con IA.
Barreras para la adopción generalizada
No todo es un problema de medición. La adopción de la IA a gran escala es un proceso complejo y no exento de obstáculos. Las empresas requieren de una reestructuración de sus procesos, una inversión significativa en infraestructura tecnológica y, quizás lo más importante, una transformación cultural y de habilidades en su fuerza laboral. No basta con comprar una solución de IA; hay que integrarla, adaptarla y capacitar al personal para que la use eficazmente. Este proceso lleva tiempo y, a menudo, implica una curva de aprendizaje inicial que puede incluso deprimir temporalmente la productividad antes de que los beneficios se materialicen. Un informe del Foro Económico Mundial explora estos desafíos:
El futuro del trabajo 2023.
El "efecto de rezago" y la paradoja de Solow
La historia económica nos ha enseñado que las tecnologías disruptivas tardan en manifestar su impacto macroeconómico. La electricidad, por ejemplo, no generó un aumento significativo de la productividad hasta décadas después de su invención, una vez que las fábricas se reorganizaron completamente en torno a ella. Esto se conoce como el "efecto de rezago" o, en el caso de la informática, la "paradoja de Solow": "Puedes ver la era de la informática en todas partes, excepto en las estadísticas de productividad". La IA podría estar en una fase similar, donde la inversión y el desarrollo están en auge, pero la implementación a gran escala y la reestructuración completa de la economía aún están en progreso. El Banco de España ha reflexionado sobre esto en sus publicaciones sobre política monetaria y productividad:
La productividad en España.
Mi intuición me dice que estamos subestimando el tiempo necesario para que estas tecnologías maduren y sean completamente absorbidas por la economía. No es una cuestión de si la IA tendrá un impacto, sino de cuándo y cómo se manifestará de forma medible.
¿Dónde se está generando valor, aunque no lo veamos en el PIB?
A pesar de la falta de impacto macro visible, la IA ya está generando un valor innegable en micro escala. Desde asistentes virtuales que mejoran la atención al cliente hasta sistemas de diagnóstico médico más precisos, pasando por la optimización de procesos logísticos. Empresas como Amazon o Google, y un sinfín de startups, están viendo mejoras en sus métricas internas, aunque estas no se traduzcan aún en un salto cuantificable en el PIB nacional. La IA está permitiendo a las empresas hacer más con menos, innovar más rápido y ofrecer experiencias más personalizadas. Un análisis de la consultora PwC sobre el impacto de la IA lo subraya:
Predicciones de IA de PwC.
El valor también reside en la creación de nuevas capacidades y conocimientos que antes eran impensables. La IA está acelerando la investigación científica, el desarrollo de nuevos materiales y el diseño de soluciones a problemas complejos, como la lucha contra el cambio climático. Estos son los cimientos sobre los que se construirá el crecimiento futuro. Un ejemplo de aplicación de la IA en sostenibilidad puede encontrarse en iniciativas como las del proyecto
DeepMind en eficiencia energética.
Mirando hacia el futuro: Un impacto latente
Es probable que estemos en una fase de "sembrado" de la IA. Las inversiones y los esfuerzos actuales no son en vano, sino que están construyendo la infraestructura y el conocimiento que, en el futuro, desbloquearán ese potencial productivo que tanto se anuncia. La verdadera explosión podría estar a la vuelta de la esquina, una vez que la tecnología sea más madura, las empresas se adapten completamente y quizás, nuestras métricas económicas evolucionen para capturar mejor este nuevo tipo de valor. La IA no solo cambiará cómo trabajamos, sino también cómo medimos el progreso y la prosperidad.