¿Cómo remodelará la inteligencia artificial la economía global? Algunos economistas predicen sólo un pequeño impulso: alrededor de un 0,9% de aumento en el producto interno bruto durante los próximos diez años.1. Otros prevén una revolución que podría añadir entre 17 y 26 billones de dólares a la producción económica mundial anual y automatizar hasta la mitad de los empleos actuales para 2045.2. Pero incluso antes de que se materialicen todos los impactos, las creencias sobre nuestro futuro de la IA afectan la economía actual: dirigen las opciones profesionales de los jóvenes, guían las políticas gubernamentales e impulsan vastos flujos de inversión en semiconductores y otros componentes de los centros de datos.
Por qué es necesario comenzar ahora a evaluar el impacto de la IA
Dado lo mucho que está en juego, muchos investigadores y formuladores de políticas intentan cada vez más cuantificar con precisión el impacto causal de la IA a través de experimentos naturales y ensayos controlados aleatorios. En dichos estudios, un grupo obtiene acceso a una herramienta de IA mientras otro continúa en condiciones normales; otros factores se mantienen fijos. Luego, los investigadores pueden analizar resultados como la productividad, la satisfacción y el aprendizaje.
Sin embargo, cuando se aplica a la IA, este tipo de evidencia enfrenta dos desafíos. En primer lugar, cuando se publican, las estimaciones causales de los efectos de la IA pueden estar desactualizadas. Por ejemplo, un estudio encontró que los trabajadores de los centros de llamadas manejaron las consultas un 15% más rápido cuando utilizaron las herramientas de inteligencia artificial de 2020.3. Otro mostró que los desarrolladores de software con acceso a asistentes de codificación en 2022-23 completaron un 26% más de tareas que aquellos que no tenían dichas herramientas.4. Pero las capacidades de la IA están avanzando a un ritmo asombroso. Por ejemplo, desde el lanzamiento de ChatGPT en 2022, las herramientas de inteligencia artificial ahora pueden manejar correctamente tres veces más chats simulados de atención al cliente por sí solas que antes.5. La IA del mañana, mejor y más barata, producirá efectos económicos diferentes.
En segundo lugar, los estudios cuidadosamente controlados no captan los efectos dominó más amplios que acompañan a la adopción de la IA. Por ejemplo, los estudios que involucran a trabajadores de centros de llamadas3 y desarrolladores de software4 descubrió que cuando la estructura organizacional permanecía fija, los trabajadores menos experimentados se beneficiaban más de la asistencia de la IA. Pero en el mundo real, los gerentes podrían responder reorganizando el trabajo o incluso reemplazando a algunos de los trabajadores menos experimentados con sistemas de inteligencia artificial. Si lo hacen, el efecto en esos individuos podría ser el opuesto al estimado en estudios controlados. De hecho, los datos sobre nóminas sugieren que el empleo de trabajadores más jóvenes ha disminuido desde 2022, particularmente en ocupaciones que incluyen tareas en las que la IA sobresale, como el servicio al cliente y el desarrollo de software.6. Sin embargo, los investigadores todavía están tratando de comprender qué parte del patrón es atribuible a la tecnología de inteligencia artificial.
Los estudios cuidadosamente controlados son como encender un foco brillante y estrecho: son solo una parte de la iluminación necesaria para comprender cómo la sociedad se está adaptando a la IA. Con tanto aún desconocido sobre sus efectos económicos y sociales más amplios, el debate popular a menudo cae en narrativas especulativas de ciencia ficción de un mundo dominado por la inteligencia artificial.
Las ciencias sociales podrían ayudar a sortear estas incertidumbres, pero requerirían tanto imaginación como fundamento. Aquí describo tres enfoques complementarios que pueden guiar a los investigadores que trabajan en este campo en rápida evolución.
Ciencia ficción social
Un enfoque es crear lo que el economista Jean Tirole llama ciencia ficción social.7 — especulación sobre el futuro que sigue arraigada en principios económicos fundamentales y teorías del comportamiento. En lugar de depender únicamente de la imaginación, este tipo de análisis utiliza modelos para explorar cómo las tecnologías podrían interactuar con las fuerzas del mercado.
Por ejemplo, en 2019, los investigadores modelaron cómo los automóviles autónomos podrían remodelar las ciudades y descubrieron que los vehículos podrían empeorar el tráfico.8. Como los pasajeros de los vehículos autónomos pueden relajarse, leer o mirar vídeos, el coste personal del tiempo que pasan en el tráfico disminuye. Pero a medida que más personas eligen viajar en automóvil, imponen una mayor congestión a los demás. Que eso conduzca a ineficiencia dependerá de si los gobiernos implementan políticas como la tarificación de la congestión para corregir la «externalidad».
¿Puede la IA ayudar a vencer la pobreza? Los investigadores prueban formas de ayudar a los más pobres
Otro ejemplo de ciencia social imaginativa pero fundamentada proviene de la investigación sobre cómo las fuerzas del mercado podrían limitar el potencial disruptivo de la IA. Estudios9,10 sugieren que, a medida que la automatización aumenta la productividad en algunas tareas, otras actividades que no pueden automatizarse fácilmente (como la dirección creativa o la verificación de los resultados finales) crecerán en valor relativo. Eso podría aumentar la demanda de mano de obra y, por tanto, los salarios en esos empleos. Estas oportunidades podrían amortiguar algunos de los efectos disruptivos de la automatización. Pero también podría profundizar las desigualdades entre las personas que prosperan en estos roles y las que no.
Más experimentos mentales como estos pueden ayudar a las autoridades a imaginar cómo podría cambiar la economía de una manera más disciplinada. Dichos experimentos pueden identificar qué indicadores monitorear y proporcionar una ventaja en la planificación de las políticas que podrían ser necesarias. Otros problemas abiertos incluyen comprender los incentivos para crear conocimiento para los sistemas de IA y cómo la innovación y el crecimiento económico podrían verse afectados si los laboratorios de IA siguen siendo competitivos entre sí, o si uno de ellos avanza como un claro líder del mercado.
Datos prospectivos
Además de la teoría, las autoridades también necesitarán evidencia para comprender cómo cambiará la economía. Es necesario combinar diferentes tipos de información para formar una imagen más completa.
Un enfoque común para evaluar las capacidades de la IA es la evaluación comparativa: probar los sistemas en tareas estandarizadas, de manera muy similar a como lo hacen los exámenes. Los puntos de referencia pueden evaluar la capacidad de un sistema de inteligencia artificial para resolver problemas matemáticos, responder a solicitudes de atención al cliente o diagnosticar afecciones médicas. Sin embargo, las puntuaciones de los puntos de referencia a menudo difieren del desempeño en entornos del mundo real, donde las tareas son más ruidosas, más complejas y dependen del contexto. Por ejemplo, un sistema de IA médica podría funcionar bien en preguntas clínicas tipo libro de texto, pero podría malinterpretar las comunicaciones de los pacientes si omiten detalles clave. Se necesita más investigación para diseñar puntos de referencia que capturen mejor el rendimiento del mundo real.
Si la IA es tan transformadora como muchos esperan, sus efectos se manifestarán en numerosos indicadores que se pueden monitorear en tiempo real, como el seguimiento de para qué tareas la gente usa la IA. Estos datos de uso muestran, por ejemplo, que los chatbots de IA se utilizan a menudo para el desarrollo de software, lo que sugiere que este sector podría sentir los primeros efectos de la adopción de la IA.11,12. Otros indicadores incluyen el empleo, las ofertas de trabajo y si las empresas que integran la IA obtienen mayores ganancias y se expanden. Sin embargo, habrá preguntas que esos indicadores descriptivos por sí solos no pueden responder. Por esa razón, los investigadores aún podrían intentar medir el impacto causal de la IA: es decir, si la IA genera mejoras, en lugar de simplemente ser adoptada por personas de alto rendimiento que también están más dispuestas a probar nuevas tecnologías.
La IA puede potenciar la desigualdad, a menos que el público aprenda a controlarla
Estimar los efectos causales de la IA es difícil porque la tecnología está evolucionando y las organizaciones se están adaptando. Pero este desafío no es exclusivo de la IA. Surgen cuestiones similares al evaluar el desempeño de cualquier programa piloto, ya sea en negocios, educación o salud pública, una vez ampliado. Cuando se amplían, los programas a menudo encuentran nuevas limitaciones o desencadenan consecuencias económicas más amplias. Los economistas han desarrollado métodos para anticipar estos efectos de escala al diseñar experimentos, como replicar las condiciones del eventual implementador (por ejemplo, una agencia gubernamental) en lugar de las de las organizaciones más ágiles y con mejores recursos que normalmente ejecutan pilotos.13–15. Los investigadores que estudian la IA también pueden intentar anticipar cambios futuros al diseñar experimentos.
Un parámetro importante es el coste de ejecutar modelos de IA, que ha ido cayendo. Los investigadores pueden modelar cómo la disminución de costos podría afectar la viabilidad de diferentes aplicaciones. Por ejemplo, un estudio16 examinó el uso de la IA por parte de profesores en Sierra Leona que pagan por el acceso a Internet por megabyte. A principios de 2022, consultar un chatbot de IA era 12 veces más caro que cargar una página web estándar; para 2025, gracias a la caída de los costos de computación y la eficiencia del ancho de banda de la IA, usar la tecnología se había vuelto un 98% más barato que acceder a una página web. Esta ventaja de costos sugiere que la IA podría ampliar el acceso a la información en entornos de bajos recursos donde Internet es costoso.
Las capacidades de la IA son otro determinante crucial de su impacto. Es difícil predecir cómo evolucionarán, pero los investigadores pueden intentar anticipar cómo podrían responder los humanos a sistemas más poderosos. Incluso a medida que avanza la tecnología, el comportamiento humano tiende a seguir patrones estables, en términos de cómo las personas desarrollan confianza, cómo responden a los incentivos y cómo se adaptan a la automatización.
