La macroeconomía de la inteligencia artificial

Source details

Autores: ERIK BRYNJOLFSSON y GABRIEL UNGER.
Publicación: FINANZAS & DESARROLLO, Diciembre de 2023.
Enfoque: Implicaciones macroeconómicas de la IA en tres áreas: crecimiento de la productividad, mercado laboral (desigualdad de ingresos) y concentración industrial.
Mensaje central: El futuro de la IA no está predeterminado; existen caminos divergentes en cada área que dependen de decisiones tecnológicas y de política pública.

Problema base:
- Crecimiento de la productividad de Estados Unidos ha sido "inquietantemente bajo en los últimos 50 años", salvo un resurgimiento a finales de la década de 1990 y principios de los 2000.
- La productividad determina la riqueza de las naciones y la facilidad para enfrentar déficits presupuestarios, pobreza, salud y medio ambiente.
Futuro de baja productividad (trayectoria de menor resistencia):
- Adopción lenta de la IA, concentrada en grandes empresas.
- IA produce solo ahorro de mano de obra limitado ("tecnología aceptable") en lugar de habilitar tareas nuevas y estimulantes.
- Beneficios agregados podrían aparecer décadas después o no materializarse en estadísticas de productividad (referencia a la paradoja de Solow).
- Obstáculos adicionales: falta de cambios organizativos/gestión, incertidumbres legales (propiedad intelectual, "maraña de patentes"), regulaciones estrictas o prohibiciones.
Futuro de alta productividad:
- IA aplicada a un porcentaje sustancial de tareas (Eloundou et al., 2023) e impulsa fuertemente la productividad.
- IA complementa a los trabajadores, libera tiempo para tareas no rutinarias, creativas e inventivas.
- IA captura conocimiento tácito mediante grandes cantidades de datos digitalizados, ampliando la proporción de trabajadores dedicados a innovación.
- Integración exitosa con robótica y avances en medicina y descubrimiento científico que permiten automejora recurrente en la investigación.

Contexto:
- Aumento de la desigualdad entre trabajadores en los últimos 40 años; literatura sugiere que la tecnología ha automatizado trabajos rutinarios de ingreso medio, polarizando la fuerza laboral.
Futuro con más desigualdad:
- IA diseñada para sustituir mano de obra, incluidos trabajos no rutinarios y creativos mediante IA generativa.
- No necesariamente desempleo masivo, pero creciente relegación a empleos de servicios mal pagados (camilleros, niñeros, porteros).
- Mayor polarización entre una élite muy cualificada y una gran subclase de trabajadores mal remunerados.
Futuro con menos desigualdad:
- IA actúa como asistente que eleva la productividad de trabajadores menos experimentados o menos expertos (ejemplo: asistentes como Copilot).
- Estudio con 5.000 trabajadores en empleos complejos de atención al cliente mostró que los menos cualificados aumentaron más su productividad con asistencia de IA (Brynjolfsson, Li y Raymond, 2023).
- Potenciales beneficios adicionales: menor rotación laboral y mayor satisfacción de clientes cuando los trabajadores usan asistentes de IA.
- Condición clave: empleadores compartan las mejoras de productividad con los trabajadores.

Tendencia base:
- Desde comienzos de la década de 1980, la concentración industrial ha aumentado drásticamente en Estados Unidos y otras economías avanzadas.
Futuro con mayor concentración:
- Solo las empresas más grandes usarían intensivamente IA; desarrollo y entrenamiento de modelos requiere gran capacidad de cómputo y enormes conjuntos de datos.
- Cifras destacadas: entrenar GPT-4 durante su desarrollo inicial cuesta "más de USD 100 millones" y necesita "aproximadamente USD 700.000 al día" para funcionar; el costo típico de desarrollar un modelo grande podría "pronto alcanzar los miles de millones de dólares".
- Leyes de escala en entrenamiento y desempeño favorecerían a empresas con mayores presupuestos y datos.
- Incluso si no hay enormes costos fijos, la IA podría beneficiar desproporcionadamente a empresas grandes mejorando la coordinación interna de operaciones complejas.
Futuro con menor concentración:
- Modelos de IA de código abierto (p. ej., Llama, Koala) están ampliamente disponibles y fomentan un ecosistema vibrante de acceso amplio.
- Comentario de investigación filtrada: modelos de código abierto pueden ser "más rápidos, más adaptables, más privados y en comparación más capaces"; su entrenamiento puede ser más económico.
- IA puede incentivar innovación descentralizada, permitiendo que empresas pequeñas reduzcan la brecha tecnológica y recuperen cuota de mercado.

Problema conceptual:
- Debate público suele reducirse a más o menos IA (modelo hidráulico), asumiendo un futuro fijo para la tecnología.
- Propuesta: políticas deben orientar no solo la cantidad de IA, sino los tipos de IA y su distribución de beneficios.
Recomendaciones y preguntas de política (implicadas por el texto):
- Diseñar políticas que incentiven IAs que complementen la mano de obra humana, no que simplemente la repliquen y reemplacen.
- Fomentar acceso a IA para empresas de todos los tamaños; apoyar ecosistemas de código abierto cuando sea apropiado.
- Explorar cómo laboratorios y empresas deben orientar desarrollo e implementación de modelos de IA.
- Definir objetivos positivos que expresen qué quiere la sociedad de la IA, no solo prohibiciones o límites.
- Desarrollar políticas flexibles ante la gran incertidumbre tecnológica y su rápido cambio.
- Involucrar a múltiples actores: grandes corporaciones, laboratorios universitarios, legisladores y reguladores (federales y locales), votantes y sindicatos.
- Experimentación creativa en políticas públicas.

Observación clave:
- Existe un desequilibrio entre el rápido avance técnico en IA y la investigación limitada sobre sus consecuencias económicas y sociales.
Demandas específicas:
- Invertir considerablemente más en estudios sobre la economía de la IA, dada la magnitud potencial de sus efectos (posiblemente medibles en billones de dólares).
- Reorientar prioridades de investigación y desarrollar una agenda de políticas que iguale la escala de los avances técnicos en IA.

Fuente: La macroeconomía de la inteligencia artificial — ERIK BRYNJOLFSSON y GABRIEL UNGER, FINANZAS & DESARROLLO, Diciembre de 2023.