Planificación de escenarios para un futuro con IA(G)

Source details

ChatGPT, lanzado en noviembre de 2022, mostró capacidades de generación de texto y código, traducción, creación creativa y respuestas informativas a un nivel sin precedentes.
Los modelos fundacionales de la IA generativa llevan más de una década avanzando rápidamente: durante los últimos diez años, la cantidad de recursos computacionales utilizados para entrenar sistemas de vanguardia se ha duplicado cada seis meses.
Algunos investigadores pronostican aceleración futura; en mayo de 2023 Geoffrey Hinton especuló que la IAG podría ser una realidad en un plazo de entre 5 y 20 años. Otros son escépticos; existe gran incertidumbre sobre velocidad y consecuencias económicas.

Panel 1 (visión ilimitada): la capacidad del cerebro humano para resolver tareas complejas sería, en principio, ilimitada; la historia económica muestra cómo los trabajadores se han desplazado hacia tareas más complejas conforme avance la automatización.
Panel 2 (visión de límite finito): la teoría del procesamiento de la información equipara el cerebro a una entidad computacional con un límite máximo para la complejidad de tareas que puede realizar; muchas medidas de complejidad computacional de los modelos avanzados ya se acercan a las del cerebro humano.
Implicaciones: si la capacidad humana es finita, los sistemas de IA podrían reducir rápidamente la brecha, afectando el alcance futuro de la automatización.

Escenario I (tradicional, statu quo): la IA impulsa productividad y automatiza tareas cognitivas, pero los trabajadores desplazados se reasignan a nuevos empleos, en promedio más productivos. Corresponde al panel 1 del gráfico 1.
Escenario II (base, IAG en el plazo de 20 años): en 20 años la IA llega a IAG y puede realizar todas las tareas laborales humanas, devaluando el factor trabajo. Se corresponde con el panel 2 del gráfico 1.
Escenario III (agresivo, IAG en el plazo de cinco años): igual que el Escenario II pero con un calendario más agresivo; IAG y sus consecuencias laborales ocurren en el plazo de cinco años.
Probabilidades estimadas por el autor: cada uno de estos escenarios tiene una probabilidad de materializarse superior al 10%.

Observación 1: En el escenario conservador el crecimiento sigue la trayectoria histórica; en los dos escenarios de IAG el crecimiento del PIB es mucho más rápido y la escasez de mano de obra deja de ser factor limitante del producto.
Observación 2: Los salarios suben inicialmente en los tres escenarios mientras la mano de obra sigue siendo escasa; luego se desploman cuando la economía se aproxima a un escenario de IAG.
Observación 3: El despegue del producto y el desplome de los salarios en los escenarios de IAG están impulsados por la misma fuerza: la sustitución de la mano de obra escasa por máquinas comparativamente más abundantes. Esto sugiere que es posible diseñar instituciones para compensar a los trabajadores y procurar una prosperidad compartida.

El modelo ilustrativo supone una economía eficiente con rendimientos competitivos al factor trabajo; su propósito es ilustrar posibilidades, no predecir con precisión.
Factores que podrían ralentizar la implantación de la IAG respecto al ritmo tecnológicamente posible: fricciones organizativas, regulación, restricciones a la acumulación de capital (p. ej., cuellos de botella en cadenas de suministro de semiconductores), decisiones sociales sobre usos de la IAG.
Algunas sociedades podrían preferir mantener ciertas funciones humanas (p. ej., sacerdotes, jueces, legisladores), creando empleos “nostálgicos” que sostengan demanda de trabajo humano.

Pruebas de rendimiento de las tecnologías: medición directa de eficacia de sistemas de IA en tareas laborales diversas.
Niveles de inversión: inversión en investigación y desarrollo, en talento y en semiconductores.
Adopción de tecnologías de IA: uso práctico de sistemas de IA en sectores de la economía.
Tendencias macroeconómicas y del mercado de trabajo: estadísticas de productividad y evolución del empleo y salarios.

Adoptar un enfoque de cartera y planificación de escenarios: no planear para un único futuro, sino cubrir apuestas ante la gran incertidumbre.
Someter los marcos de política económica y financiera a pruebas de tensión para cada escenario y reformarlos cuando sea necesario para garantizar resiliencia.
Medidas graduales: reformar sistemas tributarios y ampliar redes de protección social.
Programas nuevos: considerar la introducción de un ingreso básico de pequeña cuantía que pueda incrementarse cuando sea necesario.
Encargar a equipos de expertos la planificación iterativa de escenarios para actualizar regularmente las probabilidades y adaptar políticas de respuesta de manera ágil.
Mantener humildad ante la incertidumbre: el futuro probablemente sorprenderá, por lo que se requiere adaptabilidad.

Fuente: Planificación de escenarios para un futuro con IA(G), Anton Korinek, Diciembre de 2023.