Cafe-Econ-embracing-artificial-intelligence-joshua-gans

Source details

Las olas previas de automatización se enfocaban sobre todo en tareas físicas; la IA abre el potencial para automatizar tareas cognitivas.
La distinción puede ser engañosa: muchas tareas físicas implican una expresión cognitiva de intención y aplicación que ya fueron automatizadas con la tecnología de la información (por ejemplo, la computación).
La diferencia principal radica en la capacidad de la máquina para interactuar en entornos variables y no estandarizados.
La IA promete seleccionar y trasladar cualquier objeto sin que esté en un lugar específico porque requiere una noción del entorno; esa capacidad distingue a la IA y le permite automatizar tareas en contextos más variados.

Evidencia observada: cuando se ha utilizado IA para tareas en el trabajo, suele tratarse de herramientas que permiten a personas menos cualificadas y con menos experiencia desempeñarse al nivel de quienes están más cualificados y con más experiencia.
Ejemplo: herramientas de predicción de la demanda en Tokio ayudaron a taxistas menos experimentados a reducir el tiempo buscando pasajeros, con poco efecto en la productividad de taxistas experimentados.
Implicaciones esperadas:
- Las primas por habilidades en ciertas ocupaciones tenderán a reducirse.
- Surgirán oportunidades de empleo para un conjunto más amplio de personas.
- Tendencia a incrementar la productividad, elevar el empleo y reducir la desigualdad de ingresos, al menos en ciertos rangos de la distribución del ingreso.
Pronóstico más allá de los próximos cinco años: más complicado y menos claro.

Auge actual ha generado numerosas preocupaciones sobre consecuencias adversas de la IA generativa (por ejemplo, LLM como ChatGPT o Bard, arte generativo, impulso en tareas de codificación).
Los modelos grandes de lenguaje son capaces de escribir más rápidamente y mejor que las personas; el arte generativo reduce drásticamente tiempos de producción; la IA ha impulsado tareas de codificación.
Pregunta planteada: si habría sido mejor no inventar esto o pausar la adopción para evaluar consecuencias.
Argumento contra la pausa: sopesar la precaución con las pérdidas en productividad que provocaría una adopción lenta.
Importante observación: no se puede conocer plenamente las consecuencias adversas si los inventos no se ponen en manos de las personas.
Evaluación personal de JG: el temor ha sido exagerado; muchas inquietudes son especulaciones imprecisas sin evidencia clara; las mejoras de productividad son muy reales y evidentes.
Política recomendada en el momento actual: “dar rienda suelta” para descubrir consecuencias adversas, vigilarlas, determinar sus causas y experimentar con intervenciones políticas que puedan mitigarlas.
La rapidez de adopción implica la necesidad de trabajar más arduamente para garantizar que el resultado sea el mejor.

Estrategia habitual: distribuir la IA de la manera más competitiva posible y hacerla disponible de la forma más amplia posible (mediante el comercio).
Objetivo: que la IA pueda utilizarse en cualquier lugar del mundo donde pueda incrementar la productividad.
Comparación: el cometido sería el mismo que el de programas que fomentan la tecnología de la información y el acceso a Internet.

Dificultad para identificar una autoridad única: las cuestiones éticas no son claras.
Si las cuestiones éticas fueran claras, podría identificarse una institución legislativa o jurídica existente como autoridad; pero no es el caso.
Problemas complejos, incluso en áreas como la discriminación.
Observación: puede ser más fácil reprogramar la IA para que sea menos discriminatoria que reformar las prácticas humanas.
Necesidad actual: sólida orientación de políticas para inducir los cambios necesarios en la IA.

Entrevista de Marjorie Henríquez con Joshua Gans, FINANZAS & DESARROLLO, Septiembre de 2023.