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

## Source details

**Canonical URL:** [Cafe-Econ-embracing-artificial-intelligence-joshua-gans](https://www.imf.org/es/publications/fandd/issues/2023/09/cafe-econ-embracing-artificial-intelligence-joshua-gans)

## Other formats

- [Markdown version](/es/publications/fandd/issues/2023/09/cafe-econ-embracing-artificial-intelligence-joshua-gans/index.md)
- [Structured JSON version](/es/publications/fandd/issues/2023/09/cafe-econ-embracing-artificial-intelligence-joshua-gans/index.json)
- [Bundle manifest](/es/publications/fandd/issues/2023/09/cafe-econ-embracing-artificial-intelligence-joshua-gans/bundle-manifest.json)

## Bibliographic details
- Authors: Marjorie Henriquez
- Published: September 22, 2023

---

### Diferencias entre esta ola de IA y automatización previa
- 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.

### Efectos previstos en productividad, empleo y desigualdad (horizonte de cinco años)
- 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.

### Preocupaciones exageradas y efectos infravalorados
- 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.

### Recomendaciones para distribución y rol de organizaciones como el FMI
- 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.

### Regulación ética y responsabilidad institucional
- 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.*

---


_Source: https://www.imf.org/es/publications/fandd/issues/2023/09/cafe-econ-embracing-artificial-intelligence-joshua-gans_