## La inteligencia artificial y el criterio humano

## Source details

**Canonical URL:** [La inteligencia artificial y el criterio humano](https://www.imf.org/es/publications/fandd/issues/2025/06/machine-intelligence-and-human-judgement-ajay-agrawal)

## Other formats

- [Markdown version](/es/publications/fandd/issues/2025/06/machine-intelligence-and-human-judgement-ajay-agrawal/index.md)
- [Structured JSON version](/es/publications/fandd/issues/2025/06/machine-intelligence-and-human-judgement-ajay-agrawal/index.json)
- [Bundle manifest](/es/publications/fandd/issues/2025/06/machine-intelligence-and-human-judgement-ajay-agrawal/bundle-manifest.json)

## Bibliographic details
- Authors: AJAY AGRAWAL, JOSHUA GANS, AVI GOLDFARB
- Published: June 3, 2025

---

### Resumen ejecutivo
- La IA podría revertir la creciente desigualdad que genera la tecnología, o bien profundizarla.
- El impacto distributivo de la IA dependerá de si sustituye capacidades predictivas o complementa y aumenta el "buen criterio" humano.
- El artículo discute escenarios de prosperidad y de inestabilidad derivados de la incorporación de una “isla de genios” a la economía global y advierte que la gestión de la transición determinará los resultados.

### Escenarios económicos y sociales
- Prosperidad potencial:
  - Aumento significativo de la productividad y del crecimiento económico.
  - Transformación positiva en salud, educación y tecnología.
  - Reducción de costos de servicios y elevación del nivel de vida.
- Riesgo de inestabilidad:
  - Desempleo a gran escala entre trabajadores del conocimiento si tareas se ejecutan a una fracción del costo.
  - Caída de salarios, mayor precariedad laboral y debilitamiento de la clase media.
  - Concentración de riqueza y poder en un pequeño grupo de empresas o naciones con acceso exclusivo a esos talentos.
  - Devaluación de la creatividad e individualidad humanas y riesgo de malestar social generalizado.

### Evidencia empírica sobre desigualdad y efectos heterogéneos
- Referencias a estudios y hallazgos clave:
  - Geoffrey Hinton afirmó que la tecnología podría superar la inteligencia humana "entre 5 y 20 años".
  - Toni Roldán Monés (Esade): en una competición universitaria de debate, los participantes más cualificados tenían un 12% más de probabilidad de ganar cuando usaban IA generativa; los participantes menos cualificados vieron apenas variaciones.
  - Erik Brynjolfsson et al. (Universidad de Stanford): en empleados de centros de atención al cliente, la productividad promedio aumentó un 14% (medida en problemas resueltos por hora); los trabajadores noveles o de menor nivel aumentaron su rendimiento en un 34%, mientras que la productividad de profesionales más experimentados apenas varió.

### Rol del buen criterio (discernimiento) vs. capacidad predictiva
- Distinción conceptual:
  - Predicción: asignar probabilidades a distintos escenarios.
  - Discernimiento (buen criterio): valorar las consecuencias y elegir entre alternativas según la teoría de la decisión.
- Implicaciones empíricas:
  - Donde la IA mejora la predicción, puede beneficiar de forma desproporcionada a trabajadores menos cualificados (reducción de brechas de productividad y salariales).
  - Donde la diferencia depende del criterio, la IA beneficiará de forma desproporcionada a trabajadores más cualificados (aumento de la desigualdad).
- Ejemplos sectoriales:
  - Atención al cliente: la IA eleva la productividad de trabajadores menos cualificados.
  - Investigación científica, tratamientos médicos, planificación estratégica: la IA potencia la productividad de expertos con alto criterio.

### Consecuencias geográficas y de poder
- Concentración espacial:
  - Las regiones con mayor concentración de trabajadores cualificados, instituciones de investigación robustas e infraestructura tecnológica captarán desproporcionadamente los beneficios.
  - Posible mayor concentración de innovación, premios, publicaciones y patentes en Estados Unidos y otras regiones de altos ingresos.
- Movimientos de empleo:
  - En tareas centradas en predicción, el empleo podría desplazarse hacia regiones de salarios más bajos, reduciendo desigualdad internacional en esos sectores.
- Riesgos a largo plazo:
  - Ampliación de la brecha de liderazgo tecnológico, financiamiento de la investigación e influencia geopolítica.
  - La IA podría redefinir qué tipo de criterio es escaso, alterando aún más el equilibrio de poder según la capacidad regional de adaptación.

### Políticas y recomendaciones
- Tres formas clave de intervención pública:
  - Agudizar el buen criterio:
    - Ampliar el acceso a educación y formación de alta calidad que priorice aptitudes para la toma de decisiones complejas.
  - Promover movilidad del talento y intercambio global de conocimientos:
    - Distribuir más equitativamente el criterio necesario para aprovechar la IA entre economías.
  - Incentivar la expansión de la capacidad de generar predicciones de IA de alto valor fuera de los centros tradicionales:
    - Asignación de recursos financieros, desarrollo de infraestructura e incentivos para la adopción de la IA.
- Objetivo de las medidas:
  - Reconfigurar la distribución de los beneficios de la IA y promover un crecimiento económico más equilibrado a largo plazo.
  - Facilitar la gestión de la transición y mitigar los riesgos de concentración y desigualdad.

### Observaciones finales
- A corto plazo, limitaciones prácticas (gestión, infraestructura, educación, regulación y demanda) probablemente atenúen el impacto inmediato de una “isla de genios”.
- A largo plazo, los efectos serán profundos y la estabilidad económica dependerá de las decisiones de política pública y del diseño institucional.
- Los autores instan a que los economistas orienten a los responsables de políticas con investigaciones que definan cómo gestionar de forma óptima la transición hacia la IA.

*Actualización editorial: Este artículo se ha actualizado (16 de junio de 2025) para eliminar referencias al estudio “Artificial Intelligence, Scientific Discovery, and Product Innovation” de Aiden Toner-Rogers que, según el Instituto Tecnológico de Massachusetts (MIT), debería retirarse del discurso público porque no alcanza los necesarios niveles de confianza.*

*Autores: AJAY AGRAWAL; JOSHUA GANS; AVI GOLDFARB.*

---


_Source: https://www.imf.org/es/publications/fandd/issues/2025/06/machine-intelligence-and-human-judgement-ajay-agrawal_