Daron Acemoglu, quien ganó recientemente el Premio en Ciencia Económica en Memoria de Alfred Nobel, ha estudiado el tema de la inteligencia artificial (IA) y su impacto en la economía. En un documento reciente[1], da a conocer que el impacto de la IA en la productividad no es trivial, aunque es modesto y advierte sobre posibles efectos negativos en el bienestar.
De acuerdo con Acemoglu, el impacto de la IA en la productividad se puede dar a través de cuatro vías: automatización, que es que la IA haga tareas que suelen hacer las personas y se reduzcan costos; complementariedad de tareas, que significa aumentar la productividad al trabajar con la ayuda de la IA; profundización de la automatización, que se logra al aumentar la productividad de tareas que ya estaban automatizadas y, por último, nuevas tareas que puedan ser creadas gracias a la IA.
Acemoglu se enfoca en los primeros dos canales: la automatización y la complementariedad de tareas, aunque no logra calcular el efecto diferenciado de cada uno. Para empezar, estima que los ahorros en costos laborales derivados del uso de la IA son del orden del 27 por ciento, este cálculo lo toma de otras investigaciones que han medido esto experimentalmente. Este impacto es importante, aunque al tomar en cuenta la participación del trabajo en la producción, la reducción de costos total sería de 15.4 por ciento.
Después, toma información de las diferentes tareas que se llevan a cabo en una economía y afirma que alrededor del 20 por ciento de las ocupaciones en Estados Unidos están expuestas a la IA. De las tareas que se llevan a cabo en estas ocupaciones, alrededor del 23 por ciento pueden ser automatizadas de forma rentable en los próximos 10 años. De esta forma, estima que alrededor del 4.6 por ciento de todas las tareas en Estados Unidos serán impactadas por la IA en los siguientes 10 años.
Con base en la información previa, Acemoglu concluye que las ganancias en productividad para los siguientes 10 años serán de 0.71 por ciento. Esto es el resultado de multiplicar la reducción de costos del 15 por ciento por el 4.6 por ciento de las tareas. De esta forma, el aumento en productividad total anual sería de 0.07 por ciento por año. El ganador del Nobel afirma que este efecto no es trivial, pero es bastante menor que el estimado, por ejemplo, por Goldman Sachs, cuya estimación del aumento en productividad en Estados Unidos es del orden del 1.5 por ciento por año.
Como se mencionó, en estos cálculos no está el efecto de nuevas tareas que se puedan crear con la ayuda de la IA. En este sentido, Acemoglu distingue entre nuevas tareas buenas y malas. Las segundas están relacionadas con temas de engaños, adicción y ataques cibernéticos, por ejemplo. Una red social adictiva puede ser rentable, pero disminuir el bienestar a través de la adicción.
Daron Acemoglu considera que su estimación productividad del 0.71 por ciento es un límite superior. Afirma que hay tareas que son relativamente difíciles de automatizar y que eso puede llevar a ganancias menores. Sin embargo, es muy claro al afirmar que este tipo de estimaciones son difíciles y están sujetas a un alto nivel de incertidumbre.
Me parece que una fuente importante de incertidumbre se encuentra alrededor de las nuevas tareas buenas. El economista ganador del Nobel afirma que las empresas no están actualmente enfocando sus esfuerzos en esa generación de nuevas tareas. Sin embargo, creo que justamente la generación de nuevas tareas tiende a darse de forma descentralizada y no dirigida. Por medio de nuevas empresas y hallazgos espontáneos. Este tipo de innovación puede ser muy importante para la productividad y el bienestar.
El documento escrito por Acemoglu contiene una estimación seria y minuciosa que nos muestra que las ganancias derivadas de la IA pueden ser importantes, aunque no parecen ser tan revolucionarias como solemos creer. Vale la pena destacar que las mayores ganancias en bienestar pueden venir de la creación de nuevas tareas buenas y de enfocar la investigación en IA en ser complementaria del trabajo, por ejemplo, a través de proporcionar mejor información contextual a los trabajadores.
[1] Daron Acemoglu, 2025. "The simple macroeconomics of AI," Economic Policy, vol 40(121), pages 13-58.