La IA generativa: ¿la fuente de un boom económico? La llegada de esta tecnología al mercado ha dado lugar a estimaciones entusiastas: un aumento del PIB mundial del 7% en la próxima década según Goldman Sachs o una tasa de crecimiento del PIB media de 3 a 4 puntos para 2040, según el McKinsey Global Institute. El reconocido economista del MIT (Massachusetts Institute of Technology), Daron Acemoglu, ha puesto un freno a este optimismo dichoso. Su último estudiar estima que la ganancia económica que aportará la IA generativa oscilará entre 0,93 y 1,16 puntos a lo largo de 10 años. Significativa, sin duda, pero no enorme.

Para llegar a esta cifra, el economista se basa en la proporción de tareas que considera automatizables con la tecnología actual, una proporción que estima en torno al 4,6%. “Esto significa que la IA solo aumentará la productividad total de los factores (es decir, la parte del crecimiento económico que no se explica por el aumento del capital o la cantidad de trabajo, NdR) en un 0,66% en diez años, o un 0,06% anual”, escribe Daron Acemoglu. El aumento del PIB que calcula el economista también tiene en cuenta las inversiones que genera la tecnología.

Tareas cada vez más difíciles de automatizar

Para el economista, no hay duda de que la IA generativa trae consigo ganancias de productividad, pero mucho más modestas de lo que la mayoría de los comentaristas y economistas han afirmado hasta ahora. “Para obtener cifras más altas, hay que aumentar las ganancias de productividad a nivel microeconómico o suponer que se verán afectadas muchas más tareas de la economía. Pero ninguno de estos escenarios parece plausible”, escribe Daron Acemoglu en Un artículo de comentario.


Exposición a la automatización de la IA según el salario y el nivel educativo. (Fuente: Daron Acemoglu, MIT, 2024)

Además, según el economista, alcanzar el rango de crecimiento del PIB que prevé también implica superar una serie de desafíos. Porque, dice Daron Acemoglu, los cálculos de ganancias de productividad que ya tenemos se centran en tareas que están fácilmente al alcance de los servicios de IA actuales. Se espera que las siguientes tareas sean más difíciles de automatizar, "principalmente porque es probable que impliquen interacciones más complejas entre la acción y el contexto y porque no tienen medidas claras de beneficio que sean observables, lo que requiere que los modelos de IA aprendan del comportamiento promedio de los humanos que han realizado previamente las mismas tareas". El investigador estima que alrededor de una cuarta parte del 4,6% de tareas automatizables entran en esta categoría donde se espera que la fase de aprendizaje sea difícil. "Una vez realizado este ajuste, la cifra del 0,66% de crecimiento de la productividad total de los factores cae a alrededor del 0,53%", concluye el economista.

¿La industria está desperdiciando el potencial de la IA?

Sin embargo, según Daron Acemoglu, estos cálculos también son el resultado del camino elegido por la industria tecnológica. “La IA es lo que los economistas llaman una tecnología de uso general. Podemos hacer muchas cosas con ella, y sin duda hay cosas mejores que hacer que automatizar el trabajo y aumentar la rentabilidad de la publicidad online”, se burla el economista. “Pero si nos dejamos llevar por un optimismo tecnológico ciego o dejamos que la industria tecnológica marque la agenda, gran parte del potencial de la tecnología podría desaprovecharse”.

Para el autor, el crecimiento económico que traería consigo la IA podría ser mayor si la tecnología se pusiera más eficazmente al servicio de las profesiones. “Si la IA se utiliza para generar nuevas tareas para los empleados, puede tener consecuencias más beneficiosas en la productividad, los salarios y la desigualdad. Incluso puede aumentar los salarios. Esto puede ser doblemente cierto con la IA generativa, que podría utilizarse para proporcionar mejor información a los trabajadores y fortalecer su experiencia”, escribe Daron Acemoglu. Y cita el caso de electricistas, reparadores, fontaneros, enfermeras, educadores, empleados de oficina o incluso trabajadores de fábrica que se enfrentan a tareas similares a la resolución de problemas. Tareas que requieren información en tiempo real, contextual y fiable que la IA podría proporcionar.

LLMs que son demasiado versátiles

Pero, para el economista, el camino que actualmente sigue GenAI no responde bien a estas necesidades y, por lo tanto, deja estas potenciales ganancias de productividad en gran medida fuera del alcance de las empresas. "El carácter generalista del enfoque actual de la IA generativa parece poco adecuado para proporcionar información empresarial fiable. En otras palabras, la cuestión de si necesitamos modelos básicos (o el tipo actual de LLM) capaces de entablar conversaciones similares a las humanas y escribir sonetos de Shakespeare sigue abierta si queremos proporcionar información fiable y útil a educadores, profesionales de la salud, electricistas, fontaneros y otros artesanos", analiza el economista. Una necesidad de especialización que sigue siendo uno de los problemas centrales para los CIO y CDO, por un lado enfrentados a los límites de la RAG (retrievaly Augmented Generation) y, por otro, bloqueados por la complejidad de los enfoques de ajuste fino.