Acemoglu sobre la IA: solo un 1,5% más de PIB en una década

Microsoft ha cedido espacio en uno de sus propios blogs a una previsión muy por debajo del optimismo habitual del sector. Daron Acemoglu, economista galardonado con el Nobel, calcula que la inteligencia artificial elevará el PIB en torno a un 1,5 % a lo largo de diez años. También prevé que la IA no sustituirá más de un 5 % de los empleos.

Ambas cifras quedan muy lejos de lo que vienen pronosticando algunos laboratorios de IA. Acemoglu añade una salvedad: el ritmo de desarrollo de la IA es difícil de predecir, y sus números dependen de esa incertidumbre.

Una cifra modesta, a propósito

La cifra principal no es un 1,5 % anual. Es un 1,5 % en total a lo largo de una década. Para un sector que suele presentar la IA como una fuerza que transformará la economía mundial en pocos años, se trata de una estimación prudente.

La cifra de empleo es igual de contenida. Que como mucho se sustituya un 5 % de los puestos de trabajo es un efecto real, pero no encaja con los escenarios de desplazamiento masivo que han marcado buena parte del debate público.

Acemoglu no sostiene que la tecnología sea débil. Su argumento tiene que ver con la lentitud con la que las organizaciones la asimilan.

El cuello de botella son las personas, no los modelos

Según Acemoglu, el principal freno al crecimiento impulsado por la IA es la naturaleza humana. Antes de que aparezca cualquier mejora de productividad, las empresas tienen que hacer tres cosas difíciles:

1. Redistribuir tareas. El trabajo tiene que repartirse de nuevo entre personas y software.
2. Formar a los trabajadores. Los empleados necesitan nuevas competencias para sacar partido a las herramientas.
3. Reestructurarse. Las organizaciones tienen que cambiar cómo están montadas y cómo funcionan.

Advierte de que este proceso podría llevar más tiempo que la electrificación. La comparación histórica no es menor. La electricidad fue una tecnología de propósito general cuyo rendimiento económico solo llegó después de que fábricas y procesos de trabajo se rediseñaran en torno a ella.

Sobre la escala es tajante: los modelos más grandes no van a resolver esto. Más parámetros y mejores resultados en las pruebas de rendimiento no reorganizan una empresa. Lo que falta, sostiene, son aplicaciones fáciles de implantar y que cambien de verdad la forma en que se producen bienes y servicios.

Esto encaja con una tendencia que se observa en otros ámbitos. Los datos sobre el uso de la IA en las empresas apuntan a que la adopción y el impacto económico real no siempre avanzan a la par.

Mejor complementar que automatizar

La segunda parte del planteamiento de Acemoglu se refiere a qué tipo de IA sale rentable. Sostiene que la IA que amplía las capacidades humanas aportará más productividad que la automatización total.

Su razonamiento es práctico. Incluso una precisión del 99 % a menudo no basta si se tienen en cuenta los problemas de la última milla y lo que realmente necesitan los usuarios. En muchas tareas reales, ese 1 % restante es donde están el coste, el riesgo o la queja del cliente. Un sistema que cede el último tramo a una persona puede ser más útil que otro que intenta cerrar el ciclo por su cuenta y de vez en cuando falla.

Esta visión coincide con una corriente más amplia del debate. Google DeepMind, por ejemplo, ha defendido un modelo simbiótico entre humanos e IA en lugar de una toma de control al estilo de la singularidad.

Por qué a Microsoft le viene bien publicarlo

Merece la pena fijarse en el escaparate. El texto apareció en "The Humanist Review of AI", un blog corporativo poco habitual gestionado por Microsoft en el que los autores firman sus artículos a mano.

La tesis, además, le conviene al negocio de Microsoft. Si complementar gana a automatizar, añadir funciones de IA a productos ya existentes es una estrategia acertada. Microsoft puede seguir integrando IA en el software que la gente ya utiliza sin tener que apostar por la automatización a gran escala de categorías profesionales enteras.

Eso no significa que el argumento de Acemoglu sea erróneo. Pero sí que los lectores deberían tener presente que quien lo publica sale beneficiado de la conclusión.

El panorama general

Para los lectores de CyrioX, lo más útil de esta previsión no es la cifra del 1,5 % en sí. Es la tesis sobre dónde está la fricción. Si Acemoglu tiene razón, el factor que limita el impacto económico de la IA es el cambio organizativo, no la capacidad de los modelos. Eso desplaza la atención de la carrera por las pruebas de rendimiento a cuestiones más lentas: quién rediseña los procesos, quién forma a la plantilla y quién desarrolla esas aplicaciones sencillas y fáciles de implantar que, según él, faltan.

Esto apunta a una tensión soterrada con el rumbo actual del sector. Muchos laboratorios están apostando fuerte por agentes autónomos diseñados para completar tareas enteras de principio a fin. El argumento de la última milla de Acemoglu implica que, en muchos usos, esos agentes necesitarán a una persona en el circuito durante más tiempo del que sugiere su marketing. Las noticias de empresas como Microsoft que recortan el uso interno de algunas herramientas de IA muestran que la implantación en grandes organizaciones rara vez sigue una línea recta.

Conviene también no perder de vista el enfoque. Que un gran proveedor de IA publique una previsión prudente es poco habitual, pero la conclusión respalda su estrategia de añadir IA a productos existentes. Tanto las previsiones de los laboratorios que venden automatización como las de los proveedores que venden complementos a la labor humana deberían leerse teniendo presente su modelo de negocio.

Qué vigilar a partir de ahora: si otros economistas o laboratorios responden con estimaciones alternativas, si los datos de productividad empiezan a reflejar la adopción lenta y por etapas que describe Acemoglu, y si las aplicaciones "fáciles de implantar", y no los modelos más grandes, se convierten en el principal reclamo de la IA empresarial. El propio Acemoglu admite que el ritmo de la IA es difícil de prever, así que lo mejor es tomar sus cifras como una base razonada, no como una respuesta definitiva.