Medición del impacto económico de la IA 

No es de sorprender, entonces, que los analistas estén cada vez nos preguntemos más si estamos presenciando otra burbuja tecnológica, similar a la del auge de las puntocom de la década de 1990, y si, como antes, podría finalmente estallar y arrastrar consigo los mercados de valores. Sin embargo, como mi colega de Cambridge, William Janeway señala, incluso las burbujas especulativas pueden dejar atrás infraestructura e innovaciones vitales que sustentan el crecimiento a largo plazo. 

Si la IA sigue ese patrón, ¿cuán poderoso podría ser su impacto? El auge de las puntocom ofrece algunas lecciones útiles. En la segunda mitad de la década de 1990, las tecnologías digitales emergentes casi duplicaron el crecimiento de la productividad en Estados Unidos, alcanzando el 2.5 por ciento. Aunque las previsiones de los economistas varían, algunos estudios sugieren que la actual ola de inversión en IA podría producir un impulso igualmente significativo en el crecimiento del PIB. 

Los más fervientes defensores de la IA van más allá, argumentando que la inminente llegada de la inteligencia artificial general (IAG) podría ser radicalmente transformadora. El director ejecutivo de Anthropic, Dario Amodei, por ejemplo, ha afirmado que el potencial de la IA se está subestimando radicalmente y que, si se desarrollan de forma segura, estos sistemas podrían impulsar avances en biología, neurociencia y desarrollo económico, erradicando potencialmente enfermedades, reduciendo la pobreza y fomentando la cooperación global. 

Si tal mundo de abundancia está realmente en el horizonte aunque se materialice solo en un futuro lejano, es crucial monitorear cómo se desarrolla esta transformación. Sin embargo, como explico en mi reciente libro «La medida del progreso» , las métricas económicas tradicionales aún tienen dificultades para captar los efectos de la “vieja” economía digital, por no hablar de la emergente economía impulsada por la IA. 

El crecimiento del PIB es un excelente ejemplo. En el mejor de los casos, es un indicador rezagado del cambio estructural. Los historiadores económicos han demostrado que tecnologías transformadoras como la energía de vapor y la electricidad tardaron décadas en registrarse en las estadísticas oficiales, e incluso cuando sus efectos se hicieron visibles, las ganancias de ingresos medidas fueron sorprendentemente modestas. Pero sería absurdo afirmar que estas tecnologías no fueron transformadoras; su impacto simplemente se manifestó de maneras que las métricas convencionales no lograron reflejar. 

En lo que respecta a la IA, algunos de los datos más básicos faltan o están incompletos. Por ejemplo, ¿cuántas empresas utilizan IA generativa y en qué sectores? ¿Para qué la utilizan? ¿Cómo se aplican las herramientas de IA en áreas como marketing, logística o atención al cliente? ¿Qué empresas están implementando agentes de IA y quién los utiliza realmente? 

Aunque la investigación sobre IA se está expandiendo rápidamente, lo que se requiere ahora es una recopilación sistemática de datos confinable. Las estadísticas no sólo ayudarían a las empresas a evaluar la demanda y las oportunidades, sino que también permitirían a los gobiernos diseñar políticas que fomenten el crecimiento y protejan a los consumidores. 

Empresas tecnológicas como Anthropic y OpenAI han comenzado a reconocer que el actual vacío de información no les favorece, especialmente considerando la dependencia de sus productos de los datos. Sin una comprensión más clara del impacto económico de la IA, el debate público se centrará inevitablemente en los riesgos y las ansiedades, desde la perspectiva de un «apocalipsis laboral» hasta los posibles efectos psicológicos de los chatbots de apariencia humana. Las iniciativas de la industria destinadas a cerrar esta brecha, aunque de alcance limitado, son esenciales. 

Dicho esto, otros indicadores pueden proporcionar información valiosa sobre los efectos transformadores de la IA. En un documento de trabajo reciente con John Poquiz, sostengo que cualquier conjunto significativo de indicadores debería incluir datos clave para el desarrollo de la IA, en particular el consumo energético, los cambios en el mercado laboral y el uso de datos. Otra medida importante es la adopción de servicios impulsados por IA, la denominada IA agéntica. 

Los datos sobre el uso del tiempo, tanto en el hogar como en el trabajo, también podrían resultar útiles, al igual que indicadores estructurales como los cambios en la composición industrial y el diseño organizacional. En términos más generales, una visión más completa del cambio estructural nos ayudaría a comprender los efectos económicos más amplios de la IA, desde la reasignación sectorial hasta la transformación de los flujos de trabajo. 

Lamentablemente, actualmente existen pocas métricas de este tipo. Para agravar el problema, muchas agencias estadísticas, sobre todo en Estados Unidos, están desorganizadas, y la mayoría de los responsables políticos se muestran excesivamente cautelosos a la hora de recurrir a nuevas fuentes de datos y metodologías. 

Los académicos, por su parte, están deseosos de mejorar la forma en que medimos y comprendemos el impacto económico de la IA. Sin embargo, por ahora, nos encontramos en la misma situación que los victorianos, quienes aprendieron más sobre cómo la energía de vapor, los ferrocarriles y el telégrafo transformaban su mundo a partir de las novelas de Charles Dickens y George Eliot que de las estadísticas oficiales. 

La autora es profesora de Políticas Públicas en la Universidad de Cambridge, es autora de Cogs and Monsters: What Economics Is, and What It Should Be (Princeton University Press, 2021) y The Measure of Progress: Counting What Really Matters. (Princeton University Press, 2025). 

Derechos de autor: Project Syndicate, 2025.  
www.project-syndicate.org