Los desarrollos en inteligencia artificial (IA) han capturado nuestra imaginación, llenándonos de expectativas y desafíos. No es claro el límite que puedan tener, si es que este existe. Desde una perspectiva económica, es inmediato preguntarnos cómo puede ser el impacto en las variables macroeconómicas que habitualmente consideramos centrales. Las proyecciones son siempre difíciles, especialmente en escenarios disruptivos. ¿Cuánto podría aumentar la producción? ¿Qué sucederá con la productividad? ¿Quiénes se beneficiarán de estos cambios? Abordar estas preguntas de manera disciplinada requiere apoyarse en modelos económicos que reflejen el funcionamiento de partes específicas de la economía y ajustar sus premisas. ¿Pero cómo realizar este análisis? ¿Deberíamos preguntarle a ChatGPT?

Hace unas semanas, se difundió un artículo de Daron Acemoglu titulado “The Simple Macroeconomics of AI”. Acemoglu, un economista turco de origen armenio, obtuvo su doctorado en la London School of Economics y ha sido profesor en el Massachusetts Institute of Technology (MIT) desde 1993. En 2005, recibió la medalla John Bates Clark. Este premio es otorgado por la American Economic Association en reconocimiento a la destacada contribución de un economista menor de 40 años. Actualmente, Acemoglu es uno de los economistas más citados del mundo (seguro en el top 5).

El modelo de Acemoglu toma como punto de partida sus trabajos anteriores sobre automatización. En esta adaptación construye un modelo en el que, para la producción de un bien final, se requiere la realización de una serie de tareas y estas pueden cumplirse tanto utilizando trabajo como capital. La productividad marginal del capital y del trabajo son distintas para distintas tareas. En el equilibrio competitivo del mercado la asignación de tareas al trabajo y al capital se logran mediante una minimización de costos.

La IA puede generar ganancias en productividad a través de diversos canales. En primer lugar, mediante la automatización los modelos de IA pueden reducir el costo de ciertas tareas. Por ejemplo, funciones administrativas de nivel medio, también la síntesis de textos o la clasificación de datos.

En segundo lugar, la IA puede complementar tareas que, aunque no completamente automatizadas, podrían aumentar la productividad laboral. Actividades diversas, como las requeridas para escribir esta nota, podrían ejecutarse de mejor manera mediante un acceso eficiente a información precisa. Otra forma de entender la complementariedad es que la IA podría automatizar algunas partes de las tareas, permitiendo a los trabajadores especializarse y aumentar su productividad en otras dimensiones de su trabajo.

En tercer lugar, la IA podría incrementar la productividad del capital en tareas ya automatizadas previamente. Finalmente, es posible que se generen nuevas tareas que impacten la productividad de todo el proceso de producción.

El modelo de Acemoglu permite hacer algo que los economistas entendemos que es siempre clave. Permite ponerles un número a estas elucubraciones (especialmente a los dos primeros canales), y así, cuantificar cuánto puede verse afectada la macroeconomía por la IA.

Enfocándose en la mejora de la productividad, su efecto agregado dependerá de la fracción de tareas afectadas y el ahorro en costos promedio que estas impliquen. Según la primera estimación de Acemoglu, en 10 años se logrará un aumento en la productividad total de los factores del 0,66%. Aunque significativo, el incremento esperado en la productividad es modesto.

El autor advierte que esta estimación podría ser demasiado optimista respecto a los posibles efectos de la IA. ¿Por qué? Porque las primeras tareas que la IA ha abordado son, naturalmente, las más fáciles de automatizar. Un mayor desafío serán las tareas más complejas (más difíciles de aprender) que estén por venir. Asimismo, la IA pueden generar tareas con valor social negativo como diseño de algoritmos para la manipulación online (deepfake, anuncios digitales engañosos, ataques informáticos impulsados por IA). Incorporar esto en las estimaciones macro requiere conjeturas aún más especulativas.

De este estudio no debería concluirse que IA no ofrece beneficios importantes. En primer lugar, un incremento como el señalado en la productividad total de los factores es modesto, pero no es irrelevante. En según lugar y más importante aún, Acemoglu señala que puede haber otras maneras en las que la IA podría generar beneficios más significativos desde una perspectiva económica. Si la IA se emplea para crear nuevas tareas para los trabajadores, sus efectos podrían ser más amplios tanto en términos de productividad cómo de salarios y desigualdad. Para alcanzar estos beneficios, Acemoglu entiende necesario un cambio en la orientación de la industria. Esto incluye, posiblemente, una revisión en la arquitectura de los modelos más comunes de IA generativa de tal manera que se priorice la generación de información confiable y de utilidad para distinto tipo de trabajadores, en lugar del desarrollo de herramientas de conversación general similares a las humanas.