Productividad y empleo ante la IA generativa: ¿qué sabemos?

Desde la irrupción de ChatGPT en 2022, se ha disparado la investigación sobre el impacto de la IA en la productividad de los trabajadores. Un repaso por parte de la OCDE indica que, en promedio, el uso de herramientas de IA puede elevar la productividad individual en torno a un 30%, y algunos estudios encuentran mejoras superiores al 50% en tareas concretas.1,2 Muchos de estos estudios, realizados en entornos controlados en los que un grupo de trabajadores recibe acceso a la herramienta y otro no, encuentran mejoras de productividad muy elevadas en tareas en las que la tecnología tiene una aplicación directa, como programar o escribir.

Estos resultados no deben leerse como una estimación automática del impacto sobre toda la economía. Primero, porque se concentran en tareas específicas y segundo, porque suelen dejar fuera costes de implantación (formación, adaptación de procesos, cambios organizativos, fricciones legales o técnicas). En suma, muestran lo que la IA puede hacer en condiciones favorables, aunque no necesariamente lo que hará de inmediato a escala agregada. Aun así, representan un suelo. A medida que la tecnología avance, cabe esperar mejoras adicionales, y la evidencia disponible hasta el momento sugiere que el ritmo de mejora es elevado. Muchos estudios disponibles, por ejemplo, se realizaron antes de la llegada de agentes autónomos de IA capaces de ejecutar tareas completas sin intervención humana; si este tipo de soluciones se consolida, las ganancias de productividad podrían ampliarse sustancialmente. Hay, además, un patrón que se repite en muchos trabajos: entre trabajadores que realizan la misma tarea, la IA suele ayudar más a quienes partían de un nivel de productividad más bajo. En ese sentido, actúa como «nivelador».

Los avances a pequeña escala no siempre se transfieren a las cifras macro. Si la IA afectara intensamente a pocas ocupaciones, el impacto agregado podría ser limitado. El Nobel de Economía, Daron Acemoglu, propone un marco sencillo para pensar este salto.3 La IA eleva la productividad por dos vías: automatiza tareas (sustituye trabajo humano) o complementa al trabajador (le permite hacer más y mejor). Ambas aumentan la productividad, pero con implicaciones distintas para empleo, salarios y desigualdad.

Bajo determinados supuestos, el autor muestra que se puede aproximar el impacto de la IA sobre la productividad agregada a partir de dos ingredientes: (i) la proporción de tareas u ocupaciones efectivamente afectadas por la nueva tecnología y (ii) la ganancia media de productividad en esas tareas.4 Desafortunadamente, la incertidumbre sobre la magnitud de cada uno de estos ingredientes es elevada.

Por ejemplo, Acemoglu asume que un 20% de las tareas son susceptibles de ser automatizadas y que, de estas, solo un 23% será económicamente viable automatizar en los próximos 10 años. Otros autores encuentran cifras más elevadas, con un 60% de tareas susceptibles de ser automatizadas y una viabilidad del 80% de los casos.5

Las estimaciones agregadas varían significativamente según los supuestos acerca de la proporción de tareas afectadas y las ganancias medias de productividad. En un extremo, Acemoglu plantea ganancias de productividad modestas, cercanas a 0,1 p. p. al año. Con supuestos más favorables, las cifras son más elevadas. Por ejemplo, la OCDE estima que, en los próximos 10 años, el el crecimiento anual de la productividad aumentará entre 0,4 y 1,3 p. p. en EE. UU. y entre 0,2 y 0,8 p. p. en otras economías avanzadas.6 Son rangos amplios, que dependen de los distintos supuestos sobre la velocidad de adopción de la tecnología y la estructura sectorial de cada economía, pero en ningún caso son cifras desdeñables.

Estos ejercicios no agotan todos los canales de impacto. La IA puede facilitar nuevas ocupaciones y modelos de negocio, y podría acelerar la innovación científica. La OCDE, por ejemplo, observa indicios de un círculo virtuoso de innovación: aumentan las patentes de IA generativa citadas en desarrollos de otros campos y, a su vez, aumentan las patentes de IA generativa que citan innovaciones de otros campos que citaban patentes de IA generativa.7 Es decir, que la IA favorece la innovación en otros campos y que estos aceleran la propia innovación en IA.

También falta incluir los efectos adversos. La economía no siempre funciona como la suma de tareas aisladas. Un ejemplo sencillo es el llamado efecto Baumol: si la productividad avanza mucho en unos sectores pero poco en otros, los salarios tienden a moverse de forma parecida entre sectores. Si no fuera así, los trabajadores acabarían moviéndose hacia donde se paga mejor. Para retenerlos, los sectores menos productivos tienen que subir salarios, aunque no produzcan más. El aumento de salarios en estos sectores se traduce en mayores precios y, por tanto, el peso de estos sectores sobre el gasto final aumenta y diluye el impacto del aumento de la productividad de los sectores más punteros. Simulaciones de la OCDE sugieren que este efecto podría restar alrededor de una sexta parte del aumento potencial del crecimiento de la productividad asociado a la IA.8

Además, la IA puede tener usos nocivos –desinformación, manipulación, ciberataques o publicidad adictiva– que generan externalidades negativas. Si estos costes no se reflejan en las métricas estándar, las ganancias macro pueden sobreestimar los beneficios sociales.

El efecto neto de la IA sobre el empleo es ambiguo. Por un lado, la automatización reduce la demanda de trabajo en las tareas afectadas. Por otro, las nuevas tecnologías también crean puestos de trabajo nuevos –el canal de reinstauración–. Este último es un canal importante. En las cuatro décadas que siguieron a la Segunda Guerra Mundial, la aparición de ocupaciones nuevas compensó por completo la destrucción de puestos por automatización.9 La gran incógnita es si la IA replicará ese patrón y a qué ritmo. A ello se añade un tercer canal: al elevar la productividad, la IA puede redundar en menores costes, precios más bajos y mejores productos, lo que podría estimular la demanda y, por tanto, también la de trabajo.

La desigualdad salarial tampoco sigue una dirección única. A diferencia de otras olas tecnológicas, como la robótica, que afectaron de manera desproporcionada a determinados colectivos, la exposición a la IA parece relativamente extendida entre ocupaciones de distinto nivel de cualificación, lo que podría limitar el aumento de la desigualdad salarial. El FMI matiza, no obstante, que los trabajadores con mayores ingresos son, por un lado, quienes tienen un mayor riesgo de que la IA sustituya su trabajo, pero, a la vez, quienes cuentan con mayor recorrido para beneficiarse de su complementariedad.10

La institución simula tres escenarios y encuentra que el efecto de la IA sobre la desigualdad salarial depende de a quién ayude y a quién perjudique más: si domina la sustitución de tareas, la desigualdad podría reducirse (porque se verían más afectados los empleos mejor pagados). Si domina la complementariedad, la desigualdad tendería a aumentar (porque se refuerza más a los trabajadores con mayores cualificaciones). Y si la IA eleva la productividad agregada, los salarios pueden crecer para todos, pero más para quienes presentan mayores complementariedades con la IA, ampliando de nuevo las diferencias.

El reparto de las ganancias dependerá también del entorno competitivo. La IA puede reducir barreras de entrada en algunos mercados. Herramientas más baratas para programar, traducir, diseñar o analizar datos pueden permitir que empresas pequeñas hagan cosas que antes exigían más escala. En mercados competitivos, parte de las ganancias se trasladarían a precios más bajos y a una difusión amplia del beneficio. Si, por el contrario, las empresas capturan la mayor parte de las rentas –por patentes o poder de mercado–, el reparto puede ser desigual.

Esta tensión es especialmente relevante en el propio mercado de la IA. Las economías de escala –a mayor tamaño, mayor eficiencia–, las economías de alcance –un mismo modelo se puede adaptar a múltiples usos a un coste relativamente bajo– y los cuellos de botella en el acceso de datos para entrenar los modelos, así como el coste de la computación y del capital humano, empujan de forma natural a este mercado hacia una mayor concentración. No es inevitable, pero sí un riesgo plausible. Por eso, la vigilancia de las autoridades será importante: no para frenar la innovación, sino para evitar que una tecnología con capacidad de elevar el bienestar acabe capturada por estructuras de mercado excesivamente cerradas.

En suma, la IA será transformadora. Su potencial para elevar la productividad es real, pero su despliegue será gradual. Primero predominará el ahorro de tiempo en tareas concretas. Los cambios de mayor calado llegarán después, cuando las empresas rediseñen procesos completos y cuando la IA contribuya a acelerar la generación de conocimiento y de nuevas ideas.

El escenario más razonable es, por tanto, uno de ganancias crecientes a medio plazo, con mayor intensidad y velocidad en EE. UU. que en Europa, dada la mayor velocidad de adopción tecnológica y el protagonismo del sector tecnológico en EE. UU. frente a Europa.11 En ese marco, parece plausible esperar mejoras de productividad de hasta 1 p. p. anual en EE. UU. en un horizonte de 5 a 10 años, y de alrededor de la mitad en Europa. No sería una revolución instantánea, pero sí un cambio de gran magnitud para el crecimiento.