La economía de la IA: de la carrera global a la productividad

Patricia Esteban [intro música suave] Buenos días y bienvenidos a Economía Express, el programa de CaixaBank Research en el que cada mes intentamos entender qué está pasando en la economía y por qué importa. El tema de hoy será la inteligencia artificial, una revolución incipiente pero que ya ha empezado a transformar nuestra manera de trabajar y de tomar decisiones. Hay muchas maneras de abordar la inteligencia artificial. Desde la ontología: ¿puede una máquina pensar como nosotros y llegar a tener sentimientos? Desde la ética: ¿puede ser neutral cuando se entrena con datos que recogen nuestros sesgos culturales? O ¿quién es el responsable cuando la IA comete un error? ¿El programador, la máquina, el usuario, Jeff Bezos? También se puede abordar desde la neurociencia: ¿degradará la inteligencia artificial nuestra capacidad cognitiva y de aprendizaje? O desde la ecología, por el altísimo consumo energético y de agua de los macrocentros de datos.

Patricia Esteban Pero como el debate ya es suficientemente candente y complejo y esto es un programa de economía, hoy nos centraremos en explicar el despliegue, la carrera global de la inteligencia artificial y su impacto en la productividad, el crecimiento y el empleo. Para ello nos acompañan los economistas Oriol Carreras y Luis Piñeiro de Matos, dos de los autores del dossier sobre inteligencia artificial que hemos publicado en el informe mensual de mayo de CaixaBank Research. Bienvenido, Luis.

Luis Piñeiro de Matos Muchas gracias, Patricia.

Patricia Esteban Gracias a ti. Y bienvenido también, Oriol.

Oriol Carreras Buenos días, Patricia. Gracias.

Patricia Esteban Buen día, a ti. Yo soy Patricia Esteban y empieza el capítulo de mayo de Economía Express.

Oriol Carreras [melodía corporativa]

Patricia Esteban Economía Express, un pódcast de CaixaBank Research. El informe mensual sonoro con Patricia Esteban.

Patricia Esteban La inteligencia artificial empezó a desarrollarse a mediados de los años cincuenta y sesenta del siglo pasado. A finales de los noventa, el ordenador Deep Blue de IBM derrotó al ajedrez al campeón mundial Garry Kasparov. Yo me acuerdo perfectamente de haberlo visto en la tele. Vosotros sois más jovencitos, no sé si os acordáis o no, pero bueno, fue un hito de la inteligencia artificial. Desde entonces, en cuestión de un par o tres de años, quien más quien menos, todos utilizamos la inteligencia artificial en nuestro día a día. Una manera de entender el funcionamiento de la inteligencia artificial es concebirla como una cadena de eslabones que dependen los unos de los otros, como las distintas partes del cuerpo humano. Esto a mí me ha ido mmmuy bien para entender no solo cómo funciona, sino todo lo que implica.

Patricia Esteban Para empezar, tendríamos lo que podríamos llamar el cerebro físico, el hardware formado por los microprocesadores y los chips de memoria que permiten hacer cálculos masivos. Después tendríamos el cuerpo, que es toda la infraestructura que permite que ese cerebro funcione. Centros de datos, redes eléctricas, redes de telecomunicaciones, sistemas de refrigeración. En ese cuerpo también se aloja la famosa nube, donde se aloja y operan muchos de estos servicios. Para fabricar ese cerebro y ese cuerpo entra en juego otra cadena previa, la de los minerales, algunos críticos y compartidos con otras tecnologías. Esos minerales son, por ejemplo, el silicio, el cobre, las tierras raras como el neodimio, metales semiconductores como el galio, el germanio y el indio, el litio o el cobalto. La extracción de este último es una de las principales razones, por ejemplo, de la crisis humanitaria que está sufriendo la República Democrática del Congo. Para entender toda esta capilaridad masiva, esta extensión de todo lo que implica la inteligencia artificial. Bien, aparte del cerebro físico y, y del cuerpo, también está la mente o el cerebro computacional de la IA, compuesto por millones y millones de datos en forma de texto, imágenes, archivos de audio,

Patricia Esteban con los cuales entrenan los modelos de inteligencia artificial para que aprendan patrones y puedan generar respuestas. Finalmente, todo esto se traduce en las aplicaciones que usamos en el día a día, desde herramientas como ChatGPT hasta soluciones mucho más específicas, como por ejemplo el diagnóstico temprano de enfermedades a partir de análisis de radiografías, resonancias magnéticas, etcétera. En el campo de la medicina, evidentemente. Con este esquema en mente para situarnos en el, en esta gran cartografía de la, de la inteligencia artificial,

Patricia Esteban tengo dos preguntas para ti, Luis. En primer lugar, querría que nos explicaras, por favor, si todos los eslabones de esta cadena inmensa de la inteligencia artificial están igualmente desarrollados, cuál es su despliegue. Y en segundo lugar, ¿quién controla, económicamente hablando, cada uno de estos eslabones? Ahí es poco. Tú, tú mismo, te lanzo y empieza por donde tú quieras.

Luis Piñeiro de Matos Como decías al principio, la IA destaca por la velocidad a la que está siendo adoptada, tanto a nivel individual como organizativo. Eh, algunas cifras apuntan a que ya el treinta por ciento de la población en la Unión Europea y en Estados Unidos, pues utilizan ya la IA en sus tareas diarias.

Luis Piñeiro de Matos Eh, de hecho, esta velocidad de adopción, eh, es bastante rápida teniendo en cuenta el despliegue reciente en los últimos dos, tres años. De hecho, está siendo más rápida que otras tecnologías de uso general, como Internet, el ordenador personal o la electricidad. Sin embargo, eh, como decías, no todos los eslabones de la cadena están igual de desarrollados.

Luis Piñeiro de Matos De hecho, podemos dividir el despliegue de la IA en cuatro fases: la de innovación, la de desarrollo de nuevas infraestructuras, la de desarrollo de nuevas infraestructuras, la de difusión y adopción generalizada de la nueva tecnología y la fase que diríamos de adaptación de modelos de negocio y mercados a la nueva tecnología. Bueno, si empezamos con la fase de innovación, esta ha ido avanzando muy rápido en los últimos años. Los modelos son cada vez más potentes, sus aplicaciones ya son muy visibles en nuestros trabajos, incluso en nuestras vidas personales. Por ejemplo, Matter, una métrica que mide el rendimiento de la IA en función de la longitud de tareas que puede completar, muestra que en los últimos meses ya puede realizar de manera sat-satisfactoria tareas que requerirían varias horas, cuando hace un añoLos modelos solo completaban tareas, ah, en-- de minutos. Eso puede dar la impresión de que la tecnología ya está plenamente despegada. Pero por-- para volver a tu metáfora del cuerpo y de la mente de la IA, digamos que el cuerpo todavía no acompaña la mente. Para que la IA se difunda de verdad hacen falta, en primer lugar, infraestructuras, los centros de datos, chips, energía, redes, capacidad en la nube que comentábamos antes. Y ese cuerpo se está construyendo en gran parte ahora. De hecho, an-ante un ritmo de adopción elevado y un impulso innovador bastante fuerte, con capacidades, pero también con necesidades cada vez más elevadas, hay evidencia de cuellos de botella en el sector. Esto ha llevado recientemente, por ejemplo, a limitaciones de capacidad en varios modelos de, de IA para ahorrar en capacidad computacional y concentrar la actividad en las partes consideradas más rentables de los modelos.

Luis Piñeiro de Matos Ehm, y los llamados cinco hyperscalers, ah, serían Alphabet, Amazon, Meta, Microsoft, Oracle, están invirtiendo cada vez más en centros de datos.

Patricia Esteban Mhm.

Luis Piñeiro de Matos De hecho, en conjunto, estas cinco empresas han multiplicado por tres su CapEx, o sea, su gasto en capital, en los últimos dos años, acerca de setecientoscincuenta mil millones de euros.

Patricia Esteban Claro.

Luis Piñeiro de Matos Es una cifra enorme.

Patricia Esteban Luego iremos, Luis, a-- te preguntaré también sobre el, el tema de, de las bolsas y... Pero bueno, perdona, perdona que te interrumpo.

Luis Piñeiro de Matos Ehm, mientras, si, si nos fijamos en el resto de la cadena de valor, los productores de hardware, o sea, de la cadena de chips, servidores, etcétera, han aumentado su CapEx en un cincuenta por ciento en el mismo periodo. O sea, el, el aumento de estas capacidades se está produciendo en un entorno retador, entre otros factores, porque las empresas de hardware no pueden acompañar el aumento de la demanda, lo que ha llevado, por ejemplo, ya a un repunte global del precio de los chips, bien como de materias primas como el cobre, eh, y a lo que se suma, por ejemplo, las dificultades de aprovisionamiento de helio relacionadas con, con la guerra en Oriente Próximo.

Patricia Esteban Mhm.

Luis Piñeiro de Matos Por eso podemos afirmar que estamos todavía en las dos primeras fases del despliegue.

Patricia Esteban Era, era mi siguiente pregunta.

Luis Piñeiro de Matos Claro.

Patricia Esteban Perdona.

Luis Piñeiro de Matos Eh, y la de desarrollo de infraestructuras. La adopción generalizada y la difusión ya han empezado, como lo comentamos antes, pero su fase más intensa llegará después, cuando ese cuerpo esté completo y los costes empiecen a disminuir. Ah, requerirá a su vez importantes inversiones del sector privado y sobre todo, cambios en modelos de gestión y funciones de muchos trabajadores. Y solo en una fase posterior ya veremos lo que comentamos antes, la cuarta fase esta de adaptación profunda de los modelos de negocio y de los mercados, que es cuando la IA empieza a tener un, un impacto macro más claro. Por otras palabras, el potencial está ahí, pero el cuerpo y la mente todavía se están formando. En ese sentido, quizás podemos decir que la IA se encuentra en su fase de preadolescencia.

Patricia Esteban Ay, bueno, qué gran etapa. [risas] La preadolescencia y la adolescencia es una etapa intensa, pero bueno, al menos tenemos la ca-- tranquilidad que de momento las máquinas no gobernarán el mundo. No, aún queda [risas] ese momento de Terminator. Bueno, ¿qué economías, Luis, están en la cabeza en cada uno de los eslabones, si es que hay una que domina un eslabón más u otro, o está todo un poco diversificado? Cuéntanos.

Luis Piñeiro de Matos Países como Estados Unidos y varios asiáticos tienen un elevado peso económico del sector, medido en términos de la valoración de empresas de IA en porcentaje del PIB.

Luis Piñeiro de Matos Entre estos destacaría Taiwán o Corea del Sur, que presentan una marcada especialización en capacidad computacional, mientras que Estados Unidos tiene una cadena de valor más diversificada. Por otro lado, en China y varias economías avanzadas, el peso de la IA es de momento relativamente menor y presentan perfiles de especialización también distintos. Japón y Reino Unido, por ejemplo, muestran una mayor especialización en capacidad computacional y herramientas de datos, en el caso británico, mientras que en China y la UE el peso de aplicaciones es mayor.

Patricia Esteban Muy bien. China también controla toda la parte, ¿no? De extracción de minerales y también la manipulación, no sé.

Luis Piñeiro de Matos Todo el refino.

Patricia Esteban Exacto, el refino.

Luis Piñeiro de Matos Sí, sí.

Patricia Esteban Sabía que era la otra palabra, ¿no? Para hacer los semiconductores, etcétera, etcétera.

Patricia Esteban Has dicho antes que, mmm, que la-- para que la IA se difunda de verdad hace falta, pues esto, todas las infraestructuras, que el cuerpo se está construyendo ahora y que para esto hace falta un-una gran dosis de, de inversión. Y esto nos lleva donde yo-- uno de los temazos que quería yo tratar, que era los siete magníficos en bolsa. Y no, no hablamos de Yul Brynner, Steve McQueen, Charles Bronson, que eso ya supongo que sonará al siglo XVIII, pero no es-- son los protagonistas de un gran western que os recomiendo a todos, eh, sino de las siete compañías que lideran el índice bursátil más importante de Estados Unidos, el Standard & Poor's 500, ¿no? Que agrupa estas quinientas empresas más representativas que cotizan en la Bolsa de Nueva York y en el Nasdaq.

Patricia Esteban Eh, recordemos que desde la introducción de ChatGPT hace solo tres años, estas siete magníficas: a-Alphabet, que es Google, Amazon, Apple, Meta, Microsoft, Nvidia y Tesla explican un sesenta por ciento del incremento acumulado en la capitalización bursátil S&P y que ya representan cerca del treinta y cinco por ciento del índice. Luis, este entusiasmo por la IA en los mercados financieros también ha suscitado temores de una burbuja, como ya sucediera con los puntocom o antes de grabar el programa hablabas de los tulipanes, ¿no? En, en Holanda, en el siglo XVII, también hablando de épocas pasadas.

Patricia Esteban ¿Por qué suscita este entusiasmo temor a una burbuja? ¿Y son estos temores fundamentados, Luis?

Luis Piñeiro de Matos Históricamente, las grandes tecnologías se han visto acompañadas de un fuerte impulso inversor y ante la incertidumbre so-sobre su verdadero potencial económico, también de periodos de fuerte especulación. Creo que estamos inmersos en un ejemplo más de este patrón, muy bien documentado, por ejemplo, en un libro de Charles Kindleberger con el título bastante llamativo de Manias, Panics and Crashes. Y algunos ejemplos de estos, pues como decías, ah, evidencia anecdótica más de la primera gran burbuja, ¿no? De los tulipanes. Pero también hubo una burbuja relacionada con los ferrocarriles en el Reino Unido y más recientemente, como decías, las de las puntocom.

Patricia Esteban Mhm.

Luis Piñeiro de Matos En el caso de la IA, en primer lugar, como decías, ¿no? Eh, cuando el crecimiento del mercado depende tanto de un grupo tan reducido de compañías, pues cualquier decepción puede provocar correcciones bruscas y generalizadas. Además, las cotizaciones de estas empresas incorporan estas expectativas de crecimiento de ingresos muy elevadas ligadas a la idea de que la IA desencadenará una nueva revolución industrial. El problema es que esas expectativas aún no se han materializado, al menos plenamente, en beneficios proporcionales. Si el crecimiento real resulta menor o más lento de lo esperado, pues las valoraciones podrían ajustarse con fuerza. Por otro lado, las empresas tecnológicas líderes en IA presentan ratios PER, eh, price to earnings-

Patricia Esteban Mhm

Luis Piñeiro de Matos ...eh, superiores a la media histórica, lo que puede reflejar tanto optimismo razonable como un riesgo de sobrevaloración. El hecho de que estas ratios hayan empezado a corregirse en algunos momentos recientes refuerza un poco la sensación de fragilidad de este rally. Además, como decías antes, el despliegue de la IA exige inversiones muy grandes en infraestructura. Decíamos, entre las siete magníficas, el gasto en capital ha crecido a ritmos del cincuenta, sesenta y se acelera hasta el setenta por ciento. Esto eleva el riesgo porque obliga a estas empresas a rentabilizar rápidamente estas inversiones enormes para justificar sus valoraciones actuales.

Luis Piñeiro de Matos Por otra parte, dado el tamaño de los planes de inversión, las grandes tecnológicas han pasado de financiarse principalmente con su propio flujo de caja a recurrir cada vez más a deuda, crédito privado-

Patricia Esteban Mhm

Luis Piñeiro de Matos ...estructuras financieras complejas vinculadas, mmm, a centros de datos, por ejemplo. Y esto puede generar opacidad en el endeudamiento real, aumentando, pues, los riesgos financieros sistémicos. No está claro quién capturará finalmente los beneficios de la IA. Aunque hoy las grandes tecnológicas lideran la cadena de valor de la IA, no está claro qué empresas serán las grandes ganadoras cuando esta tecnología madure. La estructura de mercado, la regulación futura y las dependencias críticas de chips, de datos, de energía-

Patricia Esteban Mhm

Luis Piñeiro de Matos ...etcétera, pueden alterar significativamente el reparto de estos beneficios. Esa incertidumbre choca con unas valoraciones que ya descuentan escenarios muy favorables.

Patricia Esteban Bueno, como en la adolescencia que comentabas antes, ¿no? Es un momento, ¿no? De, de, de revolución. Por un lado, estás eufórico, por otro te entran todas las, las tristezas y las, y las dudas. Bueno, a ver cómo acaba todo. Lo que está claro es que aparte de la carrera empresarial por la IA en los mercados, Luis, ¿no? Eh, también hay una carrera por la conquista de la IA, sobre todo entre Estados Unidos, ¿no? Y China, ¿no? De forma parecida a como compitió Estados Unidos con la URSS en el siglo XX con la carrera espacial.

Patricia Esteban ¿Qué distintas estrategias tiene cada potencia para gobernar la IA? Y cómo queda Europa en este, en este tablero de, de risk?

Luis Piñeiro de Matos Estados Unidos ha logrado situarse en la primera línea mundial de la inteligencia artificial gracias a una combinación muy potente de talento, tecnología y un entorno empresarial favorable. Ahí se ha ido consolidando un ecosistema innovador apoyado en universidades de primer nivel y también en una fuerte concentración de talento STEM y de investigadores internacionales.

Luis Piñeiro de Matos El sector público, por su parte, también ha jugado un papel clave desde el principio, tanto desde agencias civiles como también, por ejemplo, desde el ámbito militar.

Luis Piñeiro de Matos A esto se suma un potente clúster de empresas tecnológicas bien integradas en el tejido industrial con un músculo financiero y apetito por el riesgo. Eh, el marco fiscal y regulatorio también le es favorable. Es poco intervencionista en las fases iniciales de desarrollo y todavía no existe una ley federal integral sobre la IA, por ejemplo. Y en Estados Unidos, históricamente han predominado las actuaciones ex posts.

Patricia Esteban Es decir, que se deja hacer, ¿no? Y luego, si tiene que intervenir, interviene, ¿no? El Estado.

Luis Piñeiro de Matos En este contexto, el plan de acción de la administración Trump ha reforzado aún más la apuesta por la frontera tecnológica, con un enfoque claramente geoestratégico y un objetivo muy explícito: que los semiconductores, los modelos y las aplicaciones estadounidenses sean dominantes a escala global y se conviertan en el nuevo patrón oro.

Patricia Esteban Mhm. Me, me hace mucha gracia la expresión esta de frontera tecnológica, me hace pensar en el oeste, ¿no? De cua-- de la conquista del oeste tal cual, ¿no? Como la-- the frontier. Eh, bueno, ehm...

Luis Piñeiro de Matos O Star Trek.

Patricia Esteban Sí, o Star Trek. [risas] Tú eres más de ciencia ficción, ¿eh? Carreras. Hemos hablado de Estados Unidos, Luis, ¿cómo es el modelo chino? Cuéntanos.

Luis Piñeiro de Matos Si miramos a China, el enfoque es bastante distinto. Aquí el papel del Estado es central. Eh, planifica, coordina y orienta toda la estrategia. Es verdad que en los últimos años han sido las empresas privadas las que han impulsado el salto tecnológico de la IA y también de otras tecnologías, por ejemplo, las tecnologías verdes, donde China es dominante, pero siempre alineadas con las prioridades nacionales. Mientras Estados Unidos quiere empujar la frontera tecnológica, China prefiere centrarse en piezas clave de la cadena industrial global: ganar escala, ser autosuficiente y reforzar la seguridad.

Luis Piñeiro de Matos Para eso promueve subsidios, incentivos fiscales y mucha financiación pública, tanto desde Pekín como desde los gobiernos provinciales y locales.

Patricia Esteban Que son como países enteros, ¿no? Un poco tamb-- pensamos en, ¿no? En gobiernos provinciales, pero no es...

Luis Piñeiro de Matos Es que muchas veces el gobierno provincial de Shanghai o de Guangdong, por ejemplo, tiene decenas de millones de personas y con un clúster empresarial muy fuerte. Sí, sí. Todo esto va acompañado de un control preventivo de los contenidos con impacto social. Hay registros obligatorios y evaluaciones ex ante, por ejemplo, de los sistemas de recomendación en aplicaciones digitales, y la regulación más reciente aprieta más en lo que se puede difundir públicamente, pero deja al mismo tiempo bastante margen para, eh, pues la parte de investigar, desarrollar, entrenar modelos cuando se trata de usos productivos o estratégicos.

Patricia Esteban Muy bien. Y finalmente, ¿qué, qué posición ocupa Europa en esta carrera global? ¿Cómo está Europa en medio de los dos grandes titanes?

Luis Piñeiro de Matos Europa, desde luego, no parte en cabeza en la carrera de la IA, eh, pero digamos que tampoco está fuera de juegoSu posición entre Estados Unidos y China la obliga a correr una carrera distinta, menos centrada en ganar la salida y más en asegurarse de no quedarse descolgada cuando la tecnología empiece a transformar de verdad la economía. Lo que decíamos antes, esta fase de adopción, difusión y adaptación.

Luis Piñeiro de Matos Frente a Estados Unidos y China, la Unión Europea parte con una desventaja clara en algunos eslabones críticos de la cadena de valor de la IA. La concentración de talento, inversión y capacidad de computación en esas dos economías reduce el margen de maniobra europeo y aumenta el riesgo de dependencia tecnológica. Además, cuanto más rápido va avanzando la IA, mayores son los costes de ajuste económico social para quien llega tarde.

Patricia Esteban Bueno, sobre este tema tenéis mucha más información en el dossier que hemos publicado en, como os comentábamos, el informe mensual del mes de mayo de CaixaBank Research. Luis, muchísimas gracias por tu intervención. Has, has salido aquí al ruedo con un tema complicadísimo y ha sido superinteresante todo lo que has comentado. No te vayas, por favor, que al final sabes que volveremos con, con la sección de detrás del dato para saber más

Patricia Esteban sobre otros temas no económicos. O sí, ya lo veremos. Bien, después de esta primera lección de anatomía de la IA, pasemos a analizar con Oriol Carreras, que lo teníamos aquí muy tranquilo y muy calladito, pero ahora le va a tocar hablar sobre qué sabemos sobre el impacto de esta nueva tecnología en la productividad, el crecimiento y lo que nos preocupa a todos, el empleo.

Publicidad [ Música de fondo].

Publicidad En CaixaBank Research, análisis mensual de la economía y los mercados financieros en España, Europa y mundial. Encuentra todos los episodios en Spotify, iVoox, Apple Podcasts y página web www.caixabankresearch.com. Desde la Revolución Industrial hasta el día de hoy nos persigue un mismo miedo: las máquinas nos van a dejar sin trabajo. Pero antes de irnos todos a destruir centros de datos, como hicieron los luditas con los talleres mecánicos en la Inglaterra del siglo XIX, tenemos a Oriol para que nos calme un poquito los ánimos.

Patricia Esteban Oriol Carreras, cuéntanos cómo afectará la inteligencia artificial al empleo y a la productividad. Pero antes, para también hacernos una composición del lugar, ¿cuán extendida está la inteligencia artificial entre las empresas españolas? Porque a lo mejor nos estamos preocupando y no hay para tanto. Nos comentaba antes Luis que cerca de un 30 % de la población europea ya la utiliza. Imagino que en España será más o menos igual. En las empresas españolas, Oriol, ¿la, la proporción es parecida?

Oriol Carreras Gracias, Patricia. Muchas preguntas, sin presión, ¿no?

Patricia Esteban [Ríe].

Oriol Carreras Ah, vaya-- vayamos por parte. Primero la de, la de qué pasa, cómo está yendo la difusión en la economía española. Ah, lo que estamos viendo es que el ritmo de adopción de tecnologías de inteligencia artificial entre las empresas españolas se ha acelerado bastante en los últimos años. En el 2021 teníamos que un 8 % de las empresas, y ahí nos estaremos fijando siempre en empresas de más de diez trabajadores, ¿eh? Pero un 8 % de estas, pues usaban algún tipo de herramienta de IA en, en sus procesos. Y cuatro años más tarde, en el 25, ya estamos hablando, pues de un 21 %, ¿no? Por lo tanto, no está mal el avance que hemos visto. También hay una visión, ah, digamos, del ángulo de vaso medio vacío. En el fondo, lo que estamos diciendo es que hay ocho de cada diez empresas que aún no están usando herramientas de IA, ¿no? Por lo tanto, sin duda ahí hay margen de recorrido. Y también la otra comparativa relevante es un poco: oye, ah, ¿cómo estamos con respecto a la, a la, a la Unión Europea, no? Y ahí es que a pesar que sí que ha habido un avance importante, aún estamos un poco rezagados, en particular cinco puntos por debajo del promedio de la eurozona. Sí que por delante de países como Francia o Italia, pero aún, ah, por detrás de otros como Alemania o los Países Bajos, ¿no? Por lo tanto, en esta comparativa también, pues aún también tenemos algo de margen de mejora.

Patricia Esteban Muy bien. Hablabas de este salto del 8 % al 21 % de adopción en apenas cuatro años en empresas de más de diez empleados. O sea que aquí imaginamos que el tamaño de la empresa tiene algo que decir, ¿no? ¿Qué diferencias hay por tamaño de empresa, Oriol, en, en la adopción de, de la IA? ¿Las grandes adoptan más? ¿Las-- en cambio las más pequeñas, que tienen más margen o cómo, cómo funciona?

Oriol Carreras Sí, es, es, es un muy buen punto. Y como os podéis imaginar, detrás de la, de la cifra del veinti poco por ciento, pues hay muchas diferencias y como bien apuntabas, Patricia, sí que las hay tam-- cuando lo miramos por, por tamaño empresarial, ¿no? Y sin duda sí que vemos que el tamaño en este sentido es relevante. Por ejemplo, cuando nos fijamos en las grandes empresas, lo que vemos es que tres de cada cinco, es decir, estamos hablando de cerca de un 60 % de estas empresas, están utilizando inteligencia artificial. Pero si nos fijamos en empresas más pequeñitas, de entre diez y cincuenta trabajadores, ahí la cifra es algo menos del 20 %, ¿no? Por lo tanto, hay diferencias claras. Ah, la adopción, ah, hemos visto que es, es-- crece en todos los tamaños empresariales, pero cuanto más grande es la empresa, más se ha visto, ah, que la, el crecimiento ha sido más, más elevado, ¿no? Las medianas, en este sentido, el que están en, en el punto intermedio entre cincuenta y doscientos cincuenta, sí que muestran un, un cierto punto de inflexión, ¿no? Es decir, están con una adopción de algo más del 30 %, han tenido un crecimiento muy sustancial. Sí que se ve que en las medianas parece ser que tienen como el volumen necesario para movilizar los recursos para empezar a dar el salto.

Patricia Esteban ¿Por qué les cuesta a las empresas, eh, adaptar la tecnología? ¿Qué, qué barreras tienen?

Oriol Carreras Con gran diferencia, la, el principal escollo que tienen las empresas a la adopción de la inteligencia artificial es, es, es el tema de las capacidades, es decir, disponer del capital humanoA que les permita, pues desarrollar, buscar los casos de uso para implantar con éxito estas herramientas en cada empresa. Y realmente esto es un escollo mucho más pronunciado que otras consideraciones que podrían ser, pues temas, por ejemplo, como de coste, de acceso a la tecnología o temas que podríamos pensar más de legales o de protección de datos.

Patricia Esteban Ajá.

Oriol Carreras Este tipo de problemática es muy inferior a la primera de falta de capacidad.

Patricia Esteban Pues esto es una buena noticia para el mercado laboral, ¿no? Que aquí también se supone que hay un-

Oriol Carreras Sí, sí

Patricia Esteban ...margen de, de, de contratación de perfiles con más capacidades en...

Oriol Carreras Absolutamente.

Patricia Esteban Bueno, bueno, bueno. Eh, y aparte del tamaño de, de la empresa, Oriol, ¿cómo va la adopción del uso de la IA por sectores de actividad? ¿Cuál está en la cabeza? ¿Cuál es en la cola? Cuéntanos.

Oriol Carreras Sí, de nuevo, ahí hay muchas diferencias también. Ah, como s-- digamos, ahí no estaremos, ah, diciendo nada que no nos podamos imaginar, pero os podéis imaginar, pues que sectores como, por ejemplo, de, de información y comunicaciones, son sectores que van a la cabeza, tasas de adopción cercanas al sesenta por ciento. Un pelín más rezagados, pero también aún en la cabecera, estarían todo el mundo de servicios intensivos en conocimiento, como actividades profesionales y científicas, que ahí están, por ejemplo, con el entorno de adopción de un cuarenta por ciento. Y en cambio, si miramos a la cola, pues nos encontramos sectores como el de la construcción, metalurgia, el del transporte, que siguen teniendo aún niveles de adopción, ah, muy bajos. En su conjunto, lo que estaríamos diciendo es que cuando miramos el panorama sectorial, pues la economía esa española está en una fase intermedia de adopción, como decíamos antes, ¿no? Aún hay margen para que se difunda más, ah, entre los sectores más rezagados.

Patricia Esteban Muy bien. Y cuando se adopta la tecnología, eh, ¿para qué se utiliza? ¿Cuáles son los usos principales que habéis detectado en vuestro dossier y con-- según la, la literatura económica?

Oriol Carreras Pues me alegra que me preguntes de esto porque pensamos que es un punto interesante, ¿no? Porque al final una cosa es ver qué está pasando a nivel sectorial, pero pensamos que es más informativo el tema de los usos. Hemos querido desgranar un poquito entre dos tipos de usos que se le puede dar a esta herramienta, ¿no?

Patricia Esteban Mhm.

Oriol Carreras Un uso más de procesos, que ahí estaría pensado sobre todo, pues usar la IA, pues para mejorar la eficiencia organizativa, da-- dar apoyo a la red comercial, gestión interna, tareas administrativas. Esta capa, que es una capa que quizás podemos pensar que es como más superficial, en el fondo, que entrañas menos riesgos su adopción. Ah, y una capa, en cambio, en contraposición a esta primera, ah, más profunda, que es la vinculada al, al proceso productivo de la empresa. Es decir, engranar la inteligencia artificial en la producción de aquel bien o en la prestación de aquel servicio que la empresa haga, ¿no? Ah, y este sí que sería un elemento, una integración mucho más profunda en sus cadenas de producción. Y aquí entonces hemos hecho-- lo que hemos hecho un poquito es categorizar los sectores en, en tres grandes categorías. Disculpad por la repetición de la palabra. Ah, una-

Patricia Esteban No pasa nada. Perdón, tengo que decir lo de lo que hemos hecho un poquito. Mira, si es humilde, nuestro querido Carreras, que [risas] han hecho un trabajazo de meses y meses y lo que hacen es hacer un poquito. Perdón, Oriol, sigue.

Oriol Carreras [risas] Gracias, Patricia.

Patricia Esteban No, a ti.

Oriol Carreras Lo hemos dividido en tres grupos, ¿no? Un primer grupo de sectores, ah, con uno, con un, un uso más superficial. Ah, un segundo, que es el que hablábamos de los procesos, ah, más de, de gestión. Un segundo grupo que, que, que llamamos, ah, transicional, que estos lo que hacen principalmente es que siguen teniendo esta, estos usos más de gestión a la, a la venta, de gestión operativa, pero también ya se empieza a ver un uso a nivel más profundo para la generación de sus productos o servicios. Y finalmente, una tercera categoría de adopción profunda, que en donde ahí sí que la inteligencia artificial ya permea todos sus procesos productivos, a-aparte también de los usos más de capa superficial que hablábamos en el primer caso, ¿no? ¿Y quién está en cada sitio? Pues bueno, en el primer caso, en el más de a-- de la capa más superficial, estarían pues sectores como la hostelería, el comercio, las actividades administrativas. En el segundo caso, en esta fase más transicional, vemos sectores como el alimentario, el textil, el de las actividades profesionales o científicas o la construcción. Y finalmente, en el último caso, el de adopción profunda, destacan sectores como el sector de información y comunicaciones o el sector TIC, que es más relacionado con todo de temas de programación, en donde en estos casos no, no es que la IA sea una herramienta eficiente, es que de hecho forma parte de, de su producto como negocio, ¿no? Bueno, de nuevo, vemos un proceso de difusión que está en marcha y ahí la gran incógnita para el impacto en productividad es cuándo se generalizará este uso de la inteligencia artificial en usos productivos y relacionados con el negocio principal de una empresa. Que por otra parte también se entiende que esto tarde más, porque al final esto generalmente con-conlleva inversiones superiores, pide rediseñar procesos de más calado y, por lo tanto, ya es normal, pues, ver que tarda un poco más.

Patricia Esteban Has dicho la palabra mágica: productividad. Y leo que según datos de la OCDE, el uso de herramientas de inteligencia artificial puede elevar la productividad individual en torno a un treinta por ciento, y algunos estudios encuentran mejoras superiores al cincuenta por ciento en tareas concretas. ¿Cómo se traducen, Oriol, estas estimaciones, eh, de, de estos estudios en ganancias reales de productividad para una empresa o para la economía en general?

Oriol Carreras Pues mira, aquí, Patricia, yo creo que nuestra tarea, un poco como divulgadores en este sentido, es sobre todo intentar explicar por qué estas cifras hay que ir con cuidado cuando se quieren extrapolar al mundo macro, es decir, al mundo de cuando sumas el comportamiento, pues de todos los agentes, todos los sectores, etcétera, etcétera, etcétera.

Oriol Carreras Estos estudios son muy, ah, útiles y dan mucha información valiosa, porque al final son los primeros estudios científicos rigurosos que te informan de si esta tecnología realmente t-tiene un uso y si sirve, si aumenta la productividad o no.Pero también tienen sus limitaciones. Al final, son estudios que tienen una aplicación en entornos muy controlados. Ah, se les da a unos trabajadores esto y a otros no para poder medir. Ah, es-- una parte muy importante es se hacen en-- se aplican en tareas muy concretas, en parte por tal de poder medir bien, ah, el impacto que tiene el uso de esta tecnología, ¿no? Pues para tareas, ah, de programación o para escribir textos, o vamos a mirar cuántas llamadas más te permite lidiar esta tecnología en servicios de-

Patricia Esteban En un call center.

Oriol Carreras En un call center, tal, ¿no? Pero son al final tareas muy concretas, ¿no? Por lo tanto, ¿qué no estamos teniendo en cuenta aquí si queremos ir a la macro? No estamos teniendo primero los costes de implementa-- en cuenta los costes de implementación, ¿no? Los costes que puede tener adoptarla, formar a la gente, cambiar los procesos de la empresa. Poco lo que comentábamos anteriormente, que al final esto tarda un poco. Tampoco estamos teniendo en cuenta el alcance de la tecnología. ¿Esto va a servir para muchas tareas distintas que hacemos o no, no? Podemos pensar, por ejemplo, un caso imaginario que sería: oye, imagina que la IA es muy, muy útil para unas muy pocas tareas en la economía, ¿no? Pensemos en un-- el uno por ciento de las ocupaciones de la economía. Bueno, pues si este fuera el caso, pues el impacto en su productividad agregada al final no sería más que un error de redondeo en las cifras de productividad, ¿no? Por lo tanto, aún hay unos cuantos pasos más antes de poder ir a impactos de escala importantes en, en términos generales. Dicho esto, dicho esto, como si leéis nuestro dossier, podréis ver nuestro supuesto, el que al final es que sí, que la IA tendrá un impacto en productividad relevante y que no se quedará en estos casos acotados.

Patricia Esteban Como ya ocurrió con otras tecnologías, ¿no comentabais, no?, de propósito general, ¿no? Como la electricidad o Internet, ¿no?

Oriol Carreras Exacto, exacto. Sí, sí.

Patricia Esteban Estará para quedarse, será-- tendrá un impacto grande, pero no tenemos que quedarnos en el titular de esto. Cincuenta por ciento de la productividad, ta, ra, ra, ra.

Oriol Carreras Efectivamente.

Patricia Esteban O nos quitará el trabajo, ra, ra. O sea, aún queda mucho por recorrer. Gracias, Oriol, por poner, y antes tú también, Luis, por poner un poco de tranquilidad a toda esta intensidad de-- sobre el tema de la inteligencia artificial.

Patricia Esteban Viendo que tenemos que ser cautos con el uso de los datos, ¿hay alguna manera, Oriol, eh, de que podáis estimar los economistas cuál será el, el impacto agregado?

Oriol Carreras Sí.

Patricia Esteban ¿O todavía es muy pronto?

Oriol Carreras Bueno, se puede intentar. [risas]

Patricia Esteban Bueno, valientes que sois.

Oriol Carreras Cuando vamos al mundo macroagregado, ahí nos es muy útil, pues tomar prestado el marco conceptual que planteó el Premio Nobel de Economía, eh, el señor Daron Acemoglu. Amm, Acemoglu lo que hacía es que bajo unos supuestos mostraba que se podía aproximar el impacto de la inteligencia artificial sobre la productividad agregada a partir de dos ingredientes muy sencillo, que es mirar, uno: qué proporción de tareas u ocupaciones. Y ahí discúlpame, porque la literatura distingue entre tareas y ocupaciones. Una ocupación es un conjunto de tareas. Que te automaticen alguna tarea no quiere decir que te automaticen la ocupación.

Patricia Esteban Sí, señor.

Oriol Carreras Pero en este pódcast vamos a ir a, a lo sencillo y las voy a usar indistintamente, ¿no?

Patricia Esteban Vale, perfecto. Pero también otro motivo de tranquili-- de-- para tranquilizarnos, ¿no? Una cosa es la tarea concreta y otra es la ocupación o conjunto de tareas que haces tú en tu día a día.

Oriol Carreras Exacto. Pero bueno, él decía, hablaba de los dos ingredientes: la proporción de tareas u ocupaciones que efectivamente se ven afectadas por esta nueva tecnología y otro elemento que es la ganancia media de productividad que se logra en estas tareas, ¿no? Por lo tanto, en el fondo te está diciendo: "Oye, dime qué proporción se ve afectado y cuánto es la mejora promedio", y te puedo decir cuál es la ganancia productividad general. ¿Qué pasa aquí? Pues lo que pasa es que hay muchísima incertidumbre acerca de la magnitud de cada uno de estos, ah, ingredientes. Y para poner un ejemplo, en uno de los artículos que escribió Acemoglu, él lo que decía es: "Oye, yo voy a asumir, en base a ciertos datos, que un veinte por ciento de las tareas son susceptibles de ser automatizadas en los próximos diez años debido a la inteligencia artificial, pero que de estas solo algo más de un veinte por ciento será económicamente viable hacerlo. Que sea automatizable no siempre quiere decir que sea viable para las empresas hacerlo, ¿no? Claro, un veinte por ciento, un veinte por ciento, estás hablando que tan solo un cuatro por ciento del total se ve afectado, que estamos en el mundo que decíamos antes de impactos muy pequeños.

Patricia Esteban Mhm.

Oriol Carreras Hay otros autores que dan cifras más generosas. Eh, por ejemplo, pues dan cifras de que un sesenta por ciento de las tareas pueden ser a-automatizadas y que habrá viabilidad en un ochenta por ciento de estos casos, ¿no? Por lo tanto, en función de estos supuestos, pues encuentras cifras muy distintas. Y por ejemplo, tenemos, pues desde Acemoglu, que hablaba de una ganancia de productividad de alrededor de una décima más de crecimiento de la productividad por año en los próximos diez años, que esto sería realmente una ganancia muy modesta, a, a cifras, pues más elevadas, ¿no? Por ejemplo, la OCDE, y ahí miraba para distintos países también de nuevo en el, en el rango de los próximos diez años. Ahí hablaba de ganancias de productividad para Estados Unidos, que podrían ser de en torno a un punto porcentual. Y si miramos otras economías avanzadas, como por ejemplo las economías europeas, hablaba de en torno a medio punto porcentual, ¿no? Las diferencias venían sobre todo, pues por la velocidad de adopción en cada uno de los-- de las regiones, pues también la estructura sectorial en cada economía, pero daban estas cifras que ya serían bastante más sustanciales.

Patricia Esteban Muy bien. Un ejercicio muy interesante, Oriol. Según Acemoglu, también la inteligencia artificial eleva la productividad por dos vías. He leído en vuestro dossier. Por un lado, automatiza tareas, es decir, que sustituye el trabajo humano

Patricia Esteban o, por otro lado, complementa al trabajador, es decir, que le permite hacer más y mejor.

Patricia Esteban Ambas vías aumentan la productividad, pero esta manera de, de incidir en nuestro trabajo tiene implicaciones distintas tanto para el empleo como para los salarios o la desigualdad de ingresos.¿Cuáles son estas implicaciones, Oriol?

Oriol Carreras Sí, bueno, como decías, la automatización va en contra de la creación de empleo y, en cambio, la complementariedad, al potenciar al trabajador, en general, le juega a favor y habría más demanda y también, seguramente, más retribución, más salario, debido a este aumento de la productividad, ¿no? Pero quiero tomar un paso atrás y pensar. Vamos a empezar por el efecto sobre el mercado laboral, sobre el empleo, y, y, y tomar como una visión más de conjunto, ¿no? Para incorporar estas cosas que estábamos comentando. Y yo creo que es útil pensar en términos de tres fuerzas que afectan al mercado laboral y que en cierta manera se oponen entre ellas. En primer lugar, está la automatización, como decíamos, que juega en contra, y ahí no hay mucho misterio para entender esto. En segundo lugar, está las ganancias de productividad derivadas de la tecnología, y esto sí que puede aumentar la, la demanda de trabajo, ¿no? Al fin y al cabo, cuando estamos hablando de ganancias de productividad, lo que decimos es que se están reduciendo los costes. Por efecto de la competencia, bajan los precios y esto libera demanda para, para pedir más cosas, para comprar más cosas, y esto aumenta a-- podría de-- a-aumentar la demanda de trabajo en su origen, ¿no? Yo creo que un ejemplo sencillo aquí puede servir para entender mejor este canal. Supongamos, por ejemplo, que tenemos un proceso y un procedimiento médico que es muy caro, ¿no? Y que, por lo tanto, hoy por hoy, o bien poca gente se lo puede permitir o, ah, se puede-- se le puede dar este, este procedimiento a poca gente, ¿no? Y que llega una nueva tecnología y que baja el coste de este procedimiento, pues a una décima parte, a una ventésima parte de lo que tenía, ¿no? Claro, hay la visión parcial que sería decir: "Oye, no necesitaremos tantos médicos, pero para, para, para hacer las mismas que hacíamos antes estos procedimientos, pues no hará falta tanta persona". Pero al bajar tanto el precio, quizás lo que pasa es que la demanda para este servicio médico explota, y explota hasta, hasta tal punto que podría incluso llegar a darse el caso que terminas necesitando aún más médicos de los que tenías anteriormente para cubrir la demanda que tenías, ¿no? O puedes terminar en un caso más de compensación parcial. Pero bueno, este es el canal de la productividad y es la tipología de mecanismo a la que está yendo. Y finalmente, hay otra fuerza también muy importante que de nuevo juega a favor en la creación de empleo, que es la capacidad de la tecnología para crear nuevos puestos de trabajo o nuevos modelos de negocio.

Patricia Esteban Claro, porque pueden aparecer nuevas ocupaciones que todavía no están inventadas y que no llegamos a imaginar. Y esto recuerdo, hace tiempo también hablabas de ejemplo, en una, mmm, una conferencia que, que fui a ver de, de Eric Fernández, nuestro economista en jefe, donde comentaba que en la Revolución Industrial se creó la figura, una figura nueva, una ocupación nueva de el despertador de los obreros. Despertador, no sé cómo se llama, pero era un señor que iba con un... Además, vi la fotografía con una-- con un palo larguísimo y un, y un reloj. No, no sé si era un reloj o... Bueno, la cuestión es que había una se-- un señor que se dedicaba a, a despertar uno a uno a los obreros que tenían, según el turno, tenían que ir a la fábrica a trabajar. Y este-- esta figura estuvo muchos años hasta que se democratizó el uso de los relojes. Y esto a mí me, me, me explotó la cabeza, me pareció superinteresante, como es verdad que es que so-- a veces somos, yo la primera, muy tremendistas, pero luego, eh, pues hay mucha...

Oriol Carreras Sí, sí.

Patricia Esteban Está todo por provenir, por inventar todavía.

Oriol Carreras Y esta tercera fuerza, precisamente, es la más difícil de imaginar, porque habla de lo que no conocemos, es decir, de cosas que aún no se han creado. Pero, ah, miramos atrás en la historia y lo que vemos es que las nuevas tecnologías crean puestos de trabajos nuevos que antes no existían. A esto se le llama típicamente como el canal de reinstauración y es muy importante, ¿no? Tenemos en la literatura, por ejemplo, se ha mirado el impacto que este canal ha tenido en el mercado laboral, por ejemplo, en las décadas posteriores a la Segunda Guerra Mundial. Un, una part-- digamos, un momento en la historia muy importante por muchos motivos, pero también porque coincide con la robotización en la industria, ¿no? Y ahí lo que se ha visto es que, ah, este canal de creación de nuevos puestos de trabajo compensó por completo la destrucción de puestos, ah, que generó la automatización por esta introducción de nuevas tecnologías. Es verdad que ahí hay temas, pues más espinosos, que son: se crearon puestos de trabajo distintos de los que se destruyeron. Por lo tanto, ahí hay toda una vertiente social importante. Pero a nivel neto de generación de empleo, este canal compensó el anterior, ¿no? Ahí, naturalmente, la gran incógnita es si la IA replicará este patrón y a qué ritmo, ¿no?

Patricia Esteban Claro.

Oriol Carreras Ah, y es, es la gran incógnita. Pero bueno, de nuevo, nos podemos un poco fijar en la historia, ¿no? Y en los últimos miles de años de historia del ser humano hemos visto muchos cambios tecnológicos importantes y la realidad es que seguimos aún todos aquí trabajando.

Patricia Esteban [risas] Sí.

Oriol Carreras Por lo tanto, habría que-- tenemos que tener cuidado a la hora de, ah, ir a escenarios catastrofistas.

Patricia Esteban Exacto. Y tener esperanza e ilusión, porque esto es lo último que se pierde y, bueno, es lo que te hace avanzar también como sociedad. Bueno, nos hemos puesto un poco intensos. Eh, [risas]

Patricia Esteban la cuestión es que, eh, al final lo que tenemos es esto, que el impacto sobre el empleo es ambiguo, ¿no, Oriol?

Oriol Carreras Correcto.

Patricia Esteban Aún desconocemos cómo se materializarán, eh, todos estos factores y en qué magnitud, ¿no? Por cada-- por todos los canal-canales que comentabas.

Patricia Esteban Un tema que a mí me preocupa, mmm, especialmente: la desigualdad. Oriol, comentabas antes también que puede afectar la inteligencia artificial, ¿no? Bueno, eh, no comentas directamente, pero bueno, como las implicaciones en, en la automatización de tareas o esta complementariedad es-- eh, puede tener impacto en la desigualdad salarial. ¿De qué manera, Oriol? Cuéntanos.

Oriol Carreras Sí, más allá del empleo en sí, está el tema del salarial, de la desigualdad. A-ahí, de nuevo, como en el empleo, no hay una dirección clara y, de nuevo, hay ambigüedad. Am, a diferencia de otras tecnologías, como por ejemplo la robótica, que mencionábamos anteriormente, que fue una tecnología que, por, por ejemplo, afectó de manera desproporcionada a determinados colectivos. En este caso, la IA parece que tenga unaUna exposición mucho más uniforme en la distribución. Es decir, que afecta a distintos tipos de ocupaciones, a ocupaciones con distintos niveles de cualificación. Está mucho más extendido. Todo el mundo, por así decirlo, está en cierta manera afectado. Y esto en sí mismo lo que te dice es que quizás te limita el aumento de la desigualdad sectorial, porque si todo el mundo está un poco impactado, no es como antes, en donde eran solo unos pocos muy afectados, ¿no? Ahí entonces ya entran, eh, pues el mundo de la investigación y llegan los matices, ¿no? Por ejemplo, pues el Fondo Monetario Internacional, en algunos estudios que han realizado, matizaba que, bueno, es verdad que afecta a todo el mundo, pero sí que parece que son los trabajadores con mayores ingresos, con mayores niveles de formación, los que sí da la sensación de que son los que tienen un mayor riesgo de que la IA sustituya su trabajo. Pero a la vez también son los que cuentan con un mayor recorrido para beneficiarse de su complementariedad. Volvemos al tema de la automatización versus complementariedad. Tienen ma-mayor riesgo, pero a la vez hay un upside más positivo, ¿no? Y entonces ahí la institución jugaba con algunos escenarios distintos y al final encontraba que al final lo de la desigualdad salarial depende de a quién ayuda más y a quién perjudica más. Si domina el efecto sustitución, es decir, la automatización, pues la desigualdad, de, de hecho, se puede reducir porque se ven más afectados los empleos más pagados en negativo y esto te disminuye la, la desigualdad. Si domina la complementariedad, la desigualdad podría aumentar porque se está reforzando más seguramente a los trabajadores-

Patricia Esteban Más en-

Oriol Carreras Más, más bien pagados, efectivamente

Patricia Esteban ...las cualificadas.

Oriol Carreras Y finalmente, de nuevo, estaría el tema de que si aumenta la productividad de todos, los salarios pueden crecer para todos, pero seguramente crecerían más para los más pagados. Y ahí, incluso así, tendríamos un ligero aumento de la desigualdad también.

Patricia Esteban Bueno, también una incógnita más que tenemos encima de la mesa. Eh, en el dosier, Oriol, en tu artículo sobre productividad, subrayas el papel que tiene la competencia. ¿Por qué es tan importante en este contexto?

Oriol Carreras Pues porque el reparto de las ganancias al final dependerá mucho del entorno competitivo. Ya lo decía antes, ¿no? Menores costes, menores precios si aplica la competencia.

Patricia Esteban Mmm.

Oriol Carreras Por lo tanto, el entorno competitivo es muy importante. Ah, de buenas a primeras, lo que parece es que la inteligencia artificial puede reducir muchas barreras de entrada y permitir, por ejemplo, que muchas empresas pequeñas puedan pasar a hacer cosas que antes solo estaban al alcance de grandes compañías. Y esto es bueno para la competencia y para, pues hacer que, eh, estas ganancias de costes de productividad se trasladen a precios más bajos y nos beneficiemos todos de ello. ¿Dónde está el principal riesgo? Pues el principal riesgo probablemente está en el propio mercado de la inteligencia artificial, que presenta de manera natural tendencias a la concentración. Por economías de escala, al final, pues para entrenar estos modelos necesitas

Oriol Carreras mucha dimensión, ah, pues por el coste de, de su entreno, por el coste del acceso a los datos para entrenarlos, para los costes de computación. También presenta economías de alcance. Una vez tienes el modelo entrenado, lo puedes aplicar a muchos casos de uso distinto, a un coste relativamente bajo. Y además, hay muchos cuellos de botellas que hacen que haya barreras de entrada, ¿no? A el acceso al talento que lo sabe hacer, etcétera, etcétera, etcétera. No quiere decir que tenga que terminar que se-- siendo un, un mercado concentrado, pero sí nos parece que el papel de las autoridades es clave, ah, para evitar que eso se produzca, no para frenar la innovación en este, en este mercado, sino para evitar que una tecnología con tanto potencial acabe capturada por estructuras demasiado cerradas.

Patricia Esteban Claro, y esto aquí en Europa seguramente tiene un buen papel, ¿no? Tiene mucho que decir, ¿no? Por su tradición de-

Oriol Carreras Sí

Patricia Esteban ...democrática y de, y regulatoria, que a ver si en lugar de dominar nuestras máquinas nos acaban gobernando los siete magníficos. Pero, pero bueno, eh, si tuviéramos que quedarnos con un mensaje central, Oriol, ¿cuál sería? Para aquí, para hacer un poco de recopilación y ya cerramos el capítulo y pasamos al detrás del dato. ¿Qué, qué le dirías a nuestros oyentes?

Oriol Carreras Sí, mira, nuestra opinión final es que la IA generativa tiene un potencial real para elevar la productividad y transformar la economía, pero que esto no se hará de manera instantánea.

Oriol Carreras Primero veremos ahorros de tiempo en tareas concretas y los cambios más profundos llegarán cuando las empresas rediseñen procesos completos y cuando la IA acelere la creación de conocimiento sobre-- y en este punto ya hay indicios tentativos de que esto sea así. Al final, el escenario que nos parece más razonable es uno de ganancias crecientes a medio plazo, más rápidas en Estados Unidos que en Europa, pero que en cualquier caso serán de una magnitud suficiente como para marcar, ah, el crecimiento de la próxima década.

Patricia Esteban Muy bien, esto es a nivel macro, un cierre estupendo. Y pasemos a la sección Detrás del dato.

Publicidad [música alegre]

Patricia Esteban Detrás del dato. Esta sección en la que queremos conocer un poco más, eh, a nuestros economistas y qué piensan y qué les preocupa más allá del dato, de las cifras. Aquí va mi pregunta, Luis y Oriol: ¿qué tarea delegaríais felizmente a la inteligencia artificial? Vale tanto en el trabajo como en, en vuestra vida doméstica. Yo tengo muy claro que serían todas las tareas de la casa, pero creo que de momento no caerá esa breva. Si no os gusta la pregunta, podéis utilizar el combiné de recomendación de libros o lo que, lo que queráis. Luis, venga, pones carita de querer hablar.

Luis Piñeiro de Matos Intento contestar a las dos, de hecho. Eh,

Luis Piñeiro de Matos la tarea que quizás delegaría más felizmente, se-- hablando de tareas de casa, sería, digamos, la, la contabilidad, la burocracia de casaMe encantaría que una herramienta de IA responsable me organizara, pues, el IRPF, las citas en el médico [risa] la compra del supermercado. Pero bueno, con la esperanza justo que me li-- que me liberara tiempo para, mmm, cosas que me gustan, como sean jugar a los Legos con los peques o yo qué sé, cocinar un plato rico donde quizás la IA podría tener un papel más bien complementar.

Patricia Esteban [risa]

Luis Piñeiro de Matos Ehm, o leer un libro.

Luis Piñeiro de Matos Y luego, po-- hablando de libros, justo, eh, o de pelis, eh, me recordó todo, todo esto, ehm, pues de un libro que he leído recientemente, eh, no sobre IA, forzadamente, pero el, el último, el penúltimo, de hecho, ya de Javier Cercas, "El loco de Dios en el fin del mundo", que es al final un... O sea, se trata de la historia, el relato de un escritor ateo, totalmente ateo,

Luis Piñeiro de Matos eh, y que ha sido el-- la primera-- por primera vez, han invitado a un escritor al Vaticano y, pues, ha seguido el viaje del, del papa Francisco a Mongolia,

Luis Piñeiro de Matos donde conoció, aparte de la estructura del Vaticano y tuvo encuentros con gente superinteresante, cardenales, etcétera, gente de la radio Vaticano, creo que es, pues con misioneros que están hace años, hace décadas incluso, en Mongolia, donde hay una, pues una comunidad de católicos, creo que es de, o sea, en los miles de personas. Y al final me re-- me, me, me hace pensar que, ligándolo con la IA, que es una reflexión un poco de lo que la IA no trae, que es un poco esta, la empatía, la-- todo esta-- to-todo este tipo de capacidades humanas, eh, desde luego la de la creatividad para escribir un libro, que seguirán siendo importantes en un mundo incluso dominado por la IA. Y, por otro lado, una recomendación de peli, que sería desde luego mi, mi fa-- una de mis favoritas, que sería la, "La vida es bella", creo que es el nombre.

Patricia Esteban Oh, sí, sí, sí, preciosa.

Luis Piñeiro de Matos Que al final también lo podemos poner en contexto, ¿no? Que al final es una historia de un, bueno, de una familia, pero sobre todo de un padre y de un hijo, y, y recuerda la importancia también de, del humor, desde luego. Y una vez más de la empatía en contextos, ah, pues de lo más difíciles, ah, imaginable. Y esto creo que también en u-un, en un momento de revolución tecnológica y, y no solo [risa] en el entorno en que vivimos, creo que es-- nos deja un mensaje bastante bonito al final.

Patricia Esteban Qué bien, precioso. Muy bien. Oriol, ¿quieres [risa] añadir algo?

Oriol Carreras Es difícil batir esto.

Patricia Esteban [risa]

Oriol Carreras Pero yo en, en tareas domésticas, ah, y creo que todos, a mí me encantaría que me quitara la tarea de pensar que tenga que cocinar cada día, que cuesta.

Patricia Esteban Ni digas.

Oriol Carreras Pero al final realmente lo pienso y digo: "No es pensar que tengo que ir a cocinar, es que lo tengo que ir a comprar". Y claro, ahí la IA creo que aún no me va-

Patricia Esteban Bueno.

Oriol Carreras No me va a ayudar. [risa]

Patricia Esteban Tiempo al tiempo, tiempo al tiempo. Muy bien, pues muchísimas gracias, Luis. Muchísimas gracias, Oriol.

Oriol Carreras A ti, Patricia.

Luis Piñeiro de Matos A ti, muchas gracias.

Patricia Esteban Eh, mmm, un tema apasionante, lo habéis explicado superbién y dando, mmm, pues esto, mmm, datos y certezas dentro de las... la incertidumbre, que yo creo que nos viene bien a todos, porque estamos viviendo la historia a, a medida que se escribe. O sea, estamos en un momento que no puede-- no, no estamos hablando de, de la Revolución Industrial o de la revolución de la agricultura en el Neolítico. Con esta-- con este tiempo para poder saber qué ha sucedido, poderlo analizar bien. Lo estaremos haciendo a tiempo real y esto, mmm, pues tiene muchísimo mérito. Bueno, y antes de despedirnos, para seguir reflexionando sobre la IA, me gustaría recomendaros, eh, "Frankenstein" de Mary Shelley, que es también-- habla de-- como un, pues esto, un mito creacional de, de esta-- una alegoría de esto de, de la creación de un ser nuevo, de jugar a ser Dios. O si queréis su versión, eh, más divertida, que es "El jovencito Frankenstein", que es la peli de Mel Brooks de 1970, que no sé si la habéis visto, si no, por favor, vedla, que es, mmm, graciosísima, y así aligeramos un poco todos estos temas tan sesudos que solemos hablar. Y finalmente, bueno, n-- este mes no hemos hablado de coyuntura económica, pero el mes que viene tenemos nuevo escenario de previsiones, si no me equivoco, señor Oriol Carreras, que a ti te toca una buena parte de-

Luis Piñeiro de Matos Sí, sí

Patricia Esteban ...por economía española. Y bueno, como hablaremos con-- sobre esto largo y tendido, pues ya dejamos el-- la macro de los mercados, las previsiones y el análisis de coyuntura para el mes que viene. Muchísimas gracias por estar ahí a todos nuestros oyentes un mes más y seguid escuchándonos en las plataformas y leyéndonos en la web. Un abrazo a todos y hasta el mes que viene.

Publicidad [inicia música suave de fondo]

Publicidad "Economía Express", el pódcast de CaixaBank Research, con Patricia Esteban. Encuentra todos los episodios en Spotify, iVoox, Apple Podcast y página web www.caixabankresearch.com.

Publicidad [finaliza música]