La inteligencia artificial ha generado billones de dólares en valor de mercado y domina el debate público como pocas tecnologías en la historia. Sin embargo, si se conversa con economistas académicos, la mayoría parece mostrar un interés sorprendentemente limitado por estudiar su impacto real.
Mientras tanto, algo está cambiando en silencio. El centro de gravedad de la investigación económica sobre IA se está desplazando fuera de las universidades, hacia los laboratorios privados de las grandes tecnológicas. La pregunta que nadie ha respondido del todo es a quién beneficia ese desplazamiento, y qué se pierde en el camino.
Una disciplina sorprendentemente lenta ante la mayor innovación de su época
Los economistas académicos pueden moverse rápido cuando hace falta. Tras la quiebra de Lehman Brothers en 2008, el estudio de las crisis crediticias pasó de ser un área marginal a convertirse en tema central de la disciplina. En 2020, apenas dos meses después del inicio de la pandemia, cerca de un tercio de los documentos de trabajo publicados por la NBER abordaban de alguna manera sus efectos económicos.
Con la IA, la respuesta ha sido más lenta y considerablemente menos precisa. Buena parte de la investigación existente sigue siendo muy abstracta. Daron Acemoglu, del MIT —el investigador en economía de la IA mejor valorado según Ideas/RePEc— publicó a principios de 2024 un complejo modelo de crecimiento cuya conclusión fue que las ganancias de productividad serán moderadas. Tyler Cowen, de la Universidad George Mason, no está de acuerdo: sostiene que ese modelo infravalora el potencial transformador de los nuevos productos basados en IA. «Las ganancias se estiman tan pequeñas porque se da por sentado que la IA no hará cosas nuevas», argumenta.
La tasa media de desempleo en los países de la OCDE apenas ha variado desde el lanzamiento de ChatGPT. Los datos macroeconómicos no muestran, por ahora, ninguna señal clara.
El problema de los datos: por qué la IA es tan difícil de medir
A diferencia de la pandemia, que alteró la economía prácticamente de un día para otro, la IA la está transformando de forma gradual y sutil. Esa diferencia importa mucho. Sin un impacto visible en los datos, los investigadores tienen poco material con el que trabajar.
Las cifras del PIB apenas ofrecen información específica sobre esta tecnología. La inversión en centros de datos destinados a la IA, por ejemplo, solo puede estimarse: no existe una categoría estadística que la capture con precisión.
La escasez de datos microeconómicos agrava el problema. Algunos estudios empíricos recurren a supuestos discutibles para llenar ese vacío. Un trabajo de Erik Brynjolfsson, de Stanford, sugiere que el empleo juvenil en ocupaciones expuestas a la IA ha disminuido drásticamente. Pero atribuir esa tendencia a la IA exige asumir que las empresas empezaron a despedir trabajadores jóvenes justo tras el lanzamiento de ChatGPT, cuando el producto aún no era lo suficientemente avanzado como para sustituir personas.
El sector público llena el vacío: estadísticas y bancos centrales toman la iniciativa
Ante la falta de datos, algunas instituciones públicas han tomado la iniciativa. La Oficina del Censo de Estados Unidos y Statistics Canada realizan encuestas para seguir la adopción de la IA en distintos sectores, mientras que el Banco de Inglaterra analiza mensualmente la percepción empresarial sobre esta tecnología a través de su panel de responsables de decisiones.
El gobierno británico ha ido más lejos y ha creado un Instituto de Economía de la IA con el objetivo explícito de reforzar la investigación en este campo. En una conferencia reciente de la OCDE, los responsables de las estadísticas públicas debatieron cómo adaptar los indicadores de productividad a la era de la IA.
Este trabajo no va a transformar la disciplina de forma inmediata. Pero construye la infraestructura de datos sobre la que trabajarán los economistas del futuro. Es una contribución discreta y, a estas alturas, necesaria.
Silicon Valley contrata a los mejores: salarios de más de 300.000 dólares y acceso a datos privilegiados
El movimiento más significativo, sin embargo, está ocurriendo en otra dirección. Anthropic ha incorporado a Anton Korinek, de la Universidad de Virginia, a su equipo de investigación económica. OpenAI ha nombrado economista jefe a Ronnie Chatterji, de Duke. Google DeepMind contrató a Alex Imas, de Chicago, como director de economía de la inteligencia artificial general. Según un cálculo aproximado de The Economist, varias decenas de economistas especializados en IA han aceptado puestos en los principales laboratorios tecnológicos.
Los incentivos son evidentes: salarios que superan los 300.000 dólares anuales para investigadores relativamente jóvenes, muy por encima de lo que obtendría un profesor universitario novel, más opciones sobre acciones en algunas de las empresas más valiosas del mundo. A eso se suma el acceso a datos internos que ninguna universidad puede ofrecer y una visibilidad pública inmediata: quienes se incorporan a estos laboratorios no tardan en aparecer en los podcasts y conferencias más influyentes de Silicon Valley.
El precio oculto: conflictos de interés e investigación orientada al beneficio privado
La calidad de la investigación producida en estos laboratorios está mejorando. Pero el traslado masivo de talento tiene un coste que no siempre aparece en los titulares.
Los investigadores que abandonan definitivamente la universidad para incorporarse a la industria publican menos artículos científicos y generan más patentes, según el estudio de Ufuk Akcigit y sus colaboradores. En la práctica, eso supone una reorientación desde la ciencia abierta hacia la innovación privada. No es un detalle menor.
Los conflictos de interés son reales. Los investigadores de los laboratorios pueden verse presionados para publicar trabajos que presenten la IA como una tecnología útil y segura. El caso de Tom Cunningham resulta ilustrativo: el pasado año abandonó OpenAI tras sentirse, según diversas informaciones, cada vez más limitado respecto a lo que podía publicar. Después se incorporó a METR, un instituto independiente dedicado a evaluar los modelos de IA y las amenazas que plantean.
La pregunta que queda en el aire no es técnica. Es política, en el sentido más amplio del término: ¿quién evalúa de forma independiente una tecnología que podría redefinir el trabajo, la productividad y la desigualdad? Los economistas académicos tienen todavía mucho terreno por recuperar. Y la sociedad tiene razones para desear que lo hagan.