¿Puede la IA crear prosperidad general?

En todo lo referido a la inteligencia artificial, hoy el consenso es poco. Pero una expectativa que al parecer se ha instalado en muchas empresas, inversores y analistas es que la tecnología mejorará la productividad en una amplia variedad de áreas. Sin embargo, suponiendo que esas mejoras se materialicen, ¿servirán de algo? Muchos observadores (entre los que me incluyo) prevén que la IA aportará un aumento significativo de la productividad. En primer lugar, los primeros datos obtenidos de una colección creciente de estudios de caso así lo indican. Además, en vista de la rapidez con que se expande la funcionalidad de la IA, la disminución de los costos de entrenar y usar modelos de IA y la adopción de herramientas y sistemas de código abierto, parece probable que la IA pueda aplicarse en forma significativa en casi todos los sectores y categorías laborales.

Por supuesto, una implementación eficaz de la IA no está garantizada ni ocurrirá de un día para el otro, por cuestiones de acceso, difusión y curvas de aprendizaje. Pero incluso si se superan estos obstáculos, nada nos asegura que el aumento de la productividad derivado de la IA aporte beneficios generales en términos de empleo e ingresos. Eso dependerá de lo que ocurra en dos áreas: el conjunto de herramientas de IA y el mercado laboral. Sabemos que el conjunto de herramientas está creciendo a gran velocidad. Pero si la mayoría de las herramientas nuevas apuntan a reproducir capacidades humanas (y por tanto, sustituir a trabajadores humanos), las mejoras de productividad irán acompañadas de efectos distributivos negativos. Y sin embargo, como señalaron hace poco Andreas Haupt y Erik Brynjolfsson, muchos de los métodos actuales de evaluación de sistemas de aprendizaje automático muestran un sesgo hacia la automatización, con escasa inclusión de seres humanos en el proceso de evaluación.

Para que el desarrollo de la IA no se convierta en un "juego de imitación", Haupt y Brynjolfsson aconsejan a la comunidad de desarrolladores adoptar una metodología basada en la «evaluación centauro», donde seres humanos y sistemas de IA resuelvan tareas en forma conjunta. Esto orientará el desarrollo del aprendizaje automático hacia la complementación o colaboración entre máquinas y seres humanos en vez de hacia la automatización. Pero para un reparto amplio de los beneficios de la IA, también hay que tener en cuenta el mercado laboral. Tomemos por caso Estados Unidos. Alrededor del 20% de los trabajadores estadounidenses están empleados en el sector transable, formado por manufacturas (40%) y servicios (60%) que se venden al extranjero. El resto (casi el 80%) trabaja en servicios no transables, como la administración pública, la educación, la hostelería, el comercio minorista tradicional y la construcción.

En las últimas tres décadas se ha dado entre los sectores transables y no transables una creciente divergencia de productividad e ingresos. En general, los sectores transables (que incluyen empleos como la administración de empresas multinacionales, el diseño de semiconductores y computadoras y las actividades de investigación y desarrollo) son más productivos y tanto la productividad como los ingresos crecen más rápido. Por eso, aunque el empleo manufacturero disminuyó y se asentó en un nivel inferior, la producción (o más exactamente, el valor agregado) no dejó de crecer. Si no se toman los debidos recaudos, la IA ampliará la divergencia entre los sectores transables y no transables y provocará un marcado aumento de la desigualdad. Sólo una aplicación eficaz de la IA, que además de abarcar los sectores transables y no transables incluya los puestos de trabajo de ingresos bajos y medios dentro de esos sectores, llevará a que la IA genere mejoras de productividad en toda la economía y un aumento generalizado de ingresos. Por eso hay que hacer un esfuerzo concertado para orientar el desarrollo de la IA hacia modalidades de complementación y colaboración en todos los tipos de empleo y en todos los niveles de ingresos.

Hay en este frente algunas señales positivas. La Agencia de Proyectos de Investigación Avanzados de Defensa (DARPA) de los Estados Unidos ha hecho pruebas de cooperación entre humanos y robots, por ejemplo la mejora robótica de capacidades físicas humanas y el control humano de robots que deben atravesar entornos físicos complejos y cambiantes. Pero no es suficiente. La financiación de la investigación básica en IA (incluida la financiación pública) tiene que hacer hincapié en la complementación y la colaboración, y hay que crear incentivos para los desarrolladores privados. El desarrollo de la IA también puede y debe tener en cuenta otras consideraciones. AlphaFold de DeepMind muestra un aumento significativo de eficiencia y productividad en una tarea ardua y lenta: predecir la estructura de una proteína según la secuencia de aminoácidos que la componen. Pero el propósito de la herramienta no es sustituir a los seres humanos sino promover un área de la ciencia biomédica, con beneficios más amplios para las personas.

En cualquier caso, que las herramientas de IA ofrezcan beneficios basados en la complementación y colaboración en todos los sectores y niveles de ingresos debe ser prioridad. Pero eso no garantiza un aumento generalizado de la prosperidad, porque aquí entran en juego efectos de equilibrio general. Ya se vio en una ronda de digitalización anterior, cuando muchos trabajos rutinarios y codificables se automatizaron. Con el añadido de la globalización (que implicó la deslocalización de empleos con alta intensidad de mano de obra), el resultado fue que muchos trabajadores desplazados (a menudo de clase media) se vieron obligados a pasarse a trabajos no rutinarios, por lo general menos productivos y menos remunerados. Una transición de este tipo nunca está a salvo de fricciones.

En la inminente transición de la IA, las mejoras de productividad llevarán a una reducción de costos que sumada a las presiones competitivas normales provocará una caída de los precios. Pero en los sectores donde la elasticidad de la demanda sea inferior a uno, se perderán puestos de trabajo. Por supuesto que otros sectores con mayor elasticidad de la demanda sumarán puestos de trabajo. Pero el traslado de personas entre sectores y categorías laborales traerá consigo importantes turbulencias. Y existe un riesgo real de que un aumento transitorio de la oferta de mano de obra en relación con la demanda debilite el poder de negociación de los trabajadores.

Como muchos han señalado, será esencial dar apoyo a los trabajadores durante la transición, tanto en lo referido a ingresos como a habilidades, y es probable que herramientas basadas en IA puedan ayudar en el reentrenamiento y la obtención de nuevas competencias. Pero al mismo tiempo, las autoridades deberían generar demanda de mano de obra (como se hizo tras la Gran Depresión). Para EEUU, es una oportunidad de matar dos pájaros de un tiro. Por diversas razones, la economía estadounidense está rezagada en la creación y actualización de infraestructuras. Invertir esta tendencia puede generar empleo de calidad y demanda de mano de obra y suavizar la inminente transición derivada de la IA.