1
La ilusión de la “nueva era” de la IA: por qué cada boom parece diferente, pero termina igual
La rápida expansión genera espacio para los oportunistas; el riesgo que estos propagan termina arrastrando a todos
8 minutos de lectura'
El comienzo del siglo XX, al igual que el comienzo del XXI, fue una época de creciente optimismo. Los pánicos financieros de 1873 y 1893 habían quedado atrás, nuevas tecnologías como la electricidad y el motor de combustión interna recién comenzaban a ganar terreno, y la “Morganization” estaba creando fideicomisos protegidos de los estragos de la competencia.
El periodista financiero Alexander Dana Noyes escribió por entonces que el mercado “basaba sus ideas y su conducta en la suposición de que vivíamos en una Nueva Era; que las antiguas reglas, principios y precedentes de las finanzas habían quedado obsoletos; que cosas que habían sido peligrosas o imposibles en el pasado podían hacerse con seguridad en el presente”.
Sin embargo, las viejas reglas seguían vigentes y la exuberancia irracional condujo directamente al Pánico de 1907. Ese es el problema del pensamiento de la “nueva era”. No solo beneficia a los innovadores, sino que también crea espacio para actores marginales e incluso para auténticos oportunistas. Estos amplifican el boom, pero también elevan el riesgo en todo el sistema. Y cuando colapsan, arrastran consigo a todos los demás.
La economía que desafía la gravedad de los rendimientos crecientes
Trabajaba en Wall Street en 1995 cuando la salida a Bolsa de Netscape cayó como una bomba. Fue la primera gran acción de Internet y, aunque originalmente había sido valuada en US$14 por acción, abrió al doble de ese precio y rápidamente se disparó hasta los US$75. Al final de la jornada, había retrocedido hasta los US$58,25 y, de un momento a otro, una pequeña empresa sin ganancias valía US$2900 millones.
Parecía una locura, pero, como explicó el economista W. Brian Arthur en un artículo publicado en 1996 en Harvard Business Review, ciertas condiciones —como una elevada inversión inicial, costos marginales insignificantes y efectos de red— conducen a “mercados en los que el ganador se lleva todo, donde la empresa más rápida obtiene beneficios increíbles”.
Los inversores de capital de riesgo vieron cómo esto podía hacerlos inmensamente ricos y comenzaron a captar enormes cantidades de capital para financiar el boom de las puntocom. Aumentaron los llamados a desregular, incluso si eso implicaba una mayor disrupción. En particular, la Ley Glass-Steagall, diseñada para limitar el riesgo en el sistema financiero, fue derogada en 1999.
Sin embargo, las condiciones que generan rendimientos crecientes solo se aplican a un segmento reducido de empresas, principalmente aquellas vinculadas al software y los dispositivos electrónicos. Aun así, los emprendedores y sus inversores se convencieron de que podían aplicar el modelo de Silicon Valley en cualquier sector, lo que dio lugar a fracasos de alto perfil que pronto se volverían demasiado frecuentes.
Para 2000, el mercado había alcanzado su pico, la burbuja estalló y la fusión entre AOL y Time Warner se convirtió en una historia aleccionadora. Aunque algunas de las incipientes empresas de Internet, como Cisco y Amazon, prosperaron, miles de otras fracasaron estrepitosamente. Otras compañías más tradicionales, como Enron, WorldCom y Arthur Andersen, quedaron atrapadas en la euforia, se vieron envueltas en escándalos y terminaron en bancarrota.
La falsa promesa de la ingeniería financiera
Silicon Valley no inventó el “pensamiento de la nueva era”. En la década de 1960, impulsados por el descubrimiento de un oscuro trabajo escrito por un matemático fallecido hacía mucho tiempo llamado Louis Bachelier, economistas liderados por Paul Samuelson impulsaron una revolución en las finanzas matemáticas. Esto cambiaría la forma en que se regulaban y administraban los mercados financieros, con resultados desastrosos.
La frase central del trabajo de Bachelier, “la esperanza matemática del especulador es cero”, era tan poderosa como poco pretenciosa. Implicaba que los mercados podían ser controlados mediante técnicas estadísticas desarrolladas más de un siglo antes. El economista de Chicago Eugene Fama se basó posteriormente en el trabajo de Bachelier para desarrollar la Hipótesis de los Mercados Eficientes.
La idea de que los mercados podían ser racionales dio lugar a toda una serie de nuevas teorías y modelos, entre ellos las carteras eficientes, el modelo de valoración de activos financieros (CAPM) y el modelo de Black-Scholes. Esto, a su vez, dio nacimiento a toda una industria dedicada a la ingeniería financiera y la gestión de riesgos. Se otorgaron premios Nobel, se hicieron fortunas y todo parecía marchar bien.
Sin embargo, desde el principio hubo señales de problemas. En 1963, el matemático Benoit Mandelbrot publicó un trabajo que demostraba que los datos reales de los mercados mostraban una volatilidad muy superior a la que predecían los modelos de los economistas. También se ignoraron otras señales de alerta, como el colapso del fondo de cobertura LTCM en 1998.
La idea de que las fórmulas matemáticas podían eliminar el riesgo del sistema era demasiado conveniente como para abandonarla. Sugerían que los operadores podían obtener ganancias casi ilimitadas mediante sofisticadas técnicas de ingeniería matemática. Pero todo era un espejismo y terminó derrumbándose durante la crisis financiera de 2008, que estuvo a punto de hacer colapsar la economía mundial.
La nueva era de la IA
En febrero, el emprendedor de IA Matt Shumer publicó en X una entrada titulada Something Big is Happening (“Está pasando algo grande”), en la que describía una visión contundente del futuro. Asombrado por los avances de los nuevos modelos de IA en su capacidad para crear código, anunció que la IA había cruzado un umbral. “Ya no soy necesario para el trabajo técnico propiamente dicho de mi empleo”, escribió, con evidente entusiasmo.
Cualquiera que haya utilizado un servicio de IA puede entender a qué se refiere. La capacidad de las máquinas para realizar tareas humanas es nada menos que asombrosa. Desde redactar ensayos y dar formato a planillas de cálculo hasta ayudar a prepararse para una consulta médica o decidir qué cocinar, estamos trabajando con computadoras de maneras que, hace apenas una década, habrían parecido propias de la ciencia ficción.
Al igual que en los booms anteriores, el dinero comenzó a fluir. Se prevé que la inversión en esta tecnología se duplique este año hasta alcanzar los US$700.000 millones, la mayor parte destinada a centros de datos. El inversor Paul Kedrosky estima que el volumen de inversión ya superó al del boom de las puntocom y comienza a acercarse a los niveles vistos por última vez durante la fiebre ferroviaria del siglo XIX.
Sin embargo, incluso en esta etapa temprana hay señales preocupantes. Un estudio realizado por investigadores del MIT concluyó que el 95% de las empresas que invierten en IA para sus empleados no están obteniendo ningún retorno. Un trabajo del premio Nobel Daron Acemoglu, que analiza la productividad total de los factores (PTF), una medida que tiene en cuenta el capital, estima un aumento del 0,66% en 10 años, lo que se traduce en un incremento de apenas 0,064% en el crecimiento anual de la PTF. Es casi nada.
¿Cómo puede ser que algunos sean tan optimistas respecto del potencial transformador de la IA y, al mismo tiempo, los investigadores observen tan poco impacto? Una investigación de la Reserva Federal de St. Louis arroja algo de luz. Si bien la IA está aumentando significativamente la productividad en algunos empleos, como los relacionados con la informática, en otros, como los vinculados a la industria manufacturera y el ocio, el impacto es mínimo.
Deslumbrados por el mundo de los bits, pero todavía viviendo en el mundo de los átomos
En las décadas de 1970 y 1980, la inversión empresarial en tecnología informática aumentaba más de un 20% anual. Sin embargo, curiosamente, el crecimiento de la productividad había disminuido durante ese mismo período. Los economistas consideraron este fenómeno tan extraño que lo denominaron la “paradoja de la productividad” para poner de manifiesto su desconcierto.
Un trabajo de investigadores de la Universidad de Sheffield ayuda a entender qué ocurrió. En primer lugar, existía una gran disparidad entre las empresas respecto de la eficacia con la que implementaban la tecnología. En segundo lugar, aunque las computadoras realmente transformaron algunas tareas, estas representaban una proporción relativamente pequeña de la economía en su conjunto, por lo que el efecto sobre la productividad fue moderado.
Probablemente algo similar esté ocurriendo ahora. Si bien la inteligencia artificial está transformando rápidamente el mundo de los bits, todavía vivimos en gran medida en el mundo de los átomos. La mayoría de las cosas en las que gastamos dinero —como viviendas, autos, alimentos y tiempo de ocio— se ven, en el mejor de los casos, mínimamente afectadas por la tecnología de la información en general y por la inteligencia artificial en particular.
Eso explica por qué, a pesar de la aparición de tecnologías impresionantes como la web móvil, el big data y la computación en la nube durante los últimos 20 años, el crecimiento de la productividad se ha mantenido mayormente deprimido durante ese período. También sugiere que, al igual que los booms de inversión anteriores, este terminará en un derrumbe.
Ese es el problema del pensamiento de la “nueva era”. No es que las cosas no cambien. Cambian. El problema es que rara vez todo cambia al mismo tiempo. Como escribí en Mapping Innovation, la innovación nunca es un acontecimiento aislado. Es un proceso de descubrimiento, ingeniería y transformación, y la etapa de transformación siempre lleva mucho más tiempo de lo que cualquiera imagina.
