Economía del cambio: presbicia, nombres de perros y el fin de la paradoja de Polanyi

En el debate de las últimas tres décadas sobre la “economía del cambio” hay nombres legendarios. Robert Solow hizo famosa su “paradoja” cuando dijo, en los ochentas, que se veían computadoras por todas partes menos en las estadísticas de productividad. A pesar de la enorme inversión en tecnología que habían realizado las empresas desde los 70, la productividad general de la economía seguía creciendo a la mitad de la velocidad (o menos) que en el medio siglo de oro de crecimiento de esta variable, entre 1920 y 1970.

Otro abanderado del “tecno-escepcisimo”, Robert Gordon, profesor de la Universidad de Northwestern, sacaba conclusiones similares: nos llenamos la boca hablando de “innovación” y de “disrupción”, pero la transformación real, en términos relativos, no le llega ni a los talones a la registrada en el medio siglo anterior. Recientemente el último premio Nobel de Economía, Daron Acemoglu, tomó la posta en la jefatura de esta tribu y destacó que los supuestos de los aceleracionistas (los que creen que la revolución tecnológica puede volver normales tasas de aumento del PBI anuales del 10% o más) son erróneos, y que el aporte de los avances en IAG (Inteligencia Artificial Generativa) a la riqueza global será del 0,06% anual en un escenario optimista.

Solow, Gordon y Acemoglu son personajes conocidos. Menos famosa, la figura de un polímata húngaro-estadounidense, Michael Polanyi, empieza a sonar fuerte en esta conversación. En su libro “La dimensión tácita”, publicado en 1966, Polanyi hizo énfasis en la dificultad de codificar o automatizar tareas que los seres humanos realizan de manera intuitiva o implícita, sin necesidad de una comprensión consciente o explícita de cómo las llevan a cabo. Se resume en una máxima famosa de su autoría: “Sabemos más de lo que podemos expresar”.

El físico y futurista (y, por qué no, polímata) ruso Andrei Vazhnov suele aludir a los “cuatro cuadrantes de conocimiento”: el de lo que sabemos que sabemos, el de lo que sabemos que no sabemos, el de lo que no sabemos que sabemos y el de lo que no sabemos que no sabemos.

Los estudios de Polanyi habitan en el tercer cuadrante, el de lo intuitivo que no sabemos explicar o no atinamos a poner en palabras. Un caso clásico es el de aprender a andar en bicicleta. Una persona puede saber andar perfectamente, pero le resulta muy difícil explicar todos los detalles de cómo equilibra el cuerpo y coordina los movimientos para mantenerse en pie. Este tipo de conocimiento práctico o implícito es lo que Polanyi destacó como una dimensión fundamental del conocimiento humano.

Quien trajo a colación la expresión de “la paradoja de Polanyi” fue otro economista-estrella del debate sobre el avance tecnológico, David Autor, del MIT, especializado en el impacto en los mercados laborales. Autor usó esta paradoja para explicar por qué, a pesar de las enormes inversiones de las empresas en tecnología en la última revolución digital, no se verificaba un aumento de la productividad laboral acorde. Los mejores sistemas de software, hasta ahora, no llegaban a capturar ese conocimiento tácito. Las tareas más difíciles de automatizar son aquellas que requieren flexibilidad y sentido común, habilidades en las que, hasta ahora, las máquinas eran menos capaces que un nene en edad preescolar.

El término clave y en duda es el “hasta ahora”: hay quienes creen que la actual revolución de la IAG (Inteligencia Artificial Generativa) trae como gran novedad la posibilidad de capturar esta mina de oro de conocimiento tácito de los mejores empleados de una empresa.

Una de las fortalezas de los nuevos modelos de IA –especialmente aquellos basados en aprendizaje no supervisado, incluyendo los LLM– es su capacidad de encontrar patrones en datos no estructurados. Ya no hace falta un set de reglas, como antes, sino que un sistema puede aprender las mejores prácticas de venta analizando las conversaciones de los mejores vendedores. O encontrar el mejor argumento legal a partir de miles de argumentos anteriores y no leyendo un libro de un abogado top sobre cómo se construye un buen argumento legal. Todo esto ya es posible no sólo analizando audio o texto sino también lenguaje no verbal a través de imágenes.

Esto ya está ocurriendo. En un reciente ensayo al respecto, Jeremy Kahn, editor de Fortune de los EE.UU. y autor de Mastering IA cuenta que este año una firma Fortune 500 desarrolló este tipo de práctica para su call center en Filipinas y subió su productividad un 14%. “Años atrás, capturar datos de interacciones de toda una compañía podía parecer poco práctico, hoy es posible capturar todo ese conocimiento tácito encerrado en palabras, lenguaje corporal o acciones físicas”, explica Kahn.

Esto no va a suceder de la noche a la mañana. Es imaginable pensar que los mejores empleados en algún momento van a exigir una compensación por transmitir su conocimiento tácito a la empresa en la que trabajan. De hecho, esta hipótesis del fin de la paradoja de Polanyi se corresponde con una observación robusta de la mayor parte de los papers económicos que se vienen publicando sobre el impacto de la IA: la mejora de productividad es bastante mayor en los malos empleados que en los buenos, en términos relativos. Por eso, un buen empleado al que la firma le entrega una licencia de co-pilot con el argumento de que “se modernice” pronto podría preguntarse qué tiene para ganar en este juego.

“En el último año, sobre estimamos el impacto de reemplazo en tareas creativas y lo subestimamos en tareas técnicas”, cuenta ahora Rebeca Hwang, especialista en IA de Silicon Valley. Los despedidos del rubro tecnología en la costa Oeste de EE.UU ya son cientos de miles. Tres economistas (de Harvard, Berlín y el Imperial College de Londres) detectaron ya este año un 21% menos de demanda laboral en plataformas de freelancers en tareas de escritura y de programación. Ozge Demirci, Jonas Hannane y Xingron Zhu también encontraron un 17% menos de pedidos en tareas relacionadas con el diseño de imágenes.

Hay aspectos de todo esto que son una burbuja, como ocurre con todo boom tecnológico. There’s an IA for That, un agregador de aplicaciones que ya tiene catalogadas más de 18 mil herramientas, publicó la semana pasada en su newsletter un informe sobre ocho apps distintas que usan IAG para elegir el nombre de su próxima mascota.

Pero hay una sensación cada vez más fuerte de que con ninguna otra tecnología el tiempo pasó tan rápido, al punto que mucho de lo que hay alrededor (y no sólo tecnología, también discurso, tono, valores) envejece en cámara rápida. “Es como la presbicia después de los 40″, me comentó esta semana el creativo Carlos Perez, “parece que llega de un día para el otro, casi sin que te des cuenta. Un día ves bárbaro y al otro ves borroso; y algo parecido sucede con muchas de las tecnologías que hoy estamos viendo desplegarse”.

Conforme a los criterios de

Conocé más