1
Productividad, ahora nos volvimos a ilusionar
Hay pocas dudas sobre el potencial de conocimiento que abre la Inteligencia Artificial generativa, pero lo que más optimismo genera entre los expertos tecnológicos es que acelera la generación de nuevas ideas y soluciones
6 minutos de lectura'
Quiero arrancar la cuarta, quiero crecer exponencial.
Algo así sonaría hoy la hinchada tecnoptimista. Hemos vivido golpes de efecto de la IA antes: en 1997, la derrota de Garry Kasparov frente a la computadora Deep Blue marcó un hito en el desarrollo tecnológico. Hoy, con la irrupción de la IA generativa, como aquella y varias otras veces en el último cuarto de siglo, el tecno-optimismo se ilusiona con la cuarta revolución industrial y renueva las esperanzas de un crecimiento acelerado de la productividad luego de décadas de estancamiento.
La productividad es clave para el crecimiento económico y la mejora del nivel de vida. Como afirmó el Premio Nobel de Economía, Paul Krugman: “La productividad no es todo, pero en el largo plazo es casi todo”. La IA generativa promete redefinir lo que entendemos por productividad, pasando de hacer lo mismo con menos recursos, a hacer más con los mismos, o incluso a hacerlo mejor con menos.
¿Renace la productividad?
Hace ya casi 20 años Chad Jones, especialista en crecimiento económico de la Universidad de Stanford, escribía “El peso del conocimiento y la muerte del hombre renacentista” y se preguntaba si estaba siendo más difícil innovar. Inauguraba así una mirada pesimista sobre la generación de nuevo conocimiento y su consecuente impacto negativo sobre el crecimiento de largo plazo.
Hoy hay pocas dudas sobre el potencial de “productividad de conocimiento” que trae la IA, en especial la IA generativa. “Más de una cuarta parte de todo el código nuevo en Google es generado por IA y luego revisado y aprobado por ingenieros”, dijo Sundar Pichai, CEO de la compañía, al presentar los resultados del tercer trimestre de 2024. En los Estados Unidos, más del 50% de los trabajadores dedican al menos un 10% de su tiempo a tareas que podrían ser significativamente optimizadas con IA. Es decir, casi todos los empleos cuentan con actividades rutinarias como la gestión de registros o el análisis de datos.
Estas son sólo las “frutas que cuelgan bajo”. La ganancia es todavía mayor cuando la IA no sólo ahorra tiempo, sino también transforma y reasigna cómo usamos ese tiempo. Esto es lo que reportan investigadores de la Universidad de Harvard, Microsoft y GitHub en su artículo “IA Generativa y la naturaleza del trabajo” que estudió el efecto de un asistente de programación sobre la asignación de tiempo de desarrolladores de software. Dicha ayuda permite a los profesionales asignar más tiempo a tareas importantes y menos a las rutinarias. Al automatizar tareas repetitivas, la IA permite a los trabajadores enfocarse en actividades de alto valor que requieren mayor dosis de juicio humano y creatividad, clave para que las empresas ganen en eficiencia, pero principalmente, en diferenciarse en un mundo donde el conocimiento se está democratizando.
Sin embargo, lo que mayor ilusión genera entre los tecnooptimistas es que la IA, además de ser una tecnología de propósito general (General Purpose Technologies o GPT, por sus siglas en inglés), es lo que el historiador económico experto en la revolución industrial inglesa, Nicholas Craft, llamó la “invención de un método de invención” (IMI) que acelera la generación de ideas y soluciones.
Un ejemplo lo encontramos en los investigadores que utilizan IA para descubrir nuevos materiales. Aidan Toner-Rodgers, economista en MIT, en un experimento reciente, reporta que los equipos de investigación que integraron herramientas de IA descubrieron 44% más materiales nuevos y registraron 39% más patentes.
Impacto macroeconómico
Esa final recién empieza. El debate sobre el impacto de la IA en el crecimiento no está saldado, con estimaciones que varían en un rango de alrededor de un punto porcentual anual para los próximos 15 años.
La diferencia se explica por la confianza que tienen expertos sobre el rango de transformación de las tareas y formas de trabajar, la generación de nuevas oportunidades laborales y la adaptación de trabajadores desplazados para aprovecharlas.
Puesto así, la pregunta relevante es, en realidad, cómo alcanzaremos ese crecimiento adicional.
Los beneficios de productividad no aparecen de la noche a la mañana. La electricidad tardó más de 30 años en generar un impacto observable en la productividad de toda la economía, y eso no ocurrió hasta que los procesos de trabajo y la organización en las fábricas se adaptaron.
Con cada innovación tecnológica posterior, las ganancias de productividad llegaron más rápidamente, y requirieron ajustes en la forma en que trabajamos y producimos.
Dejando de lado otras restricciones de oferta, como la disponibilidad de energía y semiconductores, la clave del despegue exponencial estará en integrar la IA de manera estratégica, garantizando la confianza en sistemas cada vez más autónomos y formando a los trabajadores para que puedan agregar valor.
La confianza en los sistemas es el capital intangible más importante para el despegue de la IA. Su potencial puede anularse por los riesgos de estas tecnologías. Sakana AI, una firma de investigación en inteligencia artificial, lo demostró al probar su nuevo sistema llamado “The AI Scientist”, diseñado para realizar investigaciones de manera autónoma utilizando grandes modelos de lenguaje (Large Language Model o LLM). Al no poder resolver una tarea en el tiempo establecido, el sistema encontró la manera de reprogramarse para extender su tiempo.
Construir confianza no solo implica establecer límites claros para la IA, sino además involucrar a las personas en su diseño y uso. Por ejemplo, el estudio “Nudge users to detect Generate AI errors” realizado por Accenture y el MIT demostró que incorporar pausas para el pensamiento crítico en procesos mediados por IA mejora significativamente la precisión, subrayando la importancia de la colaboración entre humanos y máquinas.
El trabajo del futuro: I+D
En el mundo tal como lo conocemos, las personas prosperan gracias al conocimiento experto. Pero el conocimiento se está volviendo abundante y barato. Muchos problemas que actualmente son resueltos por especialistas pasarán a ser self-served a través de IA.
Las empresas y los trabajadores necesitarán una fuente de ventaja competitiva resiliente y duradera. Ethan Mollick, investigador de Wharton School, describe a los empleados como el “laboratorio de investigación de las empresas”, haciendo referencia al potencial que tienen los trabajadores para generar soluciones innovadoras si son complementados con IA generativa.
Requiere salirnos de nuestra zona de confort. Debemos entrenarnos en nuevos comportamientos y actitudes, anclados en el espíritu emprendedor, el pensamiento sistémico, la creatividad y la resolución de problemas complejos, un conjunto de habilidades que típicamente abunda en profesionales de la I+D.
El autor es economista jefe de Accenture
