1
Qué hacer para que la IA entre en modo jet (y por qué podría ayudar a crear trabajo en vez de reemplazarlo)
La explosión de la tecnología que está en boca de todos podría seguir la paradoja de otros avances en el pasado: generar mayor demanda laboral en vez de ahorrarla
6 minutos de lectura'
Tomás Castagnino
Hacer predicciones es difícil, especialmente acerca del futuro. A fines de los años noventa, el economista Paul Krugman –luego Premio Nobel– falló al predecir que internet no generaría más crecimiento de productividad que el fax. Más recientemente, otro galardonado, Daron Acemoğlu, afirmó que la IA aportaría apenas un 0,07% al crecimiento anual de la productividad en la próxima década, una cifra muy baja inclusive considerando su pobre crecimiento global durante la última década de 0,6% al año. ¿Subestima lo que viene?
El mes pasado, Sam Altman, CEO de OpenAI, escribió que “el costo de utilizar un determinado nivel de IA disminuye aproximadamente 10 veces cada 12 meses, y los precios más bajos conducen a un uso mucho mayor. […] La ley de Moore cambió el mundo al duplicarse cada 18 meses; esto es increíblemente más fuerte”. Desde la vereda de enfrente, DeepSeek –una startup china– hace unas pocas semanas shockeó al mundo al reportar que construyó un modelo competitivo a tan solo un 5% del costo y con una estrategia de código abierto. Satya Nadella, CEO de Microsoft, resumió el fenómeno en X: “¡La paradoja de Jevons ataca de nuevo! A medida que la IA se vuelve más eficiente y accesible, veremos su uso dispararse”.
¿Qué Jevons lo qué? En el siglo XIX, desde el epicentro de la primera revolución industrial, el economista británico William Stanley Jevons observó que, aunque se utilizaba el carbón de manera más eficiente, el consumo total aumentaba en lugar de disminuir. Este fenómeno, conocido como la “paradoja de Jevons”, se da cuando una tecnología reduce el costo de un recurso y en lugar de generar ahorros, incentiva su uso.
La historia podría repetirse para la IA. Es decir, aunque se requiera menos infraestructura para cómputo y consumo energético por unidad de servicio, la demanda de energía total podría aumentar enormemente por el menor precio de la IA y su adopción masiva llegando a aplicarse en ámbitos en los que de otra forma no hubiese tenido sentido innovar.
Pero la paradoja tiene una segunda vuelta de rosca: la del trabajo humano. A lo largo de la historia, muchas tecnologías que parecían destinadas a ahorrar trabajo generaron más demanda laboral. Fue así con los cajeros automáticos y el empleo bancario, el GPS y los choferes, el Excel y los trabajos administrativos; o, como apuntó el economista de Stanford Erik Brynjolfsson en la reunión de la American Economic Association, con los motores jet que aumentaron la productividad de los pilotos, redujeron los costos de viaje y generaron más demanda de vuelos, lo que llevó a la expansión de la industria y a más pilotos en lugar de reducir su número.
Los futuros de la IA
La disponibilidad –o escasez– de dos insumos clave, las habilidades y la energía, moldeará en cómo y cuánto la IA impulsará la productividad. La teoría del cambio tecnológico dirigido, también de Daron Acemoğlu, afirma que la dirección de la innovación tiende a complementar a los recursos disponibles y, a la vez, sustituye aquellos que son escasos y limitan el crecimiento. Históricamente, cuando la mano de obra calificada era un recurso limitado (como en la Gran Bretaña que estudió Jevons), la tecnología evolucionó para reemplazar a los artesanos escasos mediante maquinaria operada por trabajadores no calificados. En contraste, a fines del siglo XX, con el boom de la educación superior, la innovación se orientó a potenciar las habilidades profesionales, creando herramientas que elevaban la productividad del trabajador calificado.
Desde la irrupción de ChatGPT, en noviembre de 2022, el uso de la IA generativa se inclinó a complementar a los trabajadores más calificados. Anthropic–una startup que investiga la seguridad de la IA– estudió más de 4 millones de conversaciones en Claude.ai durante el último año y encontró que estas se concentraron principalmente en el desarrollo de software y en tareas de redacción técnica. Además, el 57% de las interacciones se orientaron a aumentar el trabajo humano (vs. automatizarlo).
La “doble paradoja de Jevons” nos ayuda a imaginar en qué modo seguirá la película de la IA. Lo ideal sería verla en ‘modo Jet’. La IA sería eficiente y su adopción masiva iría de la mano con una amplia disponibilidad de trabajadores capacitados para utilizarla y mejorarla. Se crearían nuevas tareas, industrias y modelos de negocio, incrementando la productividad y la calidad del empleo.
Pero también puede haber restricciones de uno u otro insumo clave.
Si la IA se presenta en ‘modo NASA’ seguiría siendo costosa, pero habría una oferta adecuada de habilidades. Como la eficiencia de la IA seguiría siendo un obstáculo, la mayor parte de la innovación se enfocaría en herramientas que potencien el trabajo en lugar de reemplazarlo, pero su alcance sería limitado.
O puede presentarse en ‘modo Fordista’. Aun cuando la IA se vuelva eficiente, la economía no contaría con las habilidades para absorber toda esa inteligencia. La innovación se concentraría en estandarizar y automatizar tareas que son caras porque dependen de habilidades escasas. Al principio se dispararía la productividad, pero también se deterioraría el mercado laboral.
¿Cómo activar la IA en modo Jet? Simple, el futuro es de los que se preparan y para ello hay que asegurarse de que tanto la oferta de habilidades como de recursos energéticos sean suficientes y sostenibles en el tiempo. ¿Y cómo vamos?
En los Estados Unidos la demanda de energía por centros de datos se triplicará en la próxima década. A corto plazo, la mayor demanda energética se cubrirá con combustibles fósiles. Las grandes empresas tecnológicas también están adoptando energías renovables. Por ejemplo, Google se ha asoció con Intersect Power para crear parques de energía limpia junto a sus instalaciones. También están invirtiendo en energía nuclear, ya que las renovables aún no pueden cubrir la demanda.
La transformación del trabajo también requerirá un esfuerzo considerable. Erik Brynjolfsson también ha señalado que por cada dólar invertido en IA las organizaciones deben destinar otros nueve en capital humano y organización. Por su parte, el Foro Económico Mundial estima que el 60% de los trabajadores deberán reentrenarse para 2030. Vamos a contramano: según la OCDE, el gasto en educación ha disminuido en muchos países, cayendo del 0,2% al 0,1% del PBI desde 2008.
Errar es humano, innovar y aprender también. La histórica observación de William Stanley Jevons no evitó un yerro también histórico: predijo que Inglaterra se quedaría sin carbón para continuar con la revolución industrial. La humanidad encontró su curso, innovó con nuevas fuentes de energía que impulsaron la industria en las décadas siguientes, dando paso al largo período de aprendizaje continuo y redituable para los trabajadores que nos trajo hasta aquí.
Predecir es una tarea compleja, sobre todo cuando se trata del futuro tecnológico. Por el momento no tachemos la “doble Jevons”.
Por Tomás Castagnino
