La Inteligencia Artiﬁcial (IA) se reﬁere a la simulación de la inteligencia humana por medio de sistemas informáticos que engloban una amplia gama de tecnologías y técnicas que permiten a las máquinas realizar tareas que normalmente requieren inteligencia humana, el razonamiento, la resolución de problemas, la percepción y la comprensión del lenguaje.

¿Pero, por qué está de moda en la actualidad? Las computadoras han sido capaces de leer texto y números durante décadas, pero recientemente han aprendido a ver, escuchar y hablar, y esto es posible que desate de repente el potencial de esta tecnología. Adicionalmente, el aprendizaje automático permite encontrar patrones y hacer predicciones sin que esto sea programado explícitamente, aunque para hacerlo se necesita que las computadoras procesen vastas cantidades de datos, y esto fue posible gracias a la aceleración del desarrollo del hardware en las últimas décadas. Los resultados suelen ser similares a lo que un ejército de estadísticos con tiempo y recursos ilimitados podría haber ideado, pero se logran mucho más rápido, barato y eﬁcientemente. Algunos especialistas opinan que la IA hará que la predicción sea más asequible, conﬁable y ampliamente disponible.

En el mundo de los negocios la IA tiene una amplia variedad de aplicaciones, ayudando a las organizaciones a mejorar la eﬁciencia, la toma de decisiones y la experiencia del cliente. Por ejemplo, entre aplicaciones atípicas, podemos encontrar los detectores de mentiras. Ping An, una compañía de seguros china, permite a los clientes solicitar préstamos a través de su aplicación donde los posibles prestatarios responden preguntas sobre sus ingresos y planes de pago. A través de videos que monitorean alrededor de 50 pequeñas expresiones faciales se intenta de detectar la deshonestidad, siendo de ayuda para identiﬁcar y analizar clientes que requieren un escrutinio adicional.

Johnson & Johnson, una empresa de bienes de consumo, y Accenture, una consultora, utilizan la IA para clasiﬁcar las solicitudes de empleo y seleccionar a los mejores candidatos. La IA ayuda a Caesars, un grupo de casinos y hoteles, a adivinar el gasto probable de los clientes y ofrecer promociones personalizadas para atraerlos. Bloomberg, una empresa de medios e información ﬁnanciera, utiliza la IA para escanear los comunicados de ganancias de las empresas y generar automáticamente artículos de noticias. Vodafone, un operador móvil, puede predecir problemas en su red y con los dispositivos de los usuarios antes de que surjan. Empresas en todas las industrias utilizan la IA para monitorear amenazas de ciberseguridad y otros riesgos, como empleados descontentos.

En lugar de depender de la intuición y estimaciones aproximadas, las predicciones impulsadas por la IA, más inteligente y rápida, prometen mejorar el manejo de inventario. En Leroy Merlin, una tienda de mejoras para el hogar en Francia, los gerentes solían pedir nuevo inventario los viernes, pero solicitaban simplemente los artículos más escasos de acuerdo a ventas de la semana anterior. La empresa ahora utiliza algoritmos para analizar datos de ventas pasadas y otra información que podría afectar las ventas futuras, como pronósticos meteorológicos, para abastecerse de manera más efectiva. De esta manera se logró reducir su inventario en un 8%, incluso cuando las ventas han aumentado un 2%.

A pesar de todos estos avances, hasta ahora el principal beneﬁciario de la IA ha sido el sector tecnológico. La mayoría de las principales empresas de tecnología de hoy, como Google y Amazon en Occidente y Alibaba y Baidu en China, no serían tan grandes y exitosas sin la IA para recomendaciones de productos, publicidad dirigida y pronóstico de la demanda. Amazon, por ejemplo, utiliza ampliamente la IA para tareas como guiar robots en sus almacenes y optimizar el embalaje y la entrega, así como para detectar productos falsiﬁcados y alimentar a su altavoz, Alexa. Alibaba, un rival chino, también hace un uso extensivo de la IA, por ejemplo, en logística; y su ﬁlial de pagos en línea, Ant Financial, está experimentando con el reconocimiento facial para aprobar transacciones.

La literatura muestra que la difusión de mejoras tecnológicas es tan importante para el crecimiento a largo plazo como la innovación en sí misma. Para entender el impacto de la inteligencia artiﬁcial en la economía (el empleo, la productividad y la calidad de vida) es importante considerar la velocidad de difusión y el alcance de la misma. En otras palabras, los beneﬁcios se realizarán en menor plazo cuanto más rápido sea asimilada y por más empresas, más allá de las de Sillicon Valley.

Centrémonos en estos dos puntos, alcance y velocidad. ¿Cuál es el horizonte temporal usual de adopción tecnológica y como lo viene haciendo la IA? ¿Cuál es el alcance de la misma y cuan uniforme es?

Para tener una idea, haciendo paralelismo con otras innovaciones, desde la aparición del tractor a principios del siglo XX, en 1920 solo el 4% de las granjas estadounidenses tenían uno, y hasta la década de 1950 menos de la mitad poseía tractores. Luego, posteriores innovaciones parecen registrar cierta aceleración. La electricidad se extendió más rápido en la economía que los tractores, mientras que tomó solo unas pocas décadas para que la informática personal en la oﬁcina registre un 50% de adopción, e Internet se extendió aún más rápido.

Sin embargo, desde mediados de la década de 2000, las tasas de adopción empresarial mundial se han reducido. Es cierto que los consumidores adoptan la tecnología más rápido que nunca. Según una estimación, la aplicación de redes sociales TikTok pasó de cero a 100 millones de usuarios en un año. ChatGPT fue la aplicación web de crecimiento más rápido de la historia (hasta el lanzamiento del rival Threads de Twitter). Pero las empresas se están volviendo cada vez más cautelosas. Solo el 1,6% de las empresas estadounidenses empleaban aprendizaje automático en 2020, y solo el 6,7% de las empresas del sector manufacturero de EE. UU. utilizan impresión 3D. Solo el 25% de los ﬂujos de trabajo empresariales están en la nube, una cifra que no ha disminuido en la última mitad de la década. En 2017, un tercio de los bancos regionales japoneses todavía utilizaban COBOL, un lenguaje de programación inventado una década antes de que el hombre llegara a la luna. El año pasado, Gran Bretaña importó más de £20 millones (24 millones de dólares) en discos ﬂexibles, minidiscos y casetes. Una quinta parte de las empresas en el mundo desarrollado ni siquiera tienen un sitio web.

Del lado del sector público, a menudo los gobiernos son los que peores tasas de adopción tecnológica evidencian. Es frecuente observar estados que continúan insistiendo en formularios en papel (estimaciones indican que las burocracias de todo el mundo gastan 6.000 millones de dólares al año en papel e impresión, aproximadamente la misma cantidad que en mediados de la década de 1990). La ﬁrma digital de contratos y documentos parece ser aplicada en contadas ocasiones, así como la virtualidad y trabajo a distancia (incluso en centros de investigación y universidades donde se gestan y difunden las innovaciones relacionadas con big data, block-chain, y otras tecnologías).

Respecto del alcance y la uniformidad (o heterogeneidad), la evidencia indica que las empresas que adoptan la tecnología están expandiendo su brecha en varias dimensiones respecto de las rezagadas. En 2010, el empleado promedio de las empresas más productivas de Gran Bretaña producía bienes y servicios por valor de £98,000, que aumentó a £108,500 en 2019 (en moneda constante), mientras que las peores empresas no registraron crecimiento alguno. Según estudios de McKinsey, clasiﬁcando las empresas según el retorno del capital invertido, el retorno del percentil 75 fue 20 puntos porcentuales más alto que el promedio en 2017, el doble de la diferencia en 2000. Al mismo tiempo que se registró esta tendencia diferencial entre empresas, la desigualdad entre personas pertenecientes a distintas empresas parece seguir un patrón similar. En el Reino Unido, ha habido un ligero descenso en el salario promedio en el 10% menos productivo de las empresas desde la década de 1990, incluso cuando el salario promedio en las mejores empresas ha aumentado signiﬁcativamente. Estimaciones serias indican que el aumento de la desigualdad social se debe al aumento de la brecha salarial promedio entre las empresas.

Estas diferencias de adopción entre empresas de distinto tamaño o eﬁciencia sugieren que la reestructuración es costosa, quizás también riesgosa, e incluso puede involucrar ciertos costos hundidos. Es natural pensar que la recopilación de datos puede ser tediosa y ejecutar los mejores modelos puede ser prohibitivamente oneroso, en particular para muchas empresas y sectores. Un simple cálculo puede darnos una aproximación sobre esto. Basta con tener en cuenta que una consulta compleja puede costar de 1 a 2 dólares en la última versión de ChatGPT, por lo cual, si una empresa necesita ejecutar 20 consultas por hora habrá superado el salario promedio por hora en Estados Unidos. Es cierto que estos costos disminuirán, pero puede llevar años antes de que la tecnología sea lo suﬁcientemente barata para su implementación a gran escala. Adicionalmente, los directivos preocupados por la privacidad y la seguridad informan regularmente que no están dispuestos a enviar sus datos para procesarlos externamente, y algunas encuestas a empresas sugieren que una fracción signiﬁcativa no están interesadas en las herramientas de inteligencia artiﬁcial.

El riesgo de adoptar una nueva tecnología parece ser importante, y encontrar el momento adecuado para hacerlo no es una tarea sencilla. Roy Bahat de Bloomberg Beta, una ﬁrma de capital de riesgo, establece un paralelismo entre el momento actual y el auge de las puntocom a ﬁnales de la década de 1990: "Las empresas están luchando por descubrir en qué gastar dinero". Si invierten sumas enormes en IA desde el principio, corren el riesgo de comprometerse en exceso o de pagar grandes cantidades por startups sin valor, como hicieron muchos en los primeros días de Internet.

Pero si esperan demasiado, pueden exponerse a competidores que fueron más rápidos en aprovechar la tecnología.

Como conclusión, la tecnología asociada a la IA es sin duda revolucionaria. Sin embargo, hay indicios que sugieren que su adopción se ha desacelerado y no es uniforme. Existe un fuerte contraste de adopción entre empresas del sector tecnológico y el resto de sectores, con el sector público como vagón de cola. Se registran grandes diferencias entre empresas de distinta escala, incluso dentro de un mismo sector. La adopción de estas innovaciones no es una tarea simple e implica una reestructuración a gran escala de las empresas y sus datos internos. Quedan interrogantes abiertos: ¿Cuál será el horizonte temporal a transitar para que se materialicen los beneﬁcios de la IA? ¿Están todas las empresas listas para la revolución? ¿Cómo terminará evolucionando la brecha de productividad entre empresas y que implicancias tiene para la desigualdad personal?