Las principales empresas tecnológicas estadounidenses atravesaron un 2022 financieramente difícil. Y, sin embargo, se han dedicado a sacar al mercado productos con los últimos avances en Inteligencia Artificial (IA). Dado el entorno financiero, algunos han señalado que, dado que el sector es conocido por su propensión a generar demasiada publicidad, el entusiasmo por la IA podría desvanecerse rápido. Sin embargo, sería un error subestimar el impacto potencial de estas innovaciones.

“Las transformaciones tecnológicas profundas suelen ser recibidas con escepticismo y resistencia al principio, ya que se cree que destruyen puestos de trabajo. Y claramente es algo que podría suceder con la IA».

La IA no es nada nuevo. La teoría en la que se basa se remonta a la década de 1950, cuando Alan Turning propuso por primera vez su prueba de Turing, cuyo objetivo era evaluar objetivamente la capacidad de una máquina para exhibir un comportamiento inteligente. Ha pasado por períodos de auge tras los avances matemáticos y de las ciencias computacionales y de depresión (así como ciclos en el financiamiento para la investigación básica).

Puede parecer que los últimos meses nos han traído avances significativos en el área,especialmente en el ámbito de los Grandes Modelos de Lenguaje (LLM) como los que sustentan ChatGPT, el chatbot desarrollado por la empresa de investigación de IA OpenAI, con sede en San Francisco, que pasó el Test de Turing mencionado anteriormente. Sin embargo, la matemática detrás de estos modelos (el Teorema de Aproximación Universal) se probó 33 años antes, en 1989, y la industria tardó 30 años en superar los tres factores más importantes y limitantes:

• Datos: el entrenamiento de estos modelos requiere conjuntos de datos muy grandes, que son relativamente escasos en forma estructurada. Pero Internet ahora ofrece una forma de aprovechar enormes cantidades de datos para entrenar algoritmos, una secuencia de instrucciones rigurosas que se utilizan para realizar cálculos y procesamiento de datos para tareas específicas (como LLM).

• Potencia de cálculo: Las máquinas de hoy son lo suficientemente potentes como para manejar el entrenamiento y ejecutar estos algoritmos.

• Nube (una colección distribuida de servidores que alojan software e infraestructura) y semiconductores (materiales que tienen un valor de conductividad eléctrica entre el un conductor, como el cobre, y un aislante, como el vidrio): Dada la cantidad de datos y energía necesarios para hacer el trabajo, solo las infraestructuras en la nube de gran tamaño y eficientes, con chips avanzados, pueden proporcionar el entorno adecuado para crear y entrenar estos algoritmos.

Para las sociedades en general, y para los inversionistas en particular, es importante comprender cómo funciona, interactúa e influye la tecnología en las economías, las empresas, las instituciones y, en general, en nuestro estilo de vida. Es imposible saber con certeza cómo evolucionará esta tecnología, pero hay dos transformaciones tecnológicas profundas de la historia reciente que podrían contener algunas pistas y ayudar a los inversionistas a aprovechar mejor las oportunidades que seguramente surgirán, lejos de la exageración: el aumento de la productividad y la habilitación de nuevas ideas.

Productividad ¿esta vez es diferente?

Lo primero que se piensa al oír Inteligencia Artificial es en la productividad y, más precisamente, el impacto potencial que la IA puede tener en los puestos de trabajo y el aumento de la productividad. La relación entre el avance tecnológico y la productividad es bien conocida y, sin embargo, no siempre es visible en los datos económicos.

El Premio Nobel de Economía Robert Solow dijo que se podía ver la era de las computadoras en todas partes menos en las estadísticas de productividad.

. Se suponía que el entusiasmo por las computadoras personales elevaría la productividad de las economías occidentales y, por lo tanto, sus tasas de crecimiento. De hecho, ese aumento de la productividad se produjo en los siguientes 20 o 30 años, pero no hizo mucho para elevar la tasa de crecimiento del PIB. Entonces, ¿qué esdiferente esta vez?

Por un lado, podemos esperar que la automatización de tareas pueda hacer que los puestos de trabajo sean más productivos, liberando recursos humanos para tareas de mayor valor añadido, aumentando así tanto la producción económica como los salarios. Sin embargo, la automatización, y en general las profundas transformaciones tecnológicas, suelen ser recibidas con escepticismo y resistencia al principio, ya que se cree que acaban con puestos de trabajo. Y claramente es algo que podría suceder con la IA.

Esta vez, sin embargo, los reaccionarios de hoy podrían ser trabajadores de cuello blanco en el sector servicios. La idea de que las disrupciones tecnológicas eliminan puestos de trabajo y estilos de vida es tan antigua como el propio capitalismo. Pero de acuerdo al profesor Shiller en su libro Narrative Economics, estas ideas, aunque no están respaldadas por datos científicos, son difíciles de erradicar y resurgen repetidamente en el debate público. Las historias de personas que pierden su empleo oscurecen las perspectivas y son demasiado vívidas para ser descartadas por los agentes económicos (hogares/individuos/consumidores, empresas, gobiernos y bancos centrales), por lo que existe el riesgo de que la IA se enfrente a la misma mezcla de emoción y miedo.

¿Nos robará la IA nuestros trabajos?

Un informe de McKinsey estimó que el paso del caballo al automóvil a principios del siglo XX condujo a la creación de más de seis millones de puestos de trabajo entre 1910 y 1950 (desde el sector petrolero hasta la manufactura, o de los servicios automotores hasta las estaciones de servicio y la publicidad). Y eso sin contar los miles de negocios que surgieron gracias al uso generalizado del automóvil.

Sin embargo, un informe de la Oficina del Censo de EEUU publicado después de la Gran Depresión, señaló el cambio del caballo al automóvil como uno de los principales factores agravantes de las depresiones, con implicaciones en el sector agrícola (que perdió a sus mejores clientes, los caballos…), en los mercados de alimentos (que vieron una espiral de caída de precios a medida que la producción agrícola intentaba encontrar nuevos mercados), bancos regionales (cuyos clientes vieron su margen exprimido y no pudieron pagar) para finalmente extenderse a otros sectores y al mercado laboral en su conjunto. En total, una pérdida de 13 millones de puestos de trabajo.

En el caso de la IA, no sabemos cómo se adoptará la tecnología y su impacto en el mercado laboral. El consenso es que la adopción probablemente será lenta, al igual que sus efectos. La razón en parte es que es muy difícil rediseñar el negocio de modo que maximice el potencial de la IA: equipar a la fuerza de ventas con automóviles en lugar de caballos para aumentar las ventas no es exactamente lo mismo que reorganizar industrias complejas para aprovechar mejor la IA. Además, una parte sustancial de nuestras economías está formada por sectores que resultarán difíciles de reconformar (como el sector salud, la educación, la hostelería, las artes o los deportes, por ejemplo) para que la IA pueda aumentar su productividad.

Con base en investigaciones recientes En el caso de las tecnologías disruptivas, es posible imaginar cambios en la productividad siguiendo la llamada «curva J», es decir, una tendencia que comienza con una caída brusca y es seguida por un aumento drástico. Más precisamente, antes de que la tecnología pueda dar resultados positivos, las empresas deben invertir dinero y tiempo para implementar estas herramientas y capacitar a la fuerza laboral para usarlas de manera efectiva. Esto, a su vez, probablemente reducirá su productividad, ya que habrá un tiempo de transición. Solo entonces se pueden esperar ganancias económicas, y el eventual aumento de la productividad.

Carmine de Franco, Jefe de Investigación y ESG, Ossiam