La economía de la Inteligencia Artificial (I): ¿estamos alcanzando la frontera de la innovación?

El párrafo que acaba de leer ha sido generado por una de las muchas herramientas de IA que se han puesto de moda en los últimos tiempos (ChatGPT). Cada vez somos más los que hacemos uso de las herramientas que nos ofrece para mejorar nuestro desempeño laboral, organizar nuestra vida diaria o simplemente por curiosidad. Que esté cada vez más presente en nuestro día a día tiene implicaciones en numerosos aspectos, y la economía no es una excepción. Es por eso por lo que en los próximos artículos analizaré varias de las consecuencias que tiene y puede tener la inteligencia artificial en el campo económico. Sirva esta primera pieza como introducción a esta cuestión.

El avance de la tecnología

La humanidad se ha caracterizado por vivir momentos de grandes avances tecnológicos, pero también ha habido épocas de bajo desarrollo. De hecho, actualmente es común escuchar debates sobre si es plausible pensar que la productividad se ha estancado en las últimas décadas. El motivo es que hemos alcanzado los límites del progreso, por lo que ahora solo nos queda crecer en el margen. Esta idea combina bastante bien con la de que el progreso tecnológico sigue una trayectoria con forma de S. Esto es, primero se caracteriza por arrojar un crecimiento paupérrimo, para después dar paso a un rápido crecimiento hasta alcanzar una cierta estabilización. Esta última fase sería la que estamos viviendo en el presente.

La inteligencia artificial podría alterar esta tendencia. El potencial de la tecnología suele ser subestimado, porque normalmente se basa en predicciones lineales. Empero, cuando arraigan en la sociedad y un porcentaje significativo de la población participa de un determinado avance, el crecimiento tiende a ser exponencial. Aunque existen ciertos límites a lo que algunos autores denominan singularidad.

Sobrecarga de información

Existe una sobrecarga de información. Nunca habíamos tenido acceso tan rápido a tanta cantidad de contenido. Evidentemente, esto tiene consecuencias positivas, como la de “democratizar” el conocimiento. Pero también aumenta la información irrelevante, la cual hay que filtrar. Y no solo es eso, a más conocimiento, los rendimientos tienden a ser decrecientes, por lo que hay que dedicar un mayor esfuerzo para alcanzar unos niveles de innovación similares a los previos.

Asimismo, este conocimiento no está distribuido de manera equilibrada. Por lo que los que sepan utilizar la información y el nuevo conocimiento, tendrán mayores capacidades y aumentarán las diferencias con respecto a los have-nots. La derivada puede ser un aumento de los conflictos sociales y políticos, y un mayor respaldo de los movimientos populistas. También podríamos ver a políticos oponer resistencia o manipular las nuevas tecnologías en su beneficio.

¿Las ideas son más difíciles de encontrar?

En un sugerente paper, Bloom et al. (2020) se preguntan si las ideas son más difíciles de encontrar en la actualidad. Para ello, parten del modelo de crecimiento económico de Solow, de tal modo que el crecimiento a largo plazo se puede dividir en dos elementos: el número de investigadores y su productividad. Si la innovación se hubiese estancado, eso implicaría que o bien ambos componentes se han estabilizado, o bien que el crecimiento de uno está siendo contrarrestado por el deterioro del otro.

Pero primero cabe preguntarse qué se entiende por idea, o al menos, qué unidad se debe utilizar para medir el crecimiento de la innovación. Algunos ejemplos hallados en la literatura son la productividad o el número de patentes. Por ejemplo, en el campo de la salud, puede usarse como output de innovación el número de años de vida salvados. La variable input, es decir, la variable que se define como idea que toman los autores, es la del número de publicaciones científicas en PubMed. De esta manera, se captura el esfuerzo en investigación con el objetivo de reducir la mortalidad para una enfermedad en particular. En este artículo, se ofrecen los resultados para el cáncer de mama y las enfermedades del corazón.

La productividad de las ideas

Lo que encuentran es que la productividad de las ideas para todos los cánceres, medida como la ratio de años de vida salvados por número de publicaciones, aumentó hasta mediados de 1980, pero desde entonces ha descendido por un factor de 1,2. Esta cifra es todavía mayor para los casos específicos del cáncer de mama y de las enfermedades coronarias. Estos resultados también son encontrados en otros campos, como en todo tipo de cultivos y semiconductores.

Pero para obtener unos resultados más representativos, acaban utilizando datos a nivel de empresa. Como variables output, emplean promedios decenales del crecimiento anual en los ingresos por ventas, capitalización bursátil, empleo e ingresos por productividad laboral. La variable insumo es el gasto en investigación y desarrollo. Mientras que se observa un alto crecimiento del número de investigadores (entre un 2,4% y un 8,8% por año), la productividad de la investigación para las variables mencionadas anteriormente ha caído entre un 4,2% y un 14,5%. En promedio, la productividad ha descendido un 9%, acumulando una disminución de 2,5 veces cada década. O, dicho de otra manera, actualmente son necesarios 15 investigadores más que hace 30 años para producir la misma tasa de crecimiento de los ingresos empresariales.

Análisis de datos

En la misma línea, Park et al. (2023) han analizado lo disruptivo de las nuevas investigaciones. Para ello, haciendo uso de bases de datos donde se recolectan varios millones de papers científicos, consideran dos tipos de avances o contribuciones: (1) contribuciones que mejoran las ramas del conocimiento existentes y (2) contribuciones que suponen una disrupción con respecto al conocimiento previo, “haciéndolo obsoleto e impulsando la ciencia y la tecnología en nuevas direcciones”. Luego, generan un índice que captura la naturaleza de la contribución (si consolida el conocimiento existente o se trata de algo disruptivo). El indicador varía desde -1 (consolida el conocimiento) hasta 1 (es disruptivo con respecto al conocimiento existente). La conclusión alcanzada por los investigadores es que tanto los papers como las patentes son cada vez menos disruptivas, independientemente del campo de estudio.

El papel de la inteligencia artificial

Es decir, las innovaciones parece que han abandonado el terreno de los rendimientos crecientes. Evidentemente, existe una gran heterogeneidad por industria y sector, pero de manera agregada la productividad de la investigación se ha deteriorado. Existen hipótesis muy atractivas que consideran que el avance del conocimiento exige mayores habilidades y capacidades, por lo que los nuevos investigadores deben concentrar sus capacidades en muy pocas áreas. O lo que es lo mismo, deben estar sumamente especializados para comprender una tecnología en concreto. Por eso, es necesario que el número de empleados cualificados sea mayor para obtener rendimientos.

Sin embargo, la inteligencia artificial parece hacer otra cosa distinta, a saber, hace prescindible no solo el trabajo manual y repetitivo, al igual que tecnologías de siglos y décadas pasadas, sino que pone en duda la necesidad de ciertos trabajos realizados por personal cualificado. Es decir, la IA bien podría poner en entredicho lo escrito más arriba y favorecer un crecimiento exponencial en poco tiempo. El crecimiento de la innovación se ha producido de manera extensiva en los últimos tiempos. ¿Habrá un cambio de paradigma? La duda es del todo pertinente, y son muchos los campos que pueden verse afectados. Es por eso que le invito a leer los futuros artículos que publicaré en la web del IJM.