El afán por automatizar es peligroso: para respaldar una prosperidad compartida, la inteligencia artificial debe complementar a los trabajadores, no reemplazarlos

Abundan los pronósticos optimistas sobre los efectos de la inteligencia artificial (IA) en el crecimiento. Su adopción podría estimular el crecimiento de la productividad en 1,5 puntos porcentuales en un período de 10 años y elevar el PIB mundial en un 7% (USD 7 billones de producto adicional), según Goldman Sachs. Conocedores del sector realizan estimaciones incluso más entusiastas, como una probabilidad del 10% de que se produzca un escenario de “crecimiento explosivo”, con un incremento del producto mundial superior al 30% anual.

Todo este tecnooptimismo se inspira en el “efecto de arrastre de la productividad”: la arraigada creencia de que el cambio tecnológico —incluida la automatización— genera un aumento de la productividad, que a su vez eleva los salarios netos y da lugar a una prosperidad compartida.

Este optimismo contradice los registros históricos y parece especialmente inapropiado vista la tendencia actual de dejar que la IA siga su curso, centrada principalmente en la automatización (reemplazando a las personas). Debemos reconocer que el desarrollo de una nueva tecnología no tiene por qué seguir una única trayectoria inevitable. Asimismo, suponiendo que el objetivo sea mejorar de forma sostenible los resultados económicos de un mayor número de personas, ¿qué políticas situarían el desarrollo de la IA en la senda adecuada, más centrada en potenciar lo que todos los trabajadores pueden hacer?

La cuestión de la maquinaria

Contrariamente a lo que suele suponerse, no es necesario que el crecimiento de la productividad se traduzca en un aumento de la demanda de trabajadores. La definición estándar de productividad es “producto medio por trabajador”, es decir, el producto total dividido por el empleo total. La esperanza es que, a medida que el producto por trabajador aumente, también lo haga la voluntad de las empresas de contratar personas.

No obstante, los empleadores no buscan incrementar la contratación en función del producto medio por trabajador. Lo que les importa es el producto marginal, la contribución adicional que aporta un trabajador más al incrementar la producción o dar servicio a más clientes. El concepto de producto marginal difiere del de producto o ingresos por trabajador; el producto por trabajador puede incrementar aunque el producto marginal se mantenga constante o incluso disminuya.

Muchas tecnologías nuevas, como la robótica industrial, amplían el conjunto de tareas realizadas por máquinas y algoritmos, desplazando así a los trabajadores. La automatización aumenta la productividad media, pero no el producto marginal por trabajador; de hecho, podría reducirlo. Durante los últimos 40 años, la automatización ha impulsado la productividad y ha multiplicado las utilidades de las empresas, pero no ha generado prosperidad compartida en los países industriales.

Reemplazar a los trabajadores con máquinas no es la única manera de mejorar la eficiencia económica; la historia lo ha demostrado, como explicamos en nuestro reciente libro titulado Power and Progress. En vez de automatizar el trabajo, algunas innovaciones aumentan la contribución de las personas a la producción. Por ejemplo, las nuevas herramientas de software que ayudan a los mecánicos de automóviles y hacen posible aumentar la precisión pueden incrementar el producto marginal por trabajador. Esto no tiene nada que ver con instalar robots industriales con el fin de reemplazar a las personas.

Nuevas funciones

Crear nuevas tareas reviste incluso mayor importancia a la hora de aumentar el producto marginal por trabajador. Cuando aparecen nuevas máquinas que abren las puertas a nuevos usos para la mano de obra humana, la contribución de los trabajadores a la producción aumenta, como también lo hace su producto marginal. La transcendental reorganización industrial liderada por Henry Ford a principios de la década de 1910 implicó automatizar en gran medida la fabricación de vehículos. Sin embargo, los métodos de fabricación en serie y las cadenas de montaje crearon al mismo tiempo una gama de nuevas tareas en los ámbitos del diseño, la técnica, la operación de maquinaria y las tareas administrativas, con lo cual la demanda de trabajadores se disparó en el sector.

Las tareas nuevas han sido esenciales para el crecimiento del empleo y los salarios en los dos últimos siglos. Asimismo, muchas de las ocupaciones con mayor expansión de las últimas décadas —radiólogos para resonancias magnéticas, ingenieros de redes, operadores de máquinas asistidas por computadora, programadores de software, personal de seguridad de TI y analistas de datos— no existían hace 80 años. Incluso las personas que se dedican a profesiones que existen desde hace más tiempo, como empleados bancarios, profesores y contadores, abordan ahora muchas tareas relativamente nuevas con la ayuda de la tecnología. En prácticamente todos estos casos, la introducción de nuevas tareas vino motivada por los avances tecnológicos y ha sido un factor determinante en el crecimiento del empleo. Además, estas tareas nuevas han demostrado ser fundamentales para el crecimiento de la productividad, ya que han ayudado a lanzar nuevos productos y han permitido mejorar la eficacia de los procesos de producción.

Automatización productiva

Por otro lado, la automatización en un sector puede incrementar el empleo —ya sea en ese sector o en la economía en general— si logra incrementar de forma sustancial la productividad. En ese caso, los nuevos puestos de trabajo tienen su origen o bien en tareas del mismo sector no automatizadas, o bien en la expansión de las actividades en industrias relacionadas. Durante la primera mitad del siglo XX, el rápido crecimiento de las fábricas de vehículos estimuló enormemente la expansión de las industrias del petróleo, el acero y los productos químicos. La producción de vehículos a gran escala también revolucionó los medios de transporte, permitiendo así el auge de nuevas actividades minoristas, de entretenimiento y servicios.

No obstante, el efecto arrastre de la productividad no se activa cuando las ventajas de la automatización para el producto son pequeñas; es lo que se conoce como “so-so automation” o “automatización de poca monta”. Por ejemplo, las cajas de autoservicio de las tiendas de comestibles añaden poco rendimiento de la productividad, ya que no hacen más que desplazar el trabajo de escanear productos de los empleados a los clientes. Cuando una tienda incorpora cajas de autoservicio, da empleo a un menor número de cajeros, pero no logra un aumento de la productividad capaz de estimular la creación de empleo en otros lugares. Los alimentos no pasan a ser mucho más baratos, no se produce una expansión de la producción de alimentos y los clientes no cambian su modo de vivir.

Incluso el incremento de la productividad significativo generado por la automatización puede contrarrestarse si no va acompañado de nuevas tareas. Por ejemplo, en el Medio Oeste de Estados Unidos, la rápida proliferación de la robótica ha contribuido a los despidos en masa y, en última instancia, ha prolongado la decadencia de la región.

La situación es igualmente problemática para los trabajadores cuando las nuevas tecnologías se basan en la vigilancia. Un mayor control de los trabajadores puede generar pequeñas mejoras en cuanto a productividad, pero su principal función es obtener un mayor esfuerzo por parte de los empleados.

Todo esto viene a subrayar el aspecto quizá más importante de la tecnología: la variedad. Nuestro conocimiento colectivo puede utilizarse a menudo de mil maneras diferentes para mejorar la producción, e incluso de muchas más formas para dirigir la innovación. ¿Inventaremos y aplicaremos herramientas digitales a la vigilancia y la automatización, o lo haremos para empoderar a los trabajadores, mediante la creación de nuevas tareas productivas?

Cuando el efecto arrastre de la productividad es débil y no existen mecanismos de autocorrección que garanticen beneficios compartidos, la elección se torna más trascendental, y unos pocos responsables de la toma de decisiones tecnológicas aumentan su poder económico y político.

Complementar a las personas

Las nuevas tecnologías pueden complementar a los trabajadores al permitirles trabajar con mayor eficiencia, realizar trabajos de mayor calidad o llevar a cabo tareas nuevas. Por ejemplo, aunque la mecanización obligó a más de la mitad de la fuerza laboral estadounidense a dejar la agricultura, una serie de nuevas tareas manuales y administrativas en las fábricas, así como el emergente sector de servicios, generaron una demanda significativa de mano de obra calificada entre 1870 y 1970. Se trataba de trabajos no solo mejor pagados, sino también menos peligrosos y menos fatigosos físicamente.

Esta loable combinación —de automatización de trabajos tradicionales y creación de tareas nuevas— se mantuvo en equilibrio relativo durante gran parte del siglo XX. Sin embargo, a partir de 1970 aproximadamente, el equilibrio se rompió. Pese a que la automatización ha mantenido el ritmo o incluso se ha acelerado en las cinco décadas transcurridas desde entonces, la fuerza compensadora de la creación de nuevas tareas se ha moderado, en especial para aquellos trabajadores sin título universitario. Por consiguiente, esos trabajadores se dedican cada vez más a servicios poco remunerados (aunque socialmente valiosos) como la limpieza, los servicios de comida y el ocio.

En la nueva era de la IA, la pregunta decisiva es si esta tecnología acelerará ante todo la tendencia actual de automatización sin la fuerza compensadora de la creación de buen empleo —en particular para trabajadores sin título universitario —o si, por el contrario, permitirá introducir nuevas tareas complementarias al empleo para trabajadores con conjuntos de habilidades diversas y muy distinta formación académica.

Inevitablemente, los sistemas de IA se utilizarán en parte para la automatización. Uno de los principales obstáculos a la automatización de muchas tareas de servicio y producción es que requieren flexibilidad, criterio y sentido común, grandes ausentes en los distintos tipos de automatización previa a la IA. La inteligencia artificial, en especial la generativa, podría llegar a ejecutar estas tareas. De momento no está claro en qué medida este tipo de automatización contribuirá al crecimiento de la productividad agregada mientras la tecnología sea inmadura, pero se sabe que podría traducirse en un importante incremento de la productividad conforme sus costos disminuyan y su fiabilidad aumente.

Al día de hoy, el paradigma intelectual dominante en el sector tecnológico también favorece la vía de la automatización. En gran medida, la investigación en IA busca lograr la paridad humana en una amplia gama de tareas cognitivas y, de forma más general, alcanzar una inteligencia general artificial que reproduzca y supere las capacidades humanas. Este foco intelectual fomenta la automatización en detrimento del desarrollo de tecnologías complementarias a las personas.

De todos modos, la IA brinda la oportunidad de complementar los conocimientos y habilidades del trabajador; para ello, debemos dirigir su desarrollo en la forma debida.

A menudo, la productividad humana se ve entorpecida por la falta de conocimientos o experiencia específicos, los cuales podrían suplementarse con tecnología de última generación. Por ejemplo, la IA ofrece grandes posibilidades de capacitación y reciclaje de trabajadores expertos, como educadores, personal médico y los que se dedican a oficios modernos (electricistas, fontaneros, etc.). Por otro lado, la IA podría generar demanda de conocimientos y criterio humano para supervisar tales procesos, comunicarse con los clientes y posibilitar servicios más sofisticados.

Cinco principios

Reorientar el cambio tecnológico no es fácil, pero sí posible. Gobiernos de todo el mundo —en especial de Estados Unidos y otros países en los que la tecnología se encuentra en desarrollo activo— deben dar los cinco pasos siguientes para ayudar a situar el desarrollo de la IA en una trayectoria complementaria a las personas y no una que las desplace.

• Reformar los modelos de negocio: Los principales desarrolladores de IA expropian con facilidad y sin contraprestación los datos de los consumidores, y su dependencia de la publicidad digital les incentiva a captar la atención de los consumidores por todos los medios posibles. Es preciso que los gobiernos establezcan de forma clara el derecho de propiedad de todos los consumidores sobre sus datos y se graven los anuncios digitales. Permitir mayor variedad de modelos de negocio —o incluso exigir una mayor competencia— es esencial para que la IA resulte útil a todas las personas.
• Sistema tributario: En Estados Unidos y muchos otros países, el código tributario impone cargas mayores a las empresas que contratan mano de obra que a aquellas que invierten en algoritmos para automatizar el trabajo. Con el fin de dirigir los incentivos hacia opciones tecnológicas que complementen a las personas, las autoridades deben proponerse crear una estructura tributaria más simétrica, que iguale las tasas impositivas marginales de la contratación (y la capacitación) de mano de obra a las de la inversión en equipo y software.
• La voz de la mano de obra: Los trabajadores deben tener voz en el desarrollo de la IA, ya que se verán profundamente afectados por ella. Las políticas públicas deben restringir el despliegue de IA no probada (o insuficientemente probada) en aplicaciones que puedan poner en riesgo a los trabajadores; por ejemplo, en la toma de decisiones de asuntos importantes sobre plantillas (por ejemplo, contratación y rescisión de contratos) o en tareas de control y vigilancia en el lugar de trabajo.
• Financiamiento para estudios de mayor complementariedad con las personas: La investigación y el desarrollo en tecnologías de IA complementarias a las personas requiere de mayor apoyo. Los gobiernos deben promover la competencia y la inversión en tecnologías que conecten las herramientas de IA con los conocimientos humanos, a fin de mejorar el trabajo en sectores sociales fundamentales. Una vez se registren avances suficientes, los gobiernos podrán fomentar nuevas inversiones, brindando asesoramiento sobre si la presunta tecnología complementaria a las personas resulta adecuada para su adopción en programas de educación y salud financiados con fondos públicos.
• Conocimientos de IA en la administración pública: La IA penetrará en todos los ámbitos de la inversión, regulación y supervisión públicas. Crear una división de IA consultiva en el seno de la administración pública puede servir para que organismos y reguladores respalden una toma de decisiones más oportuna y eficaz.

Posible impacto macroeconómico

La IA podría hacer subir el PIB mundial en los próximos cinco años, aunque no de forma tan pronunciada como proclaman sus partidarios. Incluso podría elevar moderadamente el crecimiento del PIB a mediano plazo. Sin embargo, siguiendo la trayectoria actual, es probable que su efecto de primer orden sea un aumento de la desigualdad en los países industriales.

Los países de ingreso mediano y muchos países de ingreso más bajo también deben temer la trayectoria existente. Pronto la nueva tecnología con uso intensivo de capital se aplicará en todo el mundo. No puede garantizarse que, de mantenerse en la trayectoria actual, la IA vaya a generar más empleo del que destruya.

Si logramos reorientar la IA hacia una senda de mayor complementariedad con las personas, usándola a la vez para abordar problemas sociales urgentes, todo el planeta saldrá beneficiado. En cambio, si prevalece el enfoque de exclusiva automatización, resultará todavía más difícil alcanzar la prosperidad compartida.

DARON ACEMOGLU es catedrático en el Instituto de Tecnología de Massachusetts (MIT).

SIMON JOHNSON ocupa la cátedra Ronald A. Kurtz de Iniciativa Emprendedora del MIT Sloan y fue economista jefe del FMI.

Las opiniones expresadas en artículos y otros materiales pertenecen a los autores; no reflejan necesariamente la política del FMI.