IESE Insight
Las empresas ya pueden acelerar su crecimiento económico gracias a la IA
La IA permite a las empresas generar conocimiento más deprisa, con ganancias en eficiencia y mayor capacidad predictiva. Una nueva métrica mide este impacto.
¿Cómo se puede medir el impacto económico de la inteligencia artificial?
En general, cuando los economistas han tratado de responder esta compleja pregunta, se han centrado en cuantificar las ganancias potenciales en productividad o el crecimiento derivado de los descubrimientos científicos que facilita la IA.
Sin embargo, esas métricas pueden resultar demasiado limitadas, según un estudio de Eduard Talamàs, profesor del IESE, y Martin Beraja, de UC Berkeley Haas. A su juicio, la perspectiva adecuada consiste en analizar cómo la IA acelera el aprendizaje organizacional para difundir el conocimiento con mayor rapidez en toda la empresa y anticipar antes las variables fundamentales para la toma de decisiones.
El aprendizaje organizacional utilizado como métrica apunta a que la IA podría llegar a duplicar la producción económica de Estados Unidos a largo plazo. Además, alrededor de tres cuartas partes de ese potencial crecimiento económico no procederían de un aumento de la productividad de las empresas, sino de la prolongación de su vida útil. Cuando el aprendizaje organizacional se acelera, las compañías pueden destinar recursos a proyectos viables, en lugar de invertir en iniciativas que tienen una alta probabilidad de fracasar, lo que aumenta su longevidad.
Este enfoque ofrece una perspectiva distinta sobre qué sectores se pueden beneficiar más al adoptar la IA y cuáles, por el contrario, difícilmente obtendrán ventajas significativas.
La dinámica del aprendizaje acelerado por la IA
Para comprender esta dinámica, conviene partir de un fenómeno que se ha documentado en el campo de la economía: las empresas longevas son considerablemente más productivas que la media. La razón es que, con el paso del tiempo, aprenden a operar de forma más eficiente, entienden mejor qué necesitan sus clientes y conocen el funcionamiento de su sector al detalle. Los empleados adquieren experiencia, los directivos perfeccionan sus prácticas y la organización acumula una especie de sabiduría institucional que incrementa su productividad.
Además, las empresas menos competitivas desaparecen. Las que siguen activas tras décadas de trabajo no lo son por casualidad, sino porque sus ventajas diferenciales les han permitido sobrevivir.
¿Cómo puede la IA acelerar este proceso? Al proporcionar:
- Un conocimiento más rápido y amplio. Los grandes modelos de lenguaje (LLM, por sus siglas en inglés) se utilizan principalmente como herramientas de aprendizaje, pero también pueden ayudar a codificar y difundir el conocimiento tácito dentro de las organizaciones. Por ejemplo, los sistemas de IA permiten recopilar, indexar y hacer recuperable información que antes estaba dispersa entre distintas áreas y personas. De este modo, las empresas desarrollan más rápidamente su capital organizativo y alcanzan antes un estado de madurez y productividad.
- Unas predicciones más tempranas y precisas. Los sistemas de predicción basados en IA ayudan a anticipar variables fundamentales, como la demanda o los costes futuros, lo que permite evaluar mejor cuán viable serán un proyecto antes de ponerlo en marcha. Por ejemplo, estos sistemas generan simulaciones cada vez más realistas que las empresas utilizan para valorar nuevas ideas. Así, pueden concentrar sus esfuerzos en los proyectos con mayores probabilidades de éxito e identificar con antelación aquellos que probablemente fracasen, lo que evita desperdiciar tiempo y recursos.
La métrica VOLT: el valor de las tecnologías de aprendizaje organizacional
Beraja y Talamàs han desarrollado la métrica Value of Organizational Learning Technologies (VOLT) para cuantificar cuánto podría aumentar la producción económica si las empresas generaran conocimiento más deprisa. VOLT se expresa como el cociente entre la producción agregada de una economía hipotética en la que las empresas han acelerado el aprendizaje y la producción agregada de la economía real. La métrica VOLT puede calcularse a partir de datos sobre el tamaño y la longevidad de las empresas fáciles de obtener.
A partir de datos sobre la creación de empresas obtenidos del Censo de Estados Unidos de 2023, los autores estiman que el VOLT de la economía estadounidense es aproximadamente de 2. Eso significa que las tecnologías de aprendizaje organizacional basadas en la IA tienen el potencial de duplicar la producción económica agregada real a largo plazo.
El horizonte temporal para alcanzar esa duplicación es incierto, ya que depende de la velocidad con la que las empresas adopten la IA en los distintos sectores. No obstante, los beneficios del aprendizaje organizacional son significativos incluso si la aceleración es moderada. Acelerar únicamente los dos primeros años del proceso de aprendizaje incrementaría la producción en torno al 9%, mientras que acelerar los seis primeros años la elevaría cerca de un 24%.
Un nuevo mapa de los sectores más expuestos a la IA
La métrica VOLT también redibuja el mapa de los sectores más afectados por la IA. Se ha escrito mucho sobre qué empleos son más susceptibles de ser sustituidos por la inteligencia artificial. Sin embargo, esos análisis suelen centrarse en la capacidad técnica de la tecnología, es decir, en si puede desempeñar fácilmente el trabajo de un abogado júnior o reemplazar a los programadores, más que en el valor económico que realmente genera.
Beraja y Talamàs concluyen que muchos campos donde los grandes modelos de lenguaje parecen fáciles de implantar generan ganancias de valor relativamente modestas, mientras que otros sectores con menor exposición a la IA podrían obtener beneficios mayores al acelerar su aprendizaje organizacional. En definitiva, aquello que resulta más sencillo de automatizar mediante IA no siempre es lo que más valor aporta, y viceversa.
A partir de datos del Censo de Estados Unidos sobre el tamaño de las empresas y su tasa de cierre según su antigüedad en 80 sectores, el estudio compara la métrica VOLT con otras métricas habituales para medir la exposición de los distintos sectores empresariales a los grandes modelos de lenguaje. De ese análisis surgen cuatro categorías:
- Alta facilidad de adopción de la IA y alta creación de valor. Un reducido grupo de sectores obtiene puntuaciones elevadas tanto en facilidad de implantación como en valor generado gracias al aprendizaje acelerado. Son sectores que aparecen con frecuencia en los estudios sobre adopción de la IA, como el procesamiento y alojamiento de datos, la industria audiovisual, los servicios educativos y los mercados de valores y las finanzas.
- Alta facilidad de adopción de la IA, pero baja creación de valor. Sectores en los que la IA puede realizar gran parte de las tareas de los trabajadores, aunque un aprendizaje más rápido no se traduce necesariamente en una creación de valor significativa. Entre ellos, figuran la industria editorial, la intermediación crediticia y las telecomunicaciones. Las ganancias derivadas de la IA procederán principalmente de la automatización de tareas.
- Baja facilidad de adopción de la IA, pero alta creación de valor. Son sectores que rara vez aparecen en las listas de industrias más expuestas a la IA, aunque podrían obtener algunos de los mayores beneficios gracias a un aprendizaje más rápido. Entre ellos se encuentran los servicios de mensajería y paquetería, la fabricación textil y el transporte de mercancías por carretera. En estos sectores, las empresas jóvenes presentan elevadas tasas de fracaso antes de acumular el capital organizativo necesario para prosperar.
- Baja facilidad de adopción de la IA y baja creación de valor. En algunos sectores, las tareas principales son difíciles de replicar mediante IA y el ciclo de vida de las empresas no favorece grandes beneficios derivados del aprendizaje acelerado. Es el caso de los distribuidores de materiales de construcción, las estaciones de servicio y la minería.
La métrica VOLT constituye una herramienta completamente distinta para medir el impacto de la IA, una tecnología que es, en sí misma, radicalmente diferente a todo lo anterior. Este indicador complementa los ya existentes y utiliza datos que ya se están recopilando en numerosos países, lo que permite que los economistas empiecen a comprender la transformación que la IA causará en la economía.
TAMBIÉN PUEDE INTERESARTE:
¿Transformará la IA generativa la deslocalización del trabajo del conocimiento?
