El impacto económico de la IA puede estar en la codificación del conocimiento organizacional
Una nueva métrica evalúa cómo la IA amplía el conocimiento que puede codificarse y difundirse entre empresas.
¿Cómo se puede medir el impacto económico de la inteligencia artificial?
La mayoría de los intentos de los economistas por responder esta compleja pregunta se han centrado en cuantificar las ganancias potenciales derivadas de la automatización de la producción o el crecimiento impulsado por la investigación y la innovación 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. Su evaluación, más completa, abarca cómo la IA puede ampliar el conocimiento susceptible de codificarse y difundirse entre empresas, con lo que se estrecha la brecha de conocimiento entre las firmas consolidadas y las recién llegadas al mercado.
A partir de datos de Estados Unidos, esta métrica apunta a que la IA podría llegar a duplicar la producción económica a largo plazo. Además, ofrece una imagen muy distinta de qué sectores e industrias tienen más que ganar con la adopción de la IA y cuáles difícilmente obtendrán beneficios significativos.
La dinámica de la codificación del conocimiento
Para comprender esta dinámica, conviene partir de un fenómeno bien documentado en economía: las empresas maduras 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.
Tradicionalmente, las empresas han codificado ese conocimiento institucional a través de manuales, sistemas de formación, consultoras y franquicias. Sin embargo, gran parte de la información crucial ha permanecido tácita, en las mentes y las prácticas de los empleados. La IA tiene el potencial de cambiar esto al detectar patrones directamente de la práctica –como experimentos, evaluaciones y decisiones– y aprender de los datos sin necesidad de articular el conocimiento previamente.
Convertir el conocimiento tácito en conocimiento codificado hace posible transferirlo de individuos a grupos, organizaciones y más allá. Esto no exige a las empresas compartir información confidencial. Las nuevas firmas pueden beneficiarse del conocimiento ya codificado a través de la experiencia de sus empleados, la formación, los manuales, los cursos, los proveedores, los consultores y otros canales. De este modo, las empresas nuevas y las consolidadas se sitúan en una posición más equitativa en cuanto a conocimiento organizacional.
Cómo medir el conocimiento que expande la IA
Para cuantificar el posible aumento de la producción económica en caso de que las empresas pudieran reducir la brecha de conocimiento, Beraja y Talamàs han desarrollado una métrica que usa datos fácilmente disponibles sobre el tamaño y el ciclo de vida de las empresas. Esta métrica se expresa como el cociente entre la producción con tecnologías de codificación y la producción sin la nueva tecnología.
A partir de datos del Censo de Estados Unidos de 2023 sobre establecimientos empresariales, los autores estiman que ese cociente para la economía estadounidense es de aproximadamente 2. En otras palabras, la codificación de conocimiento impulsada por la IA tiene el potencial de duplicar la producción económica agregada 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.
Un nuevo mapa de los sectores más expuestos a la IA
Esta métrica 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 sustituir a los programadores, más que en el valor económico que 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 gracias a un mayor conocimiento codificado. 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 censales estadounidenses sobre el tamaño de las empresas y sus tasas de cierre según antigüedad en 80 sectores, el estudio compara el valor de la codificación con las puntuaciones estándar de exposición de cada industria a los grandes modelos de lenguaje. De ese análisis surgen cuatro categorías:
- Alta exposición a la IA y alta creación de valor. Un reducido grupo de sectores obtiene puntuaciones elevadas tanto en exposición a la IA como en valor generado gracias al mayor conocimiento codificado. Son sectores que aparecen con frecuencia en los estudios sobre adopción de la IA, como la educación, los servicios profesionales y la intermediación mayorista, que producen abundantes datos de los que la IA puede aprender, con potencial beneficio para las empresas de nueva incorporación al mercado.
- Alta exposición a la IA, pero baja creación de valor. Sectores en los que la IA puede realizar gran parte de las tareas de los trabajadores, aunque ese aprendizaje no se traduce necesariamente en una creación de valor significativa. Entre ellos figuran la industria editorial y la sanidad ambulatoria. Muchas tareas están al alcance de los grandes modelos de lenguaje, pero la formación profesional, los estándares técnicos y los trabajadores con experiencia ya transmiten gran parte del conocimiento relevante entre organizaciones.
- Baja exposición a 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 la aceleración del conocimiento codificado. Entre ellos se encuentran el transporte de mercancías por carretera, la fabricación de alimentos y la construcción, sectores que generan datos útiles pero donde muchas de las actividades subyacentes siguen siendo físicas y dependientes del contexto.
- Baja exposición a la IA y baja creación de valor. En algunos sectores, las tareas principales son en gran medida físicas y los oficiales especializados, los mecánicos y los maquinistas pueden proporcionar gran parte de la experiencia necesaria. Es el caso de los oficios especializados, los servicios de reparación y la fabricación de metal.
Esta es una herramienta radicalmente distinta para medir la IA, una tecnología que es, en sí misa, radicalmente diferente a todo lo anterior. Complementa otras métricas, utiliza datos sobre el ciclo de vida de las empresas que ya se recopilan en numerosos países y abre paso a que los economistas empiecen a comprender de qué modos la inteligencia artificial reconfigurará la economía.
TAMBIÉN PUEDE INTERESARTE:
¿Transformará la IA generativa la deslocalización del trabajo del conocimiento?
