Algunas implicancias económicas de la IA, por Kurt Burneo
"La IA podría aplicarse a un porcentaje sustancial de tareas que realizan la mayoría de los trabajadores e impulsar sustantivamente la productividad de sus labores".
(*) Profesor Centrum PUCP
Siendo la inteligencia artificial (IA) probablemente la herramienta tecnológica más popular en la discusión local sobre desarrollo tecnológico, decisiones sobre esta, seguidamente, podrían tener implicancias sobre importantes variables económicas como la productividad y la concentración de los mercados. Haré una breve aproximación al respecto.
¿Qué es la inteligencia artificial (IA)? Es la combinación de algoritmos planteados con el propósito de crear máquinas que presenten las mismas capacidades que el ser humano. Hasta hace algún tiempo era una tecnología que todavía nos resultaba lejana y misteriosa, pero que, de una parte a la actualidad, está presente en nuestro día a día, 24/7, todo el año.
Miremos primero la productividad. Definiendo esta como el producto por cada unidad de insumo; no obstante, la rápida mejora de las capacidades técnicas de la IA, su adopción por las firmas, además de lenta, se reduce a las grandes… Señalo también que los beneficios económicos de las empresas por el uso de IA podrían ser magros, aún más si estas no adoptan indispensables cambios organizativos y de gestión requeridos para lograr un uso más eficiente de esta. A estos condicionantes al despliegue de la IA, se suma una institucionalidad no preparada para un nuevo contexto tecnológico, pensemos en un régimen jurídico que podría obstaculizar seriamente su dinámica. ¿Como así? En el caso de la IA, hay una gran incertidumbre en torno al alcance de las leyes de propiedad intelectual respecto al entrenamiento de modelos con millones de puntos de datos que quizás incluyan la propiedad intelectual protegida de terceros.
Las leyes de propiedad intelectual podrían llegar a responder con la creación de algo similar a un enredado “guaipe de patentes” que, en los hechos, restringirían que los desarrolladores presenten modelos con datos, sobre los que no tienen derechos claramente definidos. Adicionalmente, los reguladores locales podrían imponer reglamentaciones estrictas que ralenticen la velocidad del desarrollo y la divulgación de la IA. Inclusive podrían verse apremiados por las primeras promociones de desarrolladores de la IA, buscando proteger sus ventajas legalmente obtenidas en el pasado.
Pero ¿cómo hacer posible que la IA facilite un crecimiento más alto de la productividad? La IA podría aplicarse a un porcentaje sustancial de tareas que realizan la mayoría de los trabajadores e impulsar sustantivamente la productividad de sus labores. En esta proyección, la IA se constituye en el avance tecnológico más radical en los últimos tiempos. Adicionalmente, termina complementando a los trabajadores, en vez de reemplazarlos, y les libera para que empleen más tiempo en tareas disruptivas no rutinarias, creativas e inventivas. La IA, para capturar e incorporar el conocimiento implícito producto de la experiencia —pero difícil de articular—, entre las personas y organizaciones, se basa en cantidades enormes de datos recientemente digitalizados. Y en este futuro, gracias al éxito de la integración de la IA con los robots, una parte mucho mayor de la economía podría recibir los efectos de los avances que involucran a la IA. Y así la IA haga posible que la sociedad no solo realice mejor las cosas que ya hace, sino que desarrolle y conciba cosas hasta ahora inimaginables. La IA adecuadamente gestionada es capaz de ayudar al motor mismo de la creatividad y el descubrimiento científico sostenido —matemáticas, ciencia, nuevos avances en IA—, una especie de automejora recurrente que en un momento inicial no fue más que un experimento mental de ciencia ficción.
¿Y qué de la IA y la concentración en los mercados? La concentración en los mercados se mide a partir de la cuota de mercado colectiva de las empresas más grandes de un sector; esta ha aumentado drásticamente en Estados Unidos y otras economías avanzadas. En ellas, las grandes empresas suelen hacer un uso mucho más intensivo de capital y ser más sofisticadas desde el punto de vista tecnológico que sus contrapartes de menor tamaño. La concentración en los mercados aumenta, resultado principalmente de fusiones y adquisiciones, en tanto las firmas buscan producir mayores volúmenes a costo medios y menores —economías de escala—, pero el caso es que solo las empresas más grandes utilizan la IA de forma intensiva en su actividad principal. La IA permite a estas empresas ser más productivas, rentables y grandes respecto a sus débiles competidores. La concentración es también atractiva porque da la posibilidad de detentar poder de mercado.
Por otra parte, el desarrollo de modelos de IA es incluso más caro, como es el caso de la capacidad de cómputo, siendo este un costo inicial importante, que solo las empresas más grandes podrían afrontar, y necesitando también ser entrenados con enormes conjuntos de datos, que las empresas muy grandes ya tienen disponibles gracias a su importante número de clientes; no siendo este el caso de los negocios pequeños. Además, después de entrenar y crear un modelo de IA, su funcionamiento puede ser costoso. Por ejemplo, entrenar el modelo GPT-4 durante su desarrollo inicial implicó más de US$100 millones y requiriéndose aproximadamente US$700.000 diarios para funcionar. En tanto, el costo promedio de desarrollar un modelo grande de IA podría implicar miles de millones de dólares; solo las empresas más grandes y sus contrapartes comerciales de tamaño similar desarrollarían modelos patentados de IA, como ya lo hicieron Alphabet, Microsoft y OpenAI, y no las empresas más pequeñas. Es así como se refuerza la razón por la cual las compañías grandes se hacen aún más grandes.
¿Hay lugar para ligar la IA en el futuro con menor concentración? Sí. Funcional a esto tenemos los modelos de IA disponibles de código abierto como el de Meta, o Koala, Berkeley. Una combinación de empresas comerciales, entidades sin ánimo de lucro, académicos y programadores individuales podrían generar un ecosistema de IA de código abierto que haga posible un amplio acceso a modelos desarrollados de IA. De esta forma, las empresas menores tendrían acceso a tecnologías de producción de punta, en el sector inaccesible tiempo atrás para ellas.
También podría ser válido que la IA promueva una clase de innovación amplia y descentralizada que se desenvuelve mejor en muchas empresas pequeñas que alternativamente dentro de una sola empresa grande. En consecuencia, podría suceder que se ralentice la senda de ascenso del proceso de concentración, en tanto algunas empresas pequeñas y ágiles podrían reducir o revertir la brecha tecnológica con sus contrapartes más grandes y así recuperar al menos en parte su participación en el mercado.
En suma, a la IA no corresponde darle solo una mirada tecnológica, sino económica también.
Exministro de Economía. Doctor en Administración y Dirección de Empresas de la Universidad Ramón Llull-Esade, España, Magíster en Economía de la Pontificia Universidad Católica del Perú, exbecario Escola de Posgraduacao Economía de la Universidad de Sao Paulo, Brasil. Economista de la UNMSM, Perú. Investigador Concytec-Renacyt.