天美传媒 Insight
El impacto econ贸mico de la IA puede estar en la codificaci贸n del conocimiento organizacional
Una nueva m茅trica eval煤a c贸mo la IA ampl铆a el conocimiento que puede codificarse y difundirse entre empresas.
驴C贸mo se puede medir el impacto econ贸mico de la inteligencia artificial?
La mayor铆a de los intentos de los economistas por responder esta compleja pregunta se han centrado en cuantificar las ganancias potenciales derivadas de la automatizaci贸n de la producci贸n o el crecimiento impulsado por la investigaci贸n y la innovaci贸n que facilita la IA.
Sin embargo, esas m茅tricas pueden resultar demasiado limitadas, seg煤n de Eduard Talam脿s, profesor del 天美传媒, y Martin Beraja, de UC Berkeley Haas. Su evaluaci贸n, m谩s completa, abarca c贸mo 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 reci茅n llegadas al mercado.
A partir de datos de Estados Unidos, esta m茅trica apunta a que la IA podr铆a llegar a duplicar la producci贸n econ贸mica a largo plazo. Adem谩s, ofrece una imagen muy distinta de qu茅 sectores e industrias tienen m谩s que ganar con la adopci贸n de la IA y cu谩les dif铆cilmente obtendr谩n beneficios significativos.
La din谩mica de la codificaci贸n del conocimiento
Para comprender esta din谩mica, conviene partir de un fen贸meno bien documentado en 别肠辞苍辞尘铆补: las empresas maduras son considerablemente m谩s productivas que la media. La raz贸n es que, con el paso del tiempo, aprenden a operar de forma m谩s eficiente, entienden mejor qu茅 necesitan sus clientes y conocen el funcionamiento de su sector al detalle. Los empleados adquieren experiencia, los directivos perfeccionan sus pr谩cticas y la organizaci贸n acumula una especie de sabidur铆a institucional que incrementa su productividad.
Tradicionalmente, las empresas han codificado ese conocimiento institucional a trav茅s de manuales, sistemas de formaci贸n, consultoras y franquicias. Sin embargo, gran parte de la informaci贸n crucial ha permanecido t谩cita, en las mentes y las pr谩cticas de los empleados. La IA tiene el potencial de cambiar esto al detectar patrones directamente de la pr谩ctica 鈥揷omo experimentos, evaluaciones y decisiones鈥� y aprender de los datos sin necesidad de articular el conocimiento previamente.
Convertir el conocimiento t谩cito en conocimiento codificado hace posible transferirlo de individuos a grupos, organizaciones y m谩s all谩. Esto no exige a las empresas compartir informaci贸n confidencial. Las nuevas firmas pueden beneficiarse del conocimiento ya codificado a trav茅s de la experiencia de sus empleados, la formaci贸n, los manuales, los cursos, los proveedores, los consultores y otros canales. De este modo, las empresas nuevas y las consolidadas se sit煤an en una posici贸n m谩s equitativa en cuanto a conocimiento organizacional.
C贸mo medir el conocimiento que expande la IA
Para cuantificar el posible aumento de la producci贸n econ贸mica en caso de que las empresas pudieran reducir la brecha de conocimiento, Beraja y Talam脿s han desarrollado una m茅trica que usa datos f谩cilmente disponibles sobre el tama帽o y el ciclo de vida de las empresas. Esta m茅trica se expresa como el cociente entre la producci贸n con tecnolog铆as de codificaci贸n y la producci贸n sin la nueva tecnolog铆a.
A partir de datos del Censo de Estados Unidos de 2023 sobre establecimientos empresariales, los autores estiman que ese cociente para la 别肠辞苍辞尘铆补 estadounidense es de aproximadamente 2. En otras palabras, la codificaci贸n de conocimiento impulsada por la IA tiene el potencial de duplicar la producci贸n econ贸mica agregada a largo plazo.
El horizonte temporal para alcanzar esa duplicaci贸n 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 m谩s expuestos a la IA
Esta m茅trica redibuja el mapa de los sectores m谩s afectados por la IA. Se ha escrito mucho sobre qu茅 empleos son m谩s susceptibles de ser sustituidos por la inteligencia artificial. Sin embargo, esos an谩lisis suelen centrarse en la capacidad t茅cnica de la tecnolog铆a, es decir, en si puede desempe帽ar f谩cilmente el trabajo de un abogado j煤nior o sustituir a los programadores, m谩s que en el valor econ贸mico que genera.
Beraja y Talam脿s concluyen que muchos campos donde los grandes modelos de lenguaje parecen f谩ciles de implantar generan ganancias de valor relativamente modestas, mientras que otros sectores con menor exposici贸n a la IA podr铆an obtener beneficios mayores gracias a un mayor conocimiento codificado. En definitiva, aquello que resulta m谩s sencillo de automatizar mediante IA no siempre es lo que m谩s valor aporta, y viceversa.
A partir de datos censales estadounidenses sobre el tama帽o de las empresas y sus tasas de cierre seg煤n antig眉edad en 80 sectores, el estudio compara el valor de la codificaci贸n con las puntuaciones est谩ndar de exposici贸n de cada industria a los grandes modelos de lenguaje. De ese an谩lisis surgen cuatro categor铆as:
- Alta exposici贸n a la IA y alta creaci贸n de valor. Un reducido grupo de sectores obtiene puntuaciones elevadas tanto en exposici贸n a la IA como en valor generado gracias al mayor conocimiento codificado. Son sectores que aparecen con frecuencia en los estudios sobre adopci贸n de la IA, como la educaci贸n, los servicios profesionales y la intermediaci贸n mayorista, que producen abundantes datos de los que la IA puede aprender, con potencial beneficio para las empresas de nueva incorporaci贸n al mercado.
- Alta exposici贸n a la IA, pero baja creaci贸n 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 creaci贸n de valor significativa. Entre ellos figuran la industria editorial y la sanidad ambulatoria. Muchas tareas est谩n al alcance de los grandes modelos de lenguaje, pero la formaci贸n profesional, los est谩ndares t茅cnicos y los trabajadores con experiencia ya transmiten gran parte del conocimiento relevante entre organizaciones.
- Baja exposici贸n a la IA, pero alta creaci贸n de valor. Son sectores que rara vez aparecen en las listas de industrias m谩s expuestas a la IA, aunque podr铆an obtener algunos de los mayores beneficios gracias a la aceleraci贸n del conocimiento codificado. Entre ellos se encuentran el transporte de mercanc铆as por carretera, la fabricaci贸n de alimentos y la construcci贸n, sectores que generan datos 煤tiles pero donde muchas de las actividades subyacentes siguen siendo f铆sicas y dependientes del contexto.
- Baja exposici贸n a la IA y baja creaci贸n de valor. En algunos sectores, las tareas principales son en gran medida f铆sicas y los oficiales especializados, los mec谩nicos y los maquinistas pueden proporcionar gran parte de la experiencia necesaria. Es el caso de los oficios especializados, los servicios de reparaci贸n y la fabricaci贸n de metal.
Esta es una herramienta radicalmente distinta para medir la IA, una tecnolog铆a que es, en s铆 misa, radicalmente diferente a todo lo anterior. Complementa otras m茅tricas, utiliza datos sobre el ciclo de vida de las empresas que ya se recopilan en numerosos pa铆ses y abre paso a que los economistas empiecen a comprender de qu茅 modos la inteligencia artificial reconfigurar谩 la 别肠辞苍辞尘铆补.
TAMBI脡N PUEDE INTERESARTE:
驴Transformar谩 la IA generativa la deslocalizaci贸n del trabajo del conocimiento?
