Impacto de la IA en los Negocios: Las áreas clave

Pocos discutirían que la IA tiene consecuencias significativas para los negocios. Para analizarlas, nos centraremos en tres áreas clave: los puestos de trabajo, la desigualdad y la competencia.

La Inteligencia Artificial (IA) ha avanzado rápidamente en los últimos años. Y, a medida que la tecnología siga mejorando, es muy probable que tenga un impacto sustancial en la economía. Como resultado, los gobiernos y empresas del mundo dedican abundantes recursos a la inversión en tecnología.

El debate económico en torno a la IA 

Hay dos elementos distintos a resaltar en la visión pesimista sobre la IA:

1. Reemplazará puestos de trabajo, dejando poco que hacer a los humanos.
Personajes públicos como Elon Musk, Stephen Hawking advierten que la IA podría hacer que pocas compañías dominen el mundo. Quedando así, pocos trabajos para los humanos y aumentando la desigualdad. Vladimir Putin pronosticó: “Quienquiera que se convierta en el líder en esta esfera, se convertirá en el gobernante del mundo”. 

2. No será tan influyente como las tecnologías de 1870-1970. Tendrá un impacto relativamente pequeño en la sociedad.
Robert Gordon opina diferente, no se preocupa porque la IA provoque un cambio rápido y drástico de la sociedad. Considera poco probable que inventos del futuro igualen el impacto de inventos del período 1870 y 1970. Estima, podría mejorar la productividad, de manera que las personas tendrán muchos ingresos y poco trabajo desagradable por hacer. 

Por otro lado, también existe una visión optimista sobre la IA:

Un investigador señaló que las predicciones pesimistas no pueden ser ambas correctas; y aún mejor, ambas podrían ser erróneas. Entonces, si la IA es tan eficiente como para reemplazar a los humanos, será transformadora. Y, si no es transformadora, entonces, por definición, tendrá poco impacto.

Si IA mejora la productividad, la preocupación debería ser que se difunda lentamente, no rápido. Al mismo tiempo, su impacto no afectará a todos por igual.

Sin importar la postura, no hay duda de que las políticas que vendrán determinarán cómo nos afectará la IA.

La IA y los trabajos

Los asuntos clave pueden ser resumidos en dos preguntas:

– Con respecto al empleo: si los robots hacen nuestro trabajo, ¿podremos encontrar nuevas formas de emplear el tiempo?
– Relacionado a los salarios: ¿podremos encontrar una distribución justa y estable de los ingresos?

Ahora abordaremos algunas de las cuestiones clave relacionadas con estas preguntas:

Si una tecnología puede hacer lo que hace un trabajador pero mejor, entonces, ¿qué hará ese trabajador?. Para los economistas del MIT Daron Acemoglu y Pascual Restrepo, cada trabajo puede descomponerse en diferentes tareas particulares. En consecuencia, el impacto de la IA en los trabajos dependerá de las tareas que reemplace. Argumentan que esto provocará dos efectos: un “efecto de desplazamiento”, a medida que las máquinas se encarguen de tareas humanas. Y, un “efecto de expansión”, creando tareas en las que la mano de obra tiene ventaja, sobre las máquinas.

Si bien estos descubrimientos sugieren, a largo plazo, un mensaje optimista, la adaptación puede resultar lenta. Por ende, es probable que veamos a corto y medio plazo un desajuste entre habilidades y tecnologías.

Por lo tanto, las preguntas clave de las políticas con respecto a la IA y los puestos de trabajo se relacionan con el ciclo económico y la política educativa. 

Para hacer frente al ciclo económico, no es probable que las políticas relacionadas con la IA sean notablemente distintas. Los despidos potenciales concentrados en tiempo y ubicación no son exclusivos de la IA. Ésta fue una característica de la automatización de las fábricas y la mecanización de la agricultura.

En cuanto a la política educativa del futuro:

Según Manuel Trajtenberg, se necesitan tres tipos de habilidades: el pensamiento analítico y creativo, la comunicación interpersonal y el control emocional. Recalca el papel del juicio humano, que define como “la capacidad de identificar qué hacer con una predicción”. En negocios, sería la habilidad de conocer los objetivos de una organización y traducirlos en datos que se puedan recopilar.

Para David J. Deming, una posibilidad alternativa son las habilidades sociales. Ya que, si las máquinas realizarán tareas más técnicas y predictivas, los humanos podrían motivar y consolar a otros humanos.

Otros investigadores hacen hincapié en la habilidad de decirles a las máquinas qué optimizar. Esto requerirá entender las posibilidades de las máquinas y los objetivos de la organización. Como resultado, se combinarían habilidades técnicas y sociales.

Si los buenos trabajos y el crecimiento económico continuo requerirán habilidades técnicas, sociales o algo más, dependerá de los sectores que constituyan la mayor proporción de la economía.

William Baumol en su trabajo sobre “la enfermedad de los costes” proporciona información sobre los límites del crecimiento. Constreñido por cosas importantes que son difíciles de mejorar, por lo que los sectores que experimenten un rápido crecimiento de la productividad verán disminuir su participación en el PIB. Es decir, los sectores que adopten la IA de forma rápida y eficaz jugarán un papel decreciente en la economía.

Como se ha indicado, esto aumenta la probabilidad de pérdida de empleos a corto plazo. Surgiendo la pregunta de qué habilidades serán las más necesarias para un crecimiento económico fuerte. Los sectores de más rápido crecimiento, puede que no sean aquellos que mejor utilizan la IA. Es decir, muchos de los empleos del futuro podrían estar en los sectores donde la IA tiene un menor impacto.

Por supuesto, no está claro cómo evolucionará esto exactamente. El premio nobel de Economía Daniel Kahneman argumenta que, probablemente, las máquinas sean más inteligentes emocionalmente. Porque es relativamente fácil predecir las reacciones humanas ante ciertos estímulos (las máquinas no se enfadan, no tienen hambre ni se conmueven). Ante este panorama, otras habilidades serían las fundamentales para los humanos.

Un tema importante en la política educativa es si el modelo actual seguirá siendo óptimo. Si la IA capacita a las máquinas para “aprender”, los humanos se enfrentarán a la necesidad de cambiar constantemente. Para obtener las habilidades requeridas y ser empleables, tendremos que repensar la estructura de la educación. Por ejemplo, a través de un modelo de aprendizaje continuo durante la edad adulta.

Una cosa está clara: las políticas de educación deberán adaptarse a la IA. A través de las habilidades que se enseñan o la estructura del sistema de prestación de la enseñanza.

Como ha señalado la economista Betsey Stevenson, también hay una cuestión política más amplia sobre el significado del trabajo. Durante el siglo pasado, muchas sociedades optaron por gastar su mayor riqueza en ocio. La medida de horas trabajadas a la semana se redujeron y, la jubilación se convirtió en una etapa de la vida anhelada.

Si la IA aumenta la riqueza, podría abrir la posibilidad de que se produjeran aún más reducciones en el trabajo. Aumentaría el ocio, y eso sería diferente a una pérdida de puestos de trabajo. Por lo tanto, un desafío clave para la sociedad podría ser definir la “importancia” del empleo a tiempo completo.

Lee también: ¿Por qué 465analytics es la mejor opción para Pymes en análisis de datos?

La IA y la desigualdad

Aunque las perspectivas a largo plazo para el empleo y el crecimiento general son realmente positivas, varios economistas han seguido enfatizando que la IA puede aumentar la desigualdad. Hay dos grandes razones para ello:

1. Como ha destacado el economista de Harvard, Jason Furman, la IA relacionada con ordenadores e Internet podría tener como resultado un sesgo de habilidad, en el sentido de que es probable que aumenten de manera desproporcionada los salarios de las personas con educación superior (e, incluso, que disminuyan los salarios de los menos preparados).

Uno de los estudios del profesor Furman descubrió que las proyecciones actuales de pérdida de puestos de trabajo son mucho más elevadas para los empleos de salarios bajos y los trabajos que requieren menos preparación.

Según Furman, ya que las personas con educación superior son mejores aprendiendo nuevas habilidades y que las habilidades requeridas para tener éxito con la IA irán cambiando con el tiempo, los mejor preparados se beneficiarán de manera desproporcionada. 

La política de soluciones más directa sobre este asunto está relacionada con la educación: si las personas con mayor educación serán las que más se beneficien, la conclusión que parece lógica es extender más la educación y crear más individuos altamente cualificados.

Sin embargo, esta lógica solo funcionaría si todas las personas tuvieran la misma probabilidad de beneficiarse de la educación. Por el contrario, si el sesgo de habilidad está generado por alguna habilidad relacionada con –pero no causada completamente por– la educación, entonces la recomendación política de “más educación” podría fracasar. En el contexto de la IA, este es un asunto que sigue abierto y que requiere más investigación. 

También es posible que ocurra lo contrario. Como demostramos en nuestro libro Prediction Machines: The Simple Economics of Artificial Intelligence, los recientes avances en IA deberían verse como mejoras en la tecnología de predicción. En muchos de los empleos mejor pagados de la actualidad –desde doctores en Medicina hasta analistas financieros–, la predicción es el núcleo del trabajo. Por ejemplo, un aspecto clave para la mayoría de los médicos es el diagnóstico.

Muchos de los otros aspectos de la atención médica están desempeñados por trabajadores de más baja remuneración. En su núcleo, el diagnóstico es una cuestión de predicción: se recogen datos sobre los síntomas y se completa la información que falta sobre la causa de esos síntomas. Si la predicción es la tarea más valorada en muchos empleos con salarios altos, entonces, la difusión de la IA podría conducir a un proceso de descualificación y a una desigualdad reducida. 

Si bien este escenario es posible, no creemos que sea probable. En el pasado, a medida que la tecnología iba automatizando ciertos aspectos del trabajo, los empleados altamente cualificados iban siendo capaces de aprender nuevas habilidades, mientras que, para los trabajadores menos cualificados, esto era un desafío más grande.

La contabilidad nos muestra un ejemplo útil: los contables solían pasar gran parte de su tiempo sumando columnas de números. Las calculadoras –y luego los ordenadores– redujeron drásticamente el tiempo que pasaban haciendo operaciones aritméticas, pero entonces los contables aprendieron una nueva serie de habilidades que implicaban aprovechar la eficacia aritmética que proporcionaban las máquinas.

Por el contrario, los obreros de las fábricas han tenido más dificultades para adaptarse a la automatización de estas. Si bien hay toda una serie de razones para esto, un asunto fundamental es el desafío que supone aprender nuevas habilidades para las personas que no han pasado su vida adulta centradas en hacerlo. 

2. La desigualdad podría aumentar debido a una mayor presencia del capital en la economía, como señala el economista francés Thomas Piketty. Hay muchas evidencias de que la participación del empleo en el PIB está disminuyendo.

Si la IA es una nueva y eficiente forma de capital, entonces parece probable que la participación del capital aumente a expensas del trabajo, como han indicado el economista de la Universidad de Columbia Jeffrey Sachs y otros. 

Las políticas dirigidas a afrontar las consecuencias de la desigualdad de la IA implican grandes cambios en la red de seguridad social. Una política que ha sido ampliamente debatida es la tributación del capital.

Bill Gates ha pedido que se tase con impuestos a los robots, aunque los modelos estándares sugieren que una política de este tipo conduciría a una menor inversión, un crecimiento más lento de la productividad y una sociedad, en general, más pobre.

Profundizando en los argumentos estándares, el premio nobel Joseph Stiglitz y el economista de la Universidad de Virginia Anton Korinek han ofrecido modelos de las condiciones bajo las cuales la tributación del capital podría reducir la desigualdad sin causar estancamiento económico.

Primero muestran que, mientras exista un factor de producción necesario pero fijo (como los materiales), gravar ese factor puede permitir la redistribución sin crear distorsiones.

En segundo lugar muestran que, mientras la elasticidad de la oferta del capital sea lo suficientemente baja, una combinación de derechos de propiedad intelectual e impuestos sobre el capital puede permitir la redistribución con distorsiones mínimas. 

Una segunda política que ha recibido muchísima atención es la idea de una “renta básica universal”, que proporcionaría un subsidio regular e incondicional a cada individuo de la sociedad. Jason Furman y Robert Seamans sostienen que una renta básica universal es probable que aumente la desigualdad. porque se repartiría a todos los miembros de la sociedad, independientemente de sus ingresos, en contraposición al sistema actual, en el que las subvenciones se dirigen a la mitad inferior de la distribución de ingresos.

Además, como ha argumentado el economista de la Universidad de Chicago Austan Goolsbee, una renta básica universal podría reducir la participación en el mercado laboral entre los integrantes de los grupos de salarios bajos.

IA y competencia

Actualmente, las compañías líderes en IA son grandes en cuanto a ingresos, ganancias y, especialmente, capitalización bursátil. Esto ha llevado a un aumento, por parte de gobiernos y la prensa generalista, del escrutinio antimonopolio de las principales empresas de tecnología. Gran parte de este escrutinio antimonopolio se centra en el papel de estas empresas como “plataformas”.

Nos centraremos en la característica más relevante para la defensa de la competencia de la IA: el papel de los datos.

El economista jefe de Google, Hal Varian, ha hecho hincapié en que los datos son un recurso escaso que ofrece rendimientos decrecientes a escala en un sentido técnico. La precisión de la predicción aumenta, teóricamente, en la raíz cuadrada del número de observaciones, sugiriendo una relación cóncava entre la cantidad de datos y su valor para mejorar las predicciones.

Con este argumento, como defiende el economista de la Universidad de Washington Patrick Bajari, es poco probable que la IA genere preocupaciones antimonopolio.

Una perspectiva más dinámica insinúa que puede haber economías de escala en cuanto al valor comercial de los datos. En particular, si una pequeña ventaja en la calidad lleva a tomar una gran ventaja en el número de consumidores. Entonces podría cerrarse un círculo en el que una ligera ventaja en los datos permitiría a la empresa recopilar más y mejores datos. De esta manera, se reforzaría esa ventaja y se aseguraría el dominio conforme pasa el tiempo.

Así, aunque pueda haber rendimientos de escala decrecientes en un sentido técnico, puede haber rendimientos de escala crecientes en el valor económico de los datos. En tales situaciones, con el paso del tiempo, la difusión de la IA puede sugerir un incremento en la importancia de la aplicación de la ley antimonopolio.

Finalmente, Ariel Ezrachi y Maurice E. Stucke, han presentado una arriesgada especulación acerca de su inquietud antimonopolio con respecto a la IA en su libro Virtual Competition: The Promise and Perils of the Algorithm-Driven Economy: que las empresas implementen algoritmos programados para aprender a fijar precios en la competencia oligopolística con otras empresas y sus algoritmos.

Es posible que las tecnologías de IA que compitan entre sí –si se les da el objetivo de maximizar los beneficios a largo plazo– aprendan a confabularse tácitamente. Nosotros recalcamos, sin embargo, que esto sigue siendo una arriesgada especulación.

Las IA actuales que operan en frentes distintos simultáneamente lo hacen, todavía, en entornos con un espacio de acción limitado, a diferencia del amplio espacio que abarcan los precios. Una aplicación más probable es que las autoridades antimonopolio puedan implementar técnicas de IA para identificar comportamientos conspirativos.

Para concluir

La investigación que se resume aquí aclara tres cosas: a medida que la IA se difunda en el conjunto de nuestra economía, tendrá consecuencias importantes para los puestos de trabajo, la desigualdad y la competencia.

Mirando más adelante, tanto el diseño de políticas como la estrategia empresarial deberían centrarse en alcanzar el equilibrio deseado entre fomentar su difusión y no comprometer los valores sociales. 

Si bien abordar estas consecuencias será tarea de las políticas educativas, la red de seguridad social y la aplicación de las leyes antimonopolio, los líderes empresariales deben tener cuidadosamente en cuenta su propio impacto a medida que toman decisiones que tengan consecuencias a largo plazo para la sociedad.

Nota
Ajay Agrawal, Joshua Gans y Avi Goldfarb son coautores de Prediction Machines: The Simple Economics of Artificial Intelligence (Harvard Business Review Press, 2018). Este artículo es una adaptación de su artículo científico “Economic Policy for Artificial Intelligence”, que se publicó en Innovation Policy and the Economy (University of Chicago Press, 2019).
– “Cómo afectará la inteligencia artificial a los negocios: lo que los líderes necesitar saber”. © Rotman School of Management. Este artículo apareció anteriormente en Rotman Management, revista publicada por la Rotman School of Management de la Universidad de Toronto (www.rotmanmagazine.ca), con el título “How Artificial Intelligence Will Affect Business: What Leaders Need to Know”.

¿Te gustaría conocer más? 🗓️ Programemos un cita:

https://calendly.com/karen465/30min

¿Dudas? Contáctanos

Estaremos felices de conversar contigo.

+54 9 362 547-4402

+54 9 362 547-4402

🎉

¡Nos renovamos!

Ahora somos 360 Analytics.
Evolucionamos para ofrecerte una mejor experiencia.

Te vamos a redirigir a nuestro nuevo sitio en..

Segundos