En un artículo de 1987 en The Times Book Review, Robert Solow, un economista ganador del Nobel en el MIT, comentó: “Puedes ver la era de la computadora en todas partes excepto en las estadísticas de productividad”. A pesar de los aumentos masivos en el poder informático y la creciente popularidad de las computadoras personales, las cifras del gobierno mostraron que la producción general por trabajador, un determinante clave de los salarios y los niveles de vida, se había estancado durante más de una década. La “paradoja de la productividad”, como llegó a ser conocida, persistió en los diecinueve novecientos y más allá, generando un cuerpo de literatura enorme e incompleto. Algunos economistas culparon a la mala gestión de la nueva tecnología; Otros argumentaron que las computadoras palidecían en importancia económica en comparación con los inventos más antiguos, como la máquina de vapor y la electricidad; Otros culparon a los errores de medición en los datos y argumentaron que una vez que se corrigieron, la paradoja desapareció.
Casi cuarenta años después del artículo de Solow, y casi tres años desde que Operai lanzó su chatgpt chatbot, podemos enfrentar una nueva paradoja económica, esta involucra inteligencia artificial generativa. Según una encuesta reciente realizada por economistas en Stanford, Clemson y el Banco Mundial, en junio y julio de este año, casi la mitad de todos los trabajadores, 45.6 por ciento, ser precisos, estaban utilizando herramientas de IA. Y, sin embargo, un nuevo estudio, de un equipo de investigadores asociados con el Laboratorio de Medios del MIT, informa: “A pesar de $ 30 – $ 40 mil millones en inversión empresarial en Genai, este informe descubre un resultado sorprendente en que el 95% de las organizaciones obtienen un rendimiento cero”.
Los autores del estudio examinaron más de trescientas iniciativas y anuncios públicos de IA, y entrevistaron a más de cincuenta ejecutivos de la compañía. Definieron una exitosa inversión de IA como una que se había desplegado más allá de la fase piloto y había generado un rendimiento financiero medible o una marcada ganancia en la productividad después de seis meses. “Solo el 5% de los pilotos de IA integrados están extrayendo millones de valor, mientras que la gran mayoría permanece atascada sin P&L medible” —Profit-and-MoSs— “Impacto”, escribieron.
Las entrevistas de la encuesta provocaron una variedad de respuestas, algunas de las cuales fueron altamente escépticas. “La exageración en LinkedIn dice que todo ha cambiado, pero en nuestras operaciones, nada fundamental ha cambiado”, dijo el director de operaciones de una empresa de fabricación mediana a los investigadores. “Estamos procesando algunos contratos más rápido, pero eso es todo lo que ha cambiado”. Otro encuestado comentó: “Hemos visto docenas de demostraciones este año. Quizás una o dos son realmente útiles. El resto son envoltorios o proyectos científicos”.
Sin duda, el informe señala que algunas empresas han realizado inversiones exitosas de IA. Por ejemplo, destaca las eficiencias creadas por herramientas personalizadas dirigidas a las operaciones de back-office, señalando: “Estos primeros resultados sugieren que los sistemas con capacidad de aprendizaje, cuando están dirigidos a procesos específicos, pueden ofrecer un valor real, incluso sin una reestructuración organizacional importante”. La encuesta también cita a algunas empresas que informan “la retención mejorada de los clientes y la conversión de ventas a través de la divulgación automatizada y los sistemas de seguimiento inteligentes”, lo que sugiere que los sistemas de IA podrían ser útiles para el marketing.
Pero la idea de que muchas compañías están luchando por lograr rendimientos sustanciales con otra encuesta reciente, por parte de Akkodis, una firma de consultoría multinacional. Después de contactar a más de dos mil ejecutivos de negocios, la firma descubrió que el porcentaje de CEO que están “muy seguros” en las estrategias de implementación AI de su empresa ha caído del ochenta y dos por ciento en 2024 a cuarenta y nueve por ciento este año. La confianza también había caído entre los directores de tecnología corporativos, aunque no tanto. Estos desarrollos “pueden reflejar resultados decepcionantes de intentos anteriores de iniciativas digitales o de IA, demoras o fallas en la implementación, así como preocupaciones sobre la escalabilidad”, dijo la encuesta de Akkodis.
La semana pasada, las cuentas de los medios del estudio MIT Media Lab coincidieron con una caída en acciones altamente valoradas asociadas con IA, incluidas Nvidia, Meta y Palantir. La correlación no es la causalidad, por supuesto, y los comentarios recientes de Sam Altman, el director ejecutivo de OpenAI, pueden haber jugado un papel más importante en la venta masiva, que seguramente era inevitable en algún momento, dados los recientes aumentos de precios. En una cena con los periodistas, Altman dijo que las valoraciones estaban “locas” y usaron el término “burbuja” tres veces en quince segundos, informó CNBC.
Aún así, el estudio del MIT atrajo mucha atención, y después de la serie inicial de noticias sobre la investigación, surgió un informe de que el laboratorio de medios, que tiene vínculos con muchas compañías de tecnología, estaba restringiendo silenciosamente el acceso a él. Los mensajes que me fui con la oficina de comunicaciones de la organización y dos de los autores del informe quedaron sin retorno.
Aunque el informe es más matizado que la cobertura de noticias realizada, ciertamente plantea preguntas sobre la gran narrativa económica que ha apuntalado el auge de la tecnología desde noviembre de 2022, cuando Operai lanzó ChatGPT. La versión corta de esta narrativa es que la difusión en toda la economía de la IA generativa sería mala para los trabajadores, particularmente los trabajadores del conocimiento, pero excelente para las empresas y sus accionistas, porque generaría un gran salto en la productividad y, por extensión, las ganancias.
Una posible razón por la que esto no parece haber sucedido, pero recuerda la sugerencia de que las fallas de gestión estaban restringiendo los beneficios de productividad de las computadoras en los años diecinueve ochenta y principios de los noventa. El estudio del laboratorio de medios encontró que algunas de las inversiones de IA más exitosas fueron realizadas por nuevas empresas que utilizan herramientas altamente personalizadas en áreas estrechas de procesos de flujo de trabajo. En el otro lado de la “Divide Genai”, el estudio señaló que las startups menos exitosas que estaban “construyeron herramientas genéricas o intentaban desarrollar capacidades internamente”. En términos más generales, el informe dijo que las divisiones entre el éxito y el fracaso “no parecen estar impulsadas por la calidad o la regulación del modelo, sino que parece estar determinadas por el enfoque”.
Posiblemente, la novedad y la complejidad de la IA generativa pueden estar reteniendo a algunas empresas. Un estudio reciente, de la firma de consultoría Gartner, encontró que menos de la mitad de los CEO confían en que sus principales oficiales de información son “expertos en AI”. Pero hay otra posible explicación para el registro decepcionante destacado en el informe del laboratorio de medios: para muchas empresas establecidas, la IA generativa, al menos en su encarnación actual, simplemente no es todo lo que se ha roto. “Es excelente para la lluvia de ideas y los primeros borradores, pero no conserva el conocimiento de las preferencias del cliente ni aprende de ediciones anteriores”, dijo un encuestado de la encuesta de laboratorio de medios. “Repita los mismos errores y requiere una amplia entrada de contexto para cada sesión. Para el trabajo de alto riesgo, necesito un sistema que acumule el conocimiento y mejore con el tiempo”.
Por supuesto, hay muchas personas que consideran útil la IA, y hay evidencia académica para respaldar esto: en 2023, dos economistas del MIT descubrieron que la exposición a ChatGPT permitió a los participantes en un ensayo aleatorizado para completar “tareas de escritura profesional” más rápidamente y mejorar la calidad de sus escritos. El mismo año, otros equipos de investigación identificaron resultados para mejorar la productividad para los programadores de computadoras que utilizaron el copiloto de GitHub y para los agentes de apoyo al cliente que recibieron acceso a herramientas de IA patentadas. Los investigadores del laboratorio de medios encontraron que muchos trabajadores están utilizando sus herramientas personales, como GPT o Claude, en sus trabajos; El informe se refiere a este fenómeno como la “economía de IA en la sombra” y comenta que “a menudo ofrece un mejor ROI” que las iniciativas de los empleadores. Pero la pregunta sigue siendo, y es una que los ejecutivos corporativos superiores seguramente preguntarán con más frecuencia: ¿por qué no han visto más empresas este tipo de beneficios que se alimentan hasta el resultado final?
Parte del problema puede ser que la IA generativa, notable que sea, tiene una aplicación limitada en muchas partes de la economía. Tomados en conjunto, ocio y hospitalidad, comercio minorista, construcción, bienes raíces y el sector de la atención, el sector de los hijos y el cuidado de personas que son viejas o enfermas, emplean unos cincuenta millones de estadounidenses, pero no parecen candidatos inmediatos para una transformación de IA.
Otra cosa importante a tener en cuenta es que la adopción de IA en toda la economía podría ser un proceso largo. En Silicon Valley, a la gente le gusta moverse rápido y romper las cosas. Pero la historia económica nos dice que incluso las tecnologías más transformadoras, que los economistas llaman tecnologías de uso general, no pueden ser explotadas con el máximo efecto hasta que se desarrollen infraestructura, habilidades y productos que pueden complementarlas. Y este puede ser un proceso largo. El inventor escocés James Watt inventó su máquina de vapor cilíndrica en 1769. Treinta años después, la mayoría de las fábricas de algodón en Gran Bretaña todavía estaban impulsadas por ruedas de agua, en parte porque era difícil transportar carbón para su uso en máquinas de vapor. Eso no cambió hasta el desarrollo de ferrocarriles con impulsos de vapor a principios del siglo XIX. La electricidad también se propagó lentamente y no condujo inmediatamente a un brote de toda la economía en el crecimiento de la productividad. Como señaló Solow, el desarrollo de computadoras siguió el mismo patrón. (De 1996 a 2003, el crecimiento de la productividad en toda la economía finalmente aumentó, lo que muchos economistas atribuyeron al efecto retrasado de la tecnología de la información. Sin embargo, posteriormente, se retrasó).
