Link de origen:
https://www.sinpermiso.info/textos/la-sequia-de-beneficios-de-la-ia-y-las-lecciones-de-la-historia
Al igual que la máquina de vapor, la electricidad y los ordenadores, la inteligencia artificial generativa podría tardar más de lo esperado en transformar la economía.
En un artículo publicado en 1987 en el Times Book Review, Robert Solow, economista del M.I.T. y ganador del Premio Nobel, comentaba: «La era de los ordenadores está presente en todas partes, excepto en las estadísticas de productividad». A pesar del enorme aumento de la potencia informática y de la creciente popularidad de los ordenadores personales, las cifras del Gobierno mostraban que la producción total por trabajador, un factor determinante de los salarios y el nivel de vida, se había estancado durante más de una década. La «paradoja de la productividad», como se llegó a conocer, persistió hasta la década de los noventa y más allá, generando una enorme y poco concluyente bibliografía. Algunos economistas culparon a la mala gestión de la nueva tecnología; otros argumentaron que los ordenadores palidecían en importancia económica en comparación con inventos más antiguos como la máquina de vapor y la electricidad; otros culparon a los errores de medición de los datos y argumentaron que, una vez corregidos, la paradoja desaparecería.
Casi cuarenta años después del artículo de Solow, y casi tres años desde que OpenAI lanzó su chatbot ChatGPT, es posible que nos enfrentemos a una nueva paradoja económica, esta vez relacionada con la inteligencia artificial generativa. Según una encuesta reciente realizada por economistas de Stanford, Clemson y el Banco Mundial, en junio y julio de este año, casi la mitad de los trabajadores —el 45,6 %, para ser precisos— utilizaban herramientas de IA. Sin embargo, un nuevo estudio realizado por un equipo de investigadores asociados al Media Lab del MIT revela que «a pesar de los 30 000-40 000 millones de dólares invertidos por las empresas en GenAI, este informe descubre un resultado sorprendente: el 95 % de las organizaciones no obtienen ningún rendimiento».
Los autores del estudio examinaron más de trescientas iniciativas y anuncios públicos sobre IA y entrevistaron a más de cincuenta ejecutivos de empresas. Definieron una inversión en IA exitosa como aquella que se había implementado más allá de la fase piloto y había generado algún rendimiento financiero medible o una ganancia notable en la productividad después de seis meses. «Solo el 5 % de los proyectos piloto de IA integrados están obteniendo millones en valor, mientras que la gran mayoría siguen estancados sin un impacto medible en las pérdidas y ganancias», escribieron.
Las entrevistas de la encuesta suscitaron una serie de respuestas, algunas de ellas muy escépticas. «El bombo publicitario en LinkedIn dice que todo ha cambiado, pero en nuestras operaciones no ha habido ningún cambio fundamental», declaró a los investigadores el director de operaciones de una empresa manufacturera de tamaño medio. «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 sean realmente útiles. El resto son envoltorios o proyectos científicos».
Sin duda, el informe señala que algunas empresas han realizado inversiones exitosas en IA. Por ejemplo, destaca la eficiencia generada por herramientas personalizadas destinadas a las operaciones administrativas, y señala: «Estos primeros resultados sugieren que los sistemas con capacidad de aprendizaje, cuando se dirigen a procesos específicos, pueden aportar un valor real, incluso sin una reestructuración organizativa importante». La encuesta también cita algunas empresas que informan de «una mejora en la retención de clientes y la conversión de ventas gracias a la automatización de la comunicación y a 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 empresas están luchando por obtener rendimientos sustanciales coincide con otra encuesta reciente, realizada por Akkodis, una consultora multinacional. Tras contactar con más de dos mil ejecutivos de empresas, la consultora descubrió que el porcentaje de directores generales que se muestran «muy confiados» en las estrategias de implementación de IA de sus empresas ha caído del 82 % en 2024 al 49 % este año. La confianza también había disminuido entre los directores de tecnología de las empresas, aunque no en la misma medida. Estos acontecimientos «pueden reflejar los resultados decepcionantes de anteriores iniciativas digitales o de IA, los retrasos o fracasos en la implementación, así como las preocupaciones en torno a la escalabilidad», según la encuesta de Akkodis.
La semana pasada, las noticias en los medios de comunicación sobre el estudio del M.I.T. Media Lab coincidieron con una caída de las acciones de gran valor relacionadas con la IA, entre ellas Nvidia, Meta y Palantir. Por supuesto, la correlación no implica causalidad, y los recientes comentarios de Sam Altman, director ejecutivo de OpenAI, pueden haber influido más en la venta masiva, que sin duda era inevitable en algún momento, dados los recientes aumentos de precios. En una cena con periodistas, Altman dijo que las valoraciones eran «una locura» y utilizó el término «burbuja» tres veces en quince segundos, según informó la CNBC.
Aun así, el estudio del MIT atrajo mucha atención y, tras la avalancha inicial de noticias sobre la investigación, surgió un informe según el cual el Media Lab, que tiene vínculos con muchas empresas tecnológicas, estaba restringiendo discretamente el acceso al mismo. Los mensajes que dejé en la oficina de comunicación de la organización y a dos de los autores del informe no obtuvieron respuesta.
Aunque el informe es más matizado que algunas noticias, sin duda plantea preguntas sobre la gran narrativa económica que ha sustentado el auge tecnológico desde noviembre de 2022, cuando OpenAI lanzó ChatGPT. La versión resumida de esta narrativa es que la difusión de la IA generativa en toda la economía sería perjudicial para los trabajadores, en particular para los trabajadores del conocimiento, pero muy beneficiosa para las empresas y sus accionistas, ya que generaría un gran aumento de la productividad y, por extensión, de los beneficios.
Una posible razón por la que esto no parece haber sucedido todavía recuerda la sugerencia de que los fallos de gestión limitaron los beneficios de la productividad de los ordenadores en los años ochenta y principios de los noventa. El estudio del Media Lab descubrió que algunas de las inversiones en IA más exitosas fueron realizadas por empresas emergentes que utilizan herramientas altamente personalizadas en áreas específicas de los procesos de flujo de trabajo. Al otro lado de la «brecha de la IA genérica», el estudio señalaba a startups menos exitosas que «o bien creaban herramientas genéricas o bien intentaban desarrollar capacidades internamente». En términos más generales, el informe afirmaba que la división entre el éxito y el fracaso «no parece estar determinada por la calidad del modelo o la regulación, sino por el enfoque».
Es posible que la novedad y la complejidad de la IA generativa estén frenando a algunas empresas. Un estudio reciente de la consultora Gartner reveló que menos de la mitad de los directores ejecutivos confían en que sus directores de información sean «expertos en IA». Pero hay otra posible explicación para los decepcionantes resultados destacados en el informe del Media Lab: para muchas empresas consolidadas, la IA generativa, al menos en su forma actual, simplemente no es todo lo buena que se esperaba. «Es excelente para la lluvia de ideas y los primeros borradores, pero no retiene el conocimiento de las preferencias de los clientes ni aprende de las ediciones anteriores», afirmó uno de los encuestados por el Media Lab. «Repite los mismos errores y requiere una gran cantidad de información contextual en cada sesión. Para trabajos de alto riesgo, necesito un sistema que acumule conocimientos y mejore con el tiempo».
Por supuesto, hay muchas personas que encuentran útil la IA, y hay pruebas académicas que lo respaldan: en 2023, dos economistas del M.I.T. descubrieron que la exposición a ChatGPT permitía a los participantes en un ensayo aleatorio completar «tareas de redacción profesional» más rápidamente y mejoraba la calidad de su redacción. Ese mismo año, otros equipos de investigación identificaron resultados que mejoraban la productividad de los programadores informáticos que utilizaban Copilot de Github y de los agentes de atención al cliente que tenían acceso a herramientas de IA patentadas. Los investigadores del Media Lab descubrieron que muchos trabajadores utilizan sus herramientas personales, como GPT o Claude, en su trabajo; el informe se refiere a este fenómeno como la «economía de la IA en la sombra» y comenta que «a menudo ofrece un mejor retorno de la inversión» que las iniciativas de los empleadores. Pero la pregunta sigue ahí, y es una que los altos ejecutivos de las empresas seguramente se harán con más frecuencia: ¿por qué no hay más empresas que hayan visto este tipo de beneficios reflejados en sus resultados?
Parte del problema puede ser que la IA generativa, por muy notable que sea, tiene una aplicación limitada en muchos sectores de la economía. En conjunto, el ocio y la hostelería, el comercio minorista, la construcción, el sector inmobiliario y el sector de los cuidados (cuidado de niños y de personas mayores o enfermas) emplean a unos cincuenta millones de estadounidenses, pero no parecen candidatos inmediatos para una transformación mediante la IA.
Otra cosa importante que hay que tener en cuenta es que la adopción de la IA en toda la economía podría ser un proceso largo. En Silicon Valley, a la gente le gusta ir rápido y romper cosas. Pero la historia económica nos dice que incluso las tecnologías más transformadoras, a las que los economistas se refieren como tecnologías de uso general, no pueden explotarse al máximo hasta que se desarrollan las infraestructuras, las habilidades y los productos que las complementan. Y esto 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 de Gran Bretaña seguían funcionando con ruedas hidráulicas, en parte porque era difícil transportar el carbón para las máquinas de vapor. Esto no cambió hasta el desarrollo de los ferrocarriles de vapor a principios del siglo XIX. La electricidad también se extendió lentamente y no provocó inmediatamente un aumento de la productividad en toda la economía. Como señaló Solow, el desarrollo de los ordenadores siguió el mismo patrón. (Entre 1996 y 2003, el crecimiento de la productividad en toda la economía finalmente aumentó, lo que muchos economistas atribuyeron al efecto retardado de la tecnología de la información. Sin embargo, posteriormente volvió a caer).
En algunos casos, según los economistas, las nuevas tecnologías pueden incluso reducir el crecimiento de la productividad, ya que son muy disruptivas y difíciles de incorporar a las formas de hacer las cosas existentes. Solo más tarde se aprecian las ganancias de productividad, un patrón conocido como «curva en J». A principios de este año, cuatro economistas de diversas instituciones publicaron un artículo en el que argumentaban que la industria manufacturera estadounidense podría encontrarse ahora en la parte descendente de la curva en J de la IA. Tras examinar los datos a nivel de empresa sobre la adopción de la IA que recopilaron en colaboración con la Oficina del Censo, los economistas afirmaron haber encontrado pruebas de que «las pérdidas de rendimiento a corto plazo preceden a las ganancias a largo plazo». En un artículo sobre esta investigación publicado por la Sloan School of Management del MIT, una de sus autoras, Kristina McElheran, profesora de la Universidad de Toronto, escribió: «La IA no es plug and play. Requiere un cambio sistémico, y ese proceso introduce fricciones, especialmente para las empresas consolidadas».
Si se toma esta tesis al pie de la letra, en última instancia es optimista para las empresas, aunque no necesariamente para los trabajadores cuyas habilidades pueden ser replicadas por la IA (como ya están descubriendo algunos programadores principiantes, estos últimos tienen motivos de sobra para alarmarse). En la curva J de la tecnología, una vez superadas las «fricciones», la productividad despega. Pero, dado que el recorrido por la curva puede ser largo, es difícil predecir qué empresas saldrán ganando y cuáles perdiendo. Durante la comercialización de Internet, muchos de los ganadores definitivos no surgieron hasta después del estallido de la burbuja puntocom, en 2000. (Google se fundó en 1998, pero no salió a bolsa hasta 2004. Facebook no se creó hasta 2004, y Airbnb, hasta 2008). No hay garantía de que la historia se repita. Pero los inversores que siguen aprovechando el auge de la IA harían bien en cobrar algunas de sus fichas.
Fuente:
Comentarios
Publicar un comentario