La IA no es nada nuevo. La teoría detrás de ella se ha estado desarrollando desde la década de 1950, cuando Alan Turning propuso por primera vez su prueba de Turing¹, cuya meta era evaluar objetivamente la capacidad de una máquina para mostrar comportamiento inteligente. Ha atravesado períodos de excitación tras los avances en matemáticas y ciencias de la computación y depresión (así como ciclos en la financiación de la investigación básica).

Puede parecer que los últimos meses nos han traído avances significativos en el área, especialmente en el ámbito de los modelos de grandes idiomas (LLM) como los que sustentan a ChatGPT - el chatbot desarrollado por la empresa de investigación de IA con sede en San Francisco OpenAI - que pasó la prueba de rotación mencionada anteriormente. Sin embargo, las matemáticas que sustentan estos modelos (el Teorema de Aproximación Universal ²)) se demostraron 33 años antes -en 1989- y la industria tardó 30 años en superar los tres factores más significativos y limitantes:

• Datos: La formación de estos modelos requiere conjuntos de datos muy grandes, relativamente escasos en forma estructurada. Pero ahora Internet ofrece una manera de aprovechar enormes cantidades de datos para entrenar algoritmos - una secuencia de instrucciones rigurosas usadas para realizar cálculos, cálculos y procesamiento de datos - para tareas específicas (como LLM).
• Poder informático: Las máquinas actuales son lo suficientemente potentes para manejar el entrenamiento y ejecutar estos algoritmos.
• Cloud (colección distribuida de servidores que albergan software e infraestructura) y semiconductores (materiales que tienen un valor de conductividad eléctrica que cae entre el de un conductor, como el cobre, y un aislante, como el vidrio): Dada la cantidad de datos y potencia necesarios para hacer el trabajo, sólo las infraestructuras en la nube superdimensionadas y eficientes, con chips avanzados, pueden proporcionar el entorno adecuado para construir y entrenar estos algoritmos.

Para las sociedades en general, y para los inversores en particular, es importante comprender cómo funciona la tecnología, cómo interactúa e influye en las economías, las empresas, las instituciones y, en general, en nuestros estilos de vida. Es imposible saber con certeza cómo evolucionará esta tecnología, pero hay dos profundas transformaciones tecnológicas de la historia reciente que podrían tener algunas pistas y ayudar a los inversionistas a aprovechar mejor las oportunidades que seguramente surgirán, al tiempo que se mantienen alejados del himno: El aumento de la productividad y la habilitación de nuevas ideas.

Productividad - ¿esta vez es diferente?

Lo primero que viene a la mente al pensar en la IA es la productividad, y más precisamente el impacto potencial que la IA puede tener en el empleo y en los aumentos de productividad. La relación entre las mejoras tecnológicas y la productividad es bien conocida y no siempre visible en los datos económicos.

El economista ganador del Premio Nobel Robert Solow dijo famosamente que se podía ver la era informática en todas partes, pero en las estadísticas de productividad³. Se suponía que el entusiasmo de las computadoras personales elevaría la productividad de las economías occidentales a niveles más altos y por lo tanto elevaría sus tasas de crecimiento. Ese aumento de la productividad efectivamente ocurrió durante los siguientes 20 a 30 años, pero no hizo mucho para elevar la tasa de crecimiento del PIB⁴. Entonces, ¿ qué es diferente esta vez?

Por un lado, podemos esperar que la automatización de las tareas pueda hacer que los puestos de trabajo sean más productivos, liberando recursos humanos a tareas de mayor valor añadido, aumentando así tanto la producción económica como los salarios. Sin embargo, la automatización y, en general, las transformaciones tecnológicas más profundas, suelen encontrar escepticismo y resistencia al principio, ya que se cree que destruyen puestos de trabajo. Y es claramente algo que podría suceder con la IA.

Sin embargo, esta vez los luditas modernos podrían ser trabajadores de cuello blanco en los sectores de servicios. La idea de que las perturbaciones tecnológicas quitan puestos de trabajo y estilos de vida es tan antigua como el capitalismo mismo. Pero, como explicó el profesor Shiller en su obra Narrative Economics, estas ideas, aunque no están respaldadas por datos científicos, son difíciles de matar y vuelven a resurgir en los debates públicos. Las historias de personas que pierden sus puestos de trabajo y las perspectivas oscurecidas son demasiado vívidas para ser descartadas por los agentes económicos (hogares/individuos/consumidores, empresas, gobiernos y bancos centrales), por lo que existe el riesgo de que la IA se pueda enfrentar con la misma mezcla de entusiasmo y miedo.

¿Robará IA todos nuestros puestos de trabajo?

Un informe de McKinsey⁵ estimó que el cambio de caballos a automóviles a principios del siglo XX fue responsable de la creación de más de seis millones de puestos de trabajo entre 1910 y 1950 (desde el sector del petróleo a la fabricación, desde el servicio del automóvil a las gasolineras y la industria publicitaria). Y ni siquiera estamos contando los miles de empresas que fueron posibles gracias al uso generalizado de automóviles.

Sin embargo, un informe de la Oficina del Censo de Estados Unidos⁶ justo después de la depresión del decenio de 1930 'señala el paso de los caballos a los automóviles como uno de los principales factores agravantes de las depresiones, con implicaciones para el sector agrícola (que perdió sus mejores clientes, ¡ caballos!) a los mercados alimentarios (que vieron una espiral de precios deprimidos a medida que la producción agrícola intentaba encontrar nuevos mercados) a los bancos regionales (cuyos clientes vieron sus márgenes⁷ exprimidos y muchos incumplidos) para finalmente extenderse a otros sectores y al mercado laboral en su conjunto. En total, una pérdida de 13 millones de puestos de trabajo.

En el caso de la IA, todavía no sabemos de qué manera se adoptará la tecnología ni qué efectos puede tener en el mercado laboral. El consenso es que es probable que la aprobación sea lenta, al igual que sus efectos. Parte de la razón de esto es que es muy difícil reconfigurar las empresas de forma que se maximice el potencial de la IA: Equipar a la fuerza de venta con coches en lugar de caballos para aumentar las ventas no es exactamente lo mismo que reorganizar industrias complejas para aprovechar mejor la IA. Además, una parte sustancial de nuestras economías está formada por sectores que serán difíciles de rediseñar (pensar en el sector sanitario, la educación, la hostelería, las artes o los deportes, por ejemplo) de forma que la IA pueda eventualmente aumentar su productividad. Estos son grandes sectores de la economía, y su productividad importa.

Desde un punto de vista más optimista, tras las recientes investigaciones⁸ sobre tecnologías disruptivas, es posible imaginar los cambios de productividad tras la llamada "curva J", es decir, una tendencia que comienza con una fuerte caída y va seguida de un aumento espectacular. Más concretamente, antes de que la tecnología pueda dar resultados positivos, las empresas necesitan invertir dinero y tiempo para desplegar estas herramientas y formar a la mano de obra para que las utilice de manera eficaz. Esto, a su vez, probablemente reducirá su productividad, ya que pasan tiempo en actividades no productivas. Sólo entonces se pueden esperar ganancias económicas y la productividad acabará por aumentar.

¿Qué pasa con la tecnología que permite nuevas ideas?

Si la productividad no es el ángulo correcto para aprehender la IA, otra manera de verlo sería a través de la lente de una tecnología habilitadora. En lugar de hacer cosas que ahora hacemos, más rápido y quizá mejor (lo que sigue siendo posible en algunos casos), la IA puede terminar convirtiéndose en una vía para nuevos servicios que las personas estarán dispuestas a pagar en el futuro, lo que daría lugar a la aparición de nuevas empresas que puedan prestarles servicios. Si esto es cierto, entonces el impacto de IA no acabaría pareciéndose al del coche, sino más bien la energía eléctrica.

La llegada de la energía eléctrica fue un avance definitivo en la historia de la humanidad. También ha permitido que se desarrollen nuevos servicios que los humanos anteriormente no podían soñar, y todavía lo hace. La transformación ha sido enorme y, sin embargo, sólo en términos de creación de empleo, el impacto de la electrificación no ha sido tan importante como el paso de caballos a automóviles. El resultado es que sólo nos damos cuenta de cómo nuestras vidas dependen de ello cuando el poder sale.

¿Puede la revolución de la IA ser tan impactante como la electrificación? O, más precisamente, ¿es IA un nuevo ejemplo de tecnología de propósito general, GPT (no debe confundirse con GPT en ChatGPT)? Se trata de avances tecnológicos que permiten aumentos generalizados de la productividad y el aumento de nuevos servicios e industrias. Para ser considerado un GPT⁹ debe:

1. utilizarse en múltiples sectores, como es el caso de la IA
2. poder mejorarse continuamente, una característica que define a la IA
3. tener el potencial de conducir a la introducción de innovaciones específicas del sector, lo que también se cree que es el caso de la IA.

Si esto es cierto, los beneficios económicos (y las oportunidades financieras para los inversores) podrían derivarse no necesariamente de los proveedores de herramientas de IA, sino de nuevas empresas impulsadas por la IA construidas en torno a necesidades específicas del sector. Al igual que Internet, la innovación que proporciona la web, a su vez nacida de necesidades militares, ha permitido que nuevos negocios aumenten (piensa en Meta, antes Facebook, por ejemplo) una vez que se han desplegado tecnologías intermedias a escala (en este caso, redes móviles rápidas y teléfonos inteligentes). Al final, sin embargo, son las empresas como Meta las que han sido capaces de cosechar los beneficios financieros de la tecnología base (Internet), mientras que las empresas que proporcionan la herramienta para utilizar Internet (como los operadores de redes o las compañías de software de navegadores web) no han tenido tanto éxito¹⁰.

Otra pista que apunta hacia la hipótesis tecnológica de propósito general parece ser el hecho de que las aplicaciones impulsadas por la gripe aviar han sido hasta ahora relativamente favorables al consumidor. Contrariamente, por ejemplo, a la computación cuántica en esta etapa, la explosión en casos de uso de IA y la facilidad con la que la gente rápidamente se acostumbra a ella es evidente. Basta considerar cuán rápido fue la adopción de ChatGPT en los primeros meses de su lanzamiento - se estima que llegó a 100 millones de usuarios activos mensuales en Enero de 2023, apenas dos meses después del lanzamiento, lo que lo convierte en la aplicación de consumo de más rápido crecimiento en la historia¹¹.

¿Cómo deberían los inversores evaluar las oportunidades?

La idea de que IA será responsable de una redistribución significativa de la forma en que funcionan las empresas y de desbloquear las ganancias de productividad podría, en teoría, sostener valoraciones más altas en los próximos años. Además, es posible que las empresas se asienten en una gran cantidad de datos valiosos sobre sus clientes, lo que podría desbloquear un potencial aún mayor si se pudiera explotar para mejorar las ventas, por ejemplo.

Por último, algunos argumentarían que, a diferencia de los activos fijos (terrenos, edificios, equipos) que se deprecian con el tiempo a medida que se quedan obsoletos, con las herramientas impulsadas por la IA, los activos pueden ser mejores y más valiosos con el tiempo. Reducir la tasa de depreciación o detenerla por completo supondría un aumento significativo de la rentabilidad y, por tanto, de los beneficios.

Esto solo podría suceder si las empresas adoptan la revolución de la IA y rediseñan sus negocios para garantizar que los datos se sitúan en el centro de sus procesos. Y no es tarea fácil, ya que los datos de muchas empresas se siguen recopilando y almacenando en diferentes formatos, equipos y departamentos. Por lo tanto, la explotación de esta información requerirá tiempo, inversiones y talento cualificado, tres cosas que normalmente no conducen a valoraciones a corto plazo.

No es de extrañar que, aparte de los grandes y conocidos nombres del sector tecnológico estadounidense (Nvidia, Microsoft, Meta, Google), muchas empresas ni siquiera lo estén intentando, sobre todo las más pequeñas, que suelen carecer tanto de las competencias adecuadas como de dinero para invertir en estas tecnologías. Y, sin embargo, la IA podría en teoría hacerles posible competir en campos que antes estaban vedados, como los negocios jurídicos, de cumplimiento normativo, de marketing o de asesoramiento.

Para estas empresas, una parte sustancial de los productos son consumidores de tiempo y recursos, lo que de hecho impide a las empresas más pequeñas participar en la competencia. En un futuro (no tan lejano) en el que se pueda confiar en la IA para ayudar con estas tareas, las ideas, la creatividad y la personalización podrían llegar a ser más fundamentales para el proceso de creación de valor de estas empresas, más que simples recursos.

La principal pregunta para los inversores es si la IA será el próximo gran reto para un número limitado de empresas tecnológicas (principalmente en Estados Unidos y China), en beneficio de sus inversores principalmente (aunque no pueden descartarse algunas desviaciones positivas, como el papel que desempeñan las redes sociales para muchas pequeñas empresas que dependen de ellas para sus estrategias B2C (de empresa a consumidor). O si, como tecnología de propósito general, tendrá amplios impactos económicos, con los ganadores del mañana no necesariamente los protagonistas de hoy. La tesis de inversión en los dos escenarios no es la misma y la elección de la errónea podría tener consecuencias significativas para los inversores.

¿La regulación sigue siendo una cuestión de testamento?

A medida que tratamos de trazar posibles vías a través de las cuales se podría desarrollar la IA, también tenemos que introducir en la ecuación el impacto que la regulación tendrá en su desarrollo.

Históricamente, la regulación ha seguido a la introducción de grandes inventos y avances, especialmente en tecnología. Las sociedades aprenden de ellas y, a veces, experimentan sus consecuencias negativas. Por lo tanto, se establecen nuevas normas para dirigir su uso en beneficio de todos, limitando y posiblemente eliminando sus resultados negativos.

Un ejemplo claro es el creciente corpus de normas de seguridad en tecnologías como la informática o la electricidad. No hay razón para creer que con la IA será diferente, incluso si muchos han estado pidiendo regulaciones antes de que la tecnología pueda ser desplegada a escala.

El objetivo de la regulación preventiva es, en opinión de muchos, evitar los escollos de los ganadores en todo tipo de escenarios, como las redes sociales, para los cuales la regulación llegó tal vez demasiado tarde y ahora es difícil de aplicar dada la infraestructura existente. Los objetivos serán muy amplios, partiendo de lo que IA podrá hacer a quien finalmente sea responsable de sus actos; desde quien sea propietario de los resultados de las herramientas impulsadas por IA hasta el acceso a datos y algoritmos; desde la creación de noticias falsas hasta la explotación de contenidos falsos.

Estados Unidos y el Reino Unido están adoptando un planteamiento de "esperar y ver" en materia de regulación, con la idea de que primero tenemos que ver cómo se utilizan y despliegan las herramientas de IA, conocer mejor sus riesgos y otras cuestiones, como la propiedad y la responsabilidad. El objetivo es establecer una regulación progresiva que, en teoría, debería abordar los problemas a medida que surjan. Este planteamiento está claramente dispuesto a fomentar el desarrollo de ecosistemas de IA (desde empresas a servicios y otros usos). Los críticos argumentarían que este planteamiento de laissez-faire, si no se aborda con la suficiente antelación, puede fracasar a la hora de frenar las consecuencias negativas e imprevistas (a veces denominadas "externalidades"), que pueden dar lugar a inexactitudes factuales, racismo sistémico, desinformación política, etc.

En el otro extremo del espectro, vemos a China adoptar una postura relativamente firme en el mundo de la IA, con un claro objetivo de controlar toda la cadena de valor (desde los datos hasta los algoritmos y los usos y aplicaciones finales). Se dice que tanto las razones geopolíticas como las de estabilidad interna son los principales impulsores de su enfoque conservador y más bien restrictivo.

La UE se sienta en medio, tratando de equilibrar la necesidad de garantizar que la IA se despliega y se utiliza de forma responsable, al mismo tiempo que permite a las empresas innovar y explorar los campos en busca de oportunidades económicas.

Es probable que una de las características más importantes del Reglamento aborde el problema de la propiedad de los datos. Como los modelos modernos necesitan enormes cantidades de datos para ser entrenados, Internet con todos sus recursos y contenidos es el lugar habitual para conectarlos. Pero, aunque los datos en Internet están disponibles públicamente, no significa que sea libre de usar.

Además, las personas cuyos datos se utilizan para estos fines pueden querer algún día monetizarlos. Después de todo, formar a alguien (IA) o producir material (datos) sobre el que pueda aprender es un trabajo tan antiguo como la historia humana y, con la excepción de casos raros, sigue siendo un trabajo remunerado¹² - se le llama profesor. Y cabe esperar litigios entre los que poseen los datos y los que los utilizan para formar sus modelos¹³.

En un tema relacionado, mientras que Internet es para muchas aplicaciones prácticas con eficacia infinita, la cantidad de datos de buena calidad no está creciendo tan rápido como las necesidades de los algoritmos más sofisticados. Algunos sostienen que los datos de buena calidad podrían agotarse para 2026¹⁴. Estas son, por supuesto, proyecciones que no tienen debidamente en cuenta posibles mejoras en las técnicas de formación. Sin embargo, cada vez se comprende más que el aumento de la eficiencia de la IA puede estar limitado por el poder y los datos, que no pueden crecer al ritmo requerido.

¿Y las incógnitas desconocidas?

A medida que tratamos de contemplar la implicación potencial del despliegue a escala de la IA (las conocidas incógnitas), también deberíamos considerar las posibles externalidades negativas que la IA podría desencadenar. Esto suele ser más difícil de conseguir (los desconocidos) y por lo general se nos toma por sorpresa por el desarrollo negativo de avances tecnológicos verdaderamente positivos.

El ejemplo principal era la esperanza de que los debates abiertos y la interacción que traía Internet serían, con el tiempo, los factores clave gracias a los cuales la democracia, la libertad y la confianza se extenderían por todas partes. Se consideró que la exactitud de la información y la rendición de cuentas eran consecuencias inevitables de Internet.

Mientras que hay algo de verdad en ella (después de todo, la información de buena calidad está disponible libremente en Internet) resultó que la polarización, la desconfianza, la propaganda y las mentiras rectas (noticias falsas) son una plaga común de nuestra era de Internet. Aún más problemática, la capacidad de generar contenidos similares a los humanos, incluyendo voz e imágenes (fakes profundos), claramente tiene el potencial de alterar los procesos establecidos que gobiernan nuestras vidas, incluyendo el proceso democrático y las elecciones.

En los asuntos militares, el aumento previsto del uso de la gripe aviar y las armas no tripuladas plantea cuestiones difíciles en cuanto a la medida en que los seres humanos deben mantener el control y ser responsables de sus usos, así como, si no lo es más importante, del propio proceso de adopción de decisiones.