El New Yorker: La trampa de rentabilidad de la inteligencia artificial y lecciones históricas Autor: John Cassidy En 1987, el ganador del Premio Nobel de Economía, Robert Solow del MIT, comentó en un artículo en The New York Review of Books: "La era de las computadoras está en todas partes, excepto en las estadísticas de productividad." A pesar de que la capacidad de cálculo estaba aumentando rápidamente y las computadoras personales se estaban volviendo cada vez más comunes, los datos del gobierno mostraban que un indicador clave que mide los salarios y el nivel de vida —la producción total por trabajador— había estado estancado durante más de una década. Este fenómeno se conoció más tarde como la "paradoja de la productividad". Esta paradoja continuó hasta la década de 1990 e incluso más allá, provocando una gran cantidad de investigaciones académicas contradictorias. Algunos economistas la atribuyeron a una mala gestión de las nuevas tecnologías; otros creían que, en comparación con inventos anteriores como la máquina de vapor y la electricidad, la importancia económica de las computadoras era insignificante; y otros culpaban a errores en la estadística, argumentando que una corrección haría desaparecer la paradoja. Casi 40 años después de la publicación del artículo de Solow, desde que OpenAI lanzó el chatbot ChatGPT hace casi tres años, podríamos estar enfrentando una nueva paradoja económica, esta vez protagonizada por la inteligencia artificial generativa. Según una reciente encuesta realizada por economistas de la Universidad de Stanford, la Universidad de Clemson y el Banco Mundial, en junio y julio de este año, casi la mitad de los trabajadores (específicamente el 45.6%) estaban utilizando herramientas de IA. Sin embargo, un nuevo estudio de un equipo del MIT Media Lab reportó un resultado sorprendente: "A pesar de que las empresas han invertido entre 30 y 40 mil millones de dólares en IA generativa, este informe encontró que el 95% de las organizaciones no obtuvieron ningún retorno". Los autores del estudio revisaron más de 300 proyectos y anuncios de IA públicos y entrevistaron a más de 50 ejecutivos de empresas. Definieron "inversiones exitosas en IA" como aquellas que habían superado la fase piloto y se habían implementado en la práctica, generando un retorno financiero medible o un aumento significativo en la productividad después de seis meses. Escribieron: "Solo el 5% de los proyectos piloto de IA que se integraron con éxito están creando millones de dólares en valor, mientras que la gran mayoría de los proyectos siguen estancados, sin ningún impacto medible en el P&L (es decir, 'estado de pérdidas y ganancias')". Las entrevistas de la encuesta provocaron una serie de respuestas, algunas de las cuales estaban llenas de escepticismo. "En LinkedIn se habla mucho, como si todo hubiera cambiado, pero en nuestra operación real, nada fundamental ha cambiado", dijo el director de operaciones de una empresa de manufactura mediana a los investigadores. "Hemos acelerado un poco el manejo de contratos, pero eso es todo." Otro encuestado comentó: "Hemos visto decenas de demostraciones este año. Tal vez una o dos sean realmente útiles. El resto son o 'envases' (wrappers, que se refieren a tecnologías existentes sin innovación sustancial) o 'proyectos científicos' (tecnologías que están muy lejos de la aplicación comercial real)". Justamente, el informe también señala que hay algunas empresas que han realizado inversiones exitosas en IA. Por ejemplo, el informe destaca la eficiencia creada por herramientas personalizadas para operaciones de back-office y señala: "Estos resultados iniciales sugieren que los sistemas con capacidad de aprendizaje, si se enfocan en procesos específicos, pueden realmente aportar valor, incluso sin necesidad de realizar ajustes organizativos significativos". La encuesta también mencionó que algunas empresas informaron que "aumentaron la retención de clientes y la tasa de conversión de ventas mediante la automatización de la comunicación y sistemas de seguimiento inteligente", lo que sugiere que los sistemas de IA pueden ser útiles para el marketing. Sin embargo, la idea de que "muchas empresas están luchando por obtener retornos sustanciales" coincide con otra encuesta reciente de la consultora multinacional Akkodis. La empresa contactó a más de 2,000 ejecutivos de empresas y descubrió que la proporción de CEOs que están "muy seguros" de la estrategia de implementación de IA de su empresa ha caído del 82% en 2024 al 49% este año. La confianza de los CTO también ha disminuido, aunque no tanto. La encuesta de Akkodis afirma que estos cambios "podrían reflejar resultados decepcionantes previos en proyectos de digitalización o IA, retrasos o fracasos en la implementación, y preocupaciones sobre la escalabilidad". La semana pasada, la cobertura mediática del estudio del MIT Media Lab coincidió con la caída de acciones de alta valoración relacionadas con IA, como Nvidia, Meta y Palantir. Por supuesto, la correlación no implica causalidad, y los recientes comentarios del CEO de OpenAI, Sam Altman, podrían haber jugado un papel más importante en esta venta (dada la reciente subida de precios, la venta era inevitable). Según CNBC, Altman dijo en una cena con periodistas que la valoración actual es "insana" y usó la palabra "burbuja" tres veces en 15 segundos. A pesar de esto, el estudio del MIT ha atraído una gran atención. Después de la primera ronda de informes, se informó que el laboratorio de medios, que tiene vínculos con muchas empresas tecnológicas, estaba limitando silenciosamente el acceso a este informe. Los mensajes que dejé a la oficina de relaciones públicas de la organización y a dos de los autores del informe no obtuvieron respuesta. Aunque este informe es más matizado de lo que algunos informes de noticias han descrito, sin duda cuestiona la gran narrativa económica que ha sustentado el auge tecnológico desde el lanzamiento de ChatGPT por OpenAI en noviembre de 2022. La versión simplificada de esta narrativa es: la difusión generalizada de la IA generativa es perjudicial para los trabajadores (especialmente los trabajadores del conocimiento), pero extremadamente beneficiosa para las empresas y sus accionistas, ya que traerá un gran salto en la productividad y, por lo tanto, generará grandes ganancias. ¿Por qué este escenario parece no haberse materializado aún? Una posible razón recuerda una perspectiva de los años 80 y 90, que sostiene que los errores de gestión limitaron los beneficios de productividad que las computadoras podrían haber traído. La investigación del laboratorio de medios encontró que algunas de las inversiones en IA más exitosas fueron realizadas por startups que utilizaron herramientas altamente personalizadas en áreas de flujo de trabajo estrechas. Y en el otro lado de la "brecha de IA generativa" (GenAI Divide), aquellas startups menos exitosas "o bien están construyendo herramientas generales o están tratando de desarrollar capacidades internamente". El informe señala más generalmente que la línea entre el éxito y el fracaso "parece no estar impulsada por la calidad del modelo o la regulación, sino por el método de implementación". Es fácil imaginar que la novedad y complejidad de la IA generativa pueden hacer que algunas empresas se sientan intimidadas. Un estudio reciente de la consultora Gartner encontró que menos de la mitad de los CEOs creen que sus CIO son "competentes en IA". Pero para el registro de decepciones destacado en el informe del laboratorio de medios, hay otra posible explicación: para muchas empresas maduras, la IA generativa (al menos en su forma actual) no es tan milagrosa como se ha promocionado. "Es excelente para la lluvia de ideas y la redacción de borradores, pero no recuerda las preferencias de los clientes ni aprende de ediciones anteriores", dijo un encuestado de la investigación del laboratorio de medios. "Repite los mismos errores y cada conversación requiere una gran cantidad de contexto. Para trabajos de alto riesgo, necesito un sistema que pueda acumular conocimiento y mejorar continuamente". Por supuesto, hay muchas personas que encuentran la IA muy útil, y hay evidencia académica que respalda esto: en 2023, dos economistas del MIT encontraron que en un experimento aleatorio, los participantes que interactuaron con ChatGPT completaron más rápido las "tareas de escritura profesional" y la calidad de la escritura también mejoró. Ese mismo año, otros equipos de investigación también encontraron que los programadores que usaron Copilot de Github (un asistente de programación de IA) y los agentes de soporte al cliente que utilizaron herramientas de IA propietarias experimentaron aumentos en la productividad. Los investigadores del laboratorio de medios encontraron que muchos empleados están utilizando sus herramientas personales en el trabajo, como GPT o Claude; el informe se refiere a este fenómeno como la "economía de IA en la sombra" (shadow AI economy) y comenta que "el retorno de inversión (ROI) que proporciona" a menudo supera el de los proyectos iniciados por los empleadores. Pero la pregunta sigue siendo, y es sin duda una que los ejecutivos de las empresas plantearán con más frecuencia: ¿por qué no más empresas ven estos beneficios reflejados en las ganancias finales (de la empresa)? Parte del problema puede ser que, aunque la IA generativa es llamativa, su aplicación en muchos sectores de la economía es limitada. La industria del ocio y la hostelería, el comercio minorista, la construcción, el sector inmobiliario y el cuidado (de niños, ancianos o personas con discapacidad) — estos sectores emplean en total alrededor de 50 millones de estadounidenses, pero no parecen ser candidatos directos para la transformación por IA. ...