¿Cómo puede la IA cambiar la economía, el empleo y nuestros salarios?

La inteligencia artificial está empezando a plantear una posibilidad bastante más profunda que automatizar correos, escribir código o resumir documentos: convertirse en un nuevo factor de producción, un recurso que las empresas compran, consumen y combinan con trabajadores y capital para producir bienes y servicios. La idea ha llegado incluso al debate de los bancos centrales, donde la IA comienza a analizarse como una nueva variable económica y, potencialmente, como un factor productivo por derecho propio.

El cambio importa porque toca directamente una de las piezas más sensibles de cualquier economía: el precio del trabajo. Si una empresa puede obtener determinadas tareas pagando por capacidad de inteligencia artificial —tokens, potencia informática o modelos especializados— en lugar de contratar más horas humanas, la relación entre productividad, empleo y salarios empieza a moverse. No significa que la IA vaya a provocar una destrucción masiva e inmediata de puestos de trabajo; los datos disponibles no muestran semejante estampida. Sí aparecen, en cambio, señales de presión en determinadas profesiones, especialmente entre jóvenes y empleos donde buena parte de las tareas pueden automatizarse.

La IA empieza a parecerse menos a un programa y más a un recurso

Durante décadas hemos entendido la tecnología como una herramienta. Una empresa compraba ordenadores, instalaba un programa y sus empleados lo utilizaban. Con la inteligencia artificial generativa ocurre algo un poco distinto: una compañía puede adquirir capacidad intelectual bajo demanda casi como compra electricidad, almacenamiento informático o minutos de telefonía.

Introduce una determinada cantidad de información, consume capacidad de cálculo y tokens y recibe código, análisis, textos, traducciones, diseños, previsiones o respuestas para clientes. La comparación no es perfecta, claro. Pero sirve para entender por qué el debate ha saltado de los departamentos tecnológicos a los despachos de economistas, inversores y bancos centrales.

Las ventas asociadas al consumo de modelos avanzados han crecido a una velocidad extraordinaria. La cuestión económica deja entonces de ser únicamente qué puede hacer una IA. Pasa a ser cuánto trabajo humano puede complementar, cuánto puede sustituir y, sobre todo, quién termina quedándose con el incremento de productividad.

El extraño cuarto factor de producción

La expresión necesita una pequeña aclaración. Los manuales de economía no utilizan una clasificación única e inmutable. Una formulación tradicional identifica tierra, trabajo, capital y capacidad empresarial; otras escuelas agrupan esos elementos de manera diferente e incluso han considerado la tecnología o los datos como factores separados.

Así que nadie ha encontrado una nueva tabla de Moisés económica. Lo verdaderamente novedoso es otra cosa: que la inteligencia computacional pueda adquirirse como un input independiente, medirse, asignarse a distintas tareas y producir valor de forma directa.

Una fábrica compra acero. Un restaurante compra alimentos. Una compañía tecnológica alquila servidores. Una asesoría puede comprar millones de tokens para revisar contratos, estudiar balances o preparar informes. El gasto deja de parecerse únicamente a la adquisición de software y empieza a competir con el presupuesto destinado a ciertas horas de trabajo humano. Ahí está el pequeño terremoto bajo los pies.

Qué puede ocurrir con los salarios

En economía, una mejora tecnológica no implica automáticamente salarios más bajos. Puede suceder justo lo contrario. Si un trabajador produce mucho más gracias a una herramienta, su valor para la empresa puede aumentar: un arquitecto que prepara cinco proyectos donde antes preparaba tres, un programador que resuelve más incidencias o un comercial capaz de analizar miles de clientes son empleados potencialmente más productivos.

Pero existe otra posibilidad. Cuando la IA sustituye tareas completas y existen muchos trabajadores capaces de realizarlas, la empresa necesita menos horas humanas para producir la misma cantidad. En ese escenario se reduce parte de la demanda de trabajo y aparecen presiones sobre la contratación, el poder negociador y los salarios.

Investigaciones recientes sobre ocupaciones e industrias estadounidenses han encontrado asociaciones entre una mayor exposición a la IA generativa y remuneraciones más débiles. En algunos análisis, pasar de empleos poco expuestos a otros muy expuestos se relaciona con descensos cercanos al 5% en salarios registrados y con diferencias superiores en salarios anunciados o de entrada. El impacto aparece especialmente concentrado entre perfiles júnior. Es un indicio relevante, aunque no significa que esos porcentajes puedan trasladarse mecánicamente al conjunto de la economía.

Y ahí aparece una de las paradojas más interesantes de esta revolución: la IA puede aumentar la productividad sin enriquecer inmediatamente al trabajador que la genera. Una empresa produce más con las mismas personas —o produce lo mismo con menos— y el reparto de esa ganancia queda abierto. Puede acabar en salarios, beneficios, precios más bajos o una mezcla bastante menos ordenada de las tres cosas.

Los jóvenes empiezan a mostrar las primeras cicatrices

Los primeros indicios tampoco están repartidos por igual. Análisis realizados sobre millones de registros laborales estadounidenses han detectado diferencias entre los trabajadores más jóvenes: en algunas ocupaciones muy expuestas a la IA, el empleo de personas de entre 22 y 25 años ha evolucionado peor que el de jóvenes en profesiones menos expuestas. Entre empleados con más experiencia, esa brecha resulta mucho menos evidente.

La explicación posible tiene bastante lógica. Muchas tareas tradicionalmente reservadas al empleado que acaba de llegar —preparar borradores, buscar información, escribir código sencillo, ordenar datos o traducir documentos— coinciden precisamente con aquello que los modelos generativos ejecutan con creciente facilidad.

El primer peldaño de algunas profesiones puede estar encogiéndose antes que el edificio entero. Conviene, no obstante, manejar el dato con cuidado: las dificultades laborales de los jóvenes no nacen únicamente de ChatGPT y compañía. También intervienen el ciclo económico, la menor contratación empresarial y cambios estructurales anteriores en la demanda de determinadas cualificaciones profesionales.

Más productividad, pero no necesariamente más empleo

La gran promesa de la IA sigue siendo la productividad. Y aquí sí empiezan a aparecer resultados llamativos. Estudios realizados con programadores que incorporaron herramientas de inteligencia artificial han registrado aumentos muy considerables en producción de código y en tareas completadas. Curiosamente, las mejoras suelen resultar más visibles entre trabajadores júnior que entre profesionales experimentados.

Eso encaja con una intuición bastante sencilla: quien todavía está aprendiendo puede beneficiarse más de una máquina capaz de resolver dudas, producir un primer borrador o encontrar errores. Para el experto, el margen adicional existe, aunque suele ser menor. La IA funciona en muchos casos como una especie de compañero extremadamente rápido, disponible a cualquier hora y sin café de por medio.

Otros estudios dibujan una fotografía bastante menos espectacular cuando se amplía el objetivo. Los incrementos de productividad pueden ser grandes dentro de una tarea concreta y, al mismo tiempo, generar un impacto macroeconómico modesto. Una cosa es ahorrar cuarenta minutos preparando un informe y otra, bastante distinta, mover de forma visible el producto interior bruto de un país.

La misma cautela aparece al estudiar el empleo. Los aumentos de productividad son reales en numerosos experimentos y empresas, pero las horas ahorradas no siempre terminan convertidas en más producción, mejores salarios o nuevas contrataciones. De momento, buena parte de la transformación ocurre dentro de los puestos de trabajo antes de aparecer con toda claridad en las grandes estadísticas nacionales.

La factura gigantesca que hay detrás de la inteligencia artificial

Hay otra cara del fenómeno que suele quedar escondida detrás de una ventana de chat aparentemente ligera: la IA consume cantidades extraordinarias de capital físico. Centros de datos, procesadores, redes de comunicaciones, sistemas de refrigeración, suelo industrial y, sobre todo, electricidad. Mucha electricidad.

Las estimaciones manejadas por grandes firmas de inversión sitúan en varios billones de dólares el dinero que podría destinarse durante los próximos años a infraestructura relacionada con la IA. Para justificar una montaña semejante de capital, empresas y consumidores tendrían que gastar cantidades igualmente gigantescas en servicios de inteligencia artificial. Los servidores impresionan; las cuentas de resultados, bastante menos.

Ese enorme esfuerzo inversor empieza incluso a modificar el mercado de deuda. Los instrumentos financieros que protegen frente al impago de algunos grandes proveedores de servicios en la nube han mostrado un aumento del coste, señal de que ciertos inversores están empezando a poner precio a una pregunta incómoda: cuánto dinero devolverán realmente todos esos centros de datos.

Microsoft, Amazon, Alphabet, Meta y otros gigantes pueden permitirse inversiones que habrían resultado extravagantes incluso hace pocos años. Pero el mecanismo económico continúa siendo el de siempre. Si el capital invertido no genera suficientes ingresos, alguien termina pagando la factura. La tecnología cambia rápido. Las matemáticas financieras tienen bastante menos imaginación.

También cambia la naturaleza de la automatización. Durante décadas, buena parte de ella sustituía esfuerzo físico o procesos repetitivos: robots industriales, cajeros automáticos, cadenas de montaje, programas contables. La IA generativa entra en un territorio diferente porque trabaja precisamente con aquello que protegió durante años a muchas profesiones de oficina: lenguaje, conocimiento, programación, análisis y comunicación.

Un modelo no necesita sustituir completamente a un abogado para alterar la economía de un bufete. Basta con reducir de diez horas a tres el tiempo necesario para revisar determinada documentación. Tampoco necesita eliminar al programador: puede permitir que cinco empleados produzcan lo que antes exigía siete. La transformación no siempre llega con una puerta cerrándose; a veces aparece sencillamente como una vacante que deja de abrirse.

La cuestión decisiva será quién captura ese aumento de productividad. Puede traducirse en precios más bajos, mayores beneficios empresariales, mejores salarios, jornadas más cortas o alguna combinación de todo ello. La historia tecnológica muestra que esas ganancias rara vez se reparten de manera automática o uniforme.

Las estimaciones internacionales sobre el tiempo laboral ahorrado mediante herramientas de IA sitúan su valor económico potencial en cifras de billones de dólares al año. No significa que ese dinero haya aparecido mágicamente en el PIB: mide el valor aproximado del tiempo de trabajo liberado. Pero sirve para comprender hasta qué punto la inteligencia artificial ha dejado de ser una curiosidad tecnológica para convertirse en una variable económica de primer orden.

El verdadero cambio está en quién cobra por producir

Durante dos siglos, las grandes revoluciones económicas han cambiado las herramientas con las que trabaja una persona. La máquina de vapor multiplicó su fuerza. La electricidad extendió su capacidad. El ordenador aceleró cálculos y comunicaciones. La inteligencia artificial introduce una rareza distinta: empieza a comercializar capacidades cognitivas como un producto medible y consumible.

Todavía es pronto para afirmar que la economía haya incorporado formalmente un nuevo factor de producción. La idea continúa siendo objeto de debate. Tampoco existe evidencia de una sustitución masiva de trabajadores a escala mundial. Los estudios disponibles muestran un paisaje irregular: fuertes ganancias de productividad en determinadas tareas, efectos mucho menores en otras y señales preocupantes entre algunos trabajadores jóvenes y profesiones especialmente expuestas.

Pero la dirección de la discusión ha cambiado. Ya no se habla únicamente de si una máquina puede escribir, programar o diseñar. Se empieza a discutir cuánto cuesta comprar esa inteligencia, cuántas horas de trabajo permite ahorrar y cómo se repartirán los ingresos cuando producir requiera menos tiempo humano.

Ahí puede estar la transformación económica más profunda. No necesariamente en que una máquina haga nuestro trabajo de un día para otro, sino en que las empresas empiecen a poner en la misma hoja de costes el precio de una hora humana y el precio de una determinada cantidad de inteligencia artificial. Cuando dos recursos pueden realizar una parte de la misma tarea, el mercado termina comparándolos. Y esa comparación, silenciosa y bastante prosaica, puede acabar cambiando salarios, carreras profesionales y el reparto de la riqueza mucho más que cualquier demostración espectacular de un chatbot.