¿De verdad la IA sumará hasta 0,8% al PIB mundial?

El FMI cifra el impulso de la IA en hasta 0,8 puntos de crecimiento global; análisis productividad, inversión, energía y efectos para España.

Sí, ese es el potencial que el Fondo Monetario Internacional pone ya sobre la mesa. La institución calcula que la inteligencia artificial podría añadir entre 0,1 % y 0,8 % al crecimiento global, siempre que se traduzca en ganancias reales de productividad. No es una cifra mágica ni un brindis al sol, es una horquilla condicionada por la adopción tecnológica, la preparación de cada país y la inversión en infraestructura crítica para correr esta carrera sin quedarse sin aliento.

El mensaje llega en un momento en que la economía mundial avanza alrededor del 3 %. En ese contexto, sumar hasta ocho décimas sería un empujón significativo. El FMI lo expresa sin rodeos: la IA será valiosa si impulsa la productividad. De momento, la penetración efectiva aún no aparece de forma contundente en los datos, pero el boom de inversión es evidente y Estados Unidos destaca como primer motor, con China detrás. El entusiasmo bursátil lo refleja. La cuestión —la única que importa a medio plazo— es si esa ola inversora se transformará en eficiencia medible, en menos costes por tarea y en más producción con el mismo o menor esfuerzo.

Qué significa realmente ese 0,8 % (y qué no)

Conviene precisar. Ese 0,8 % es un impulso potencial a la tasa de crecimiento anual del PIB mundial, no un salto único de nivel que se anota de golpe. En términos sencillos: si el mundo avanza al 3 % y la IA hace su trabajo, la tasa de crecimiento podría rozar el 3,8 % durante un periodo, siempre que los factores que alimentan esa cifra se mantengan vivos. No es lineal ni inmediato. La mejora llega a medida que las empresas reorganizan procesos, reentrenan equipos, integran copilotos de IA en tareas de alto volumen y automatizan pasos repetitivos.

Otra precisión útil: el impacto es desigual por sectores. La IA empuja más donde hay abundancia de datos y procesos codificables (servicios profesionales, software, finanzas, logística, comercio electrónico, atención al cliente) y tarda más en calar en actividades presenciales con marcos regulatorios complejos o poco digitalizadas. Eso no invalida la proyección del FMI; la difusión tecnológica suele seguir una curva en “S”: lenta al principio, acelerada cuando hay herramientas maduras y talento disponible, y más estable después.

La productividad manda. Si no suben los output por hora trabajada y los márgenes de eficiencia, la promesa se desinfla. De ahí el énfasis de la institución en infraestructura, energía competitiva, capacidad de cómputo, talento y marcos de confianza para escalar la IA sin tropezar con cuellos de botella técnicos o regulatorios.

Cómo se llega a la cifra: tareas, adopción y difusión

Detrás de la estimación hay lógica económica. La IA —tanto la generativa como la analítica— reemplaza o complementa tareas, no empleos completos. Cuando sustituye tareas rutinarias y libera tiempo, la productividad total de los factores puede avanzar. Cuando complementa al trabajador, crea un efecto palanca: una persona hace más, mejor y con menos errores. El agregado —medido con retraso y ruido estadístico— es lo que termina sumando décimas al PIB.

El ritmo de adopción importa. Es distinto que un puñado de compañías gigantes despliegue modelos en sus cadenas internas a que miles de pymes integren herramientas prácticas en facturación, atención al cliente, mantenimiento, logística, programación o compras. En la primera fase, las mejoras no siempre trascienden las fronteras de unas pocas firmas; en la segunda, aparecen en las estadísticas. Ese salto de micro a macro es el que el FMI sitúa en el horizonte de los próximos trimestres si los países preparan el terreno: redes, centros de datos, chips, nubes soberanas, ciberseguridad y normas claras.

También pesan las fricciones. Falta de técnicos, coste energético elevado, escasez de semiconductores de última generación, regulación incierta o resistencias organizativas dentro de las empresas pueden ralentizar el efecto. Incluso hay un posible desfase: la inversión en IA sube el gasto hoy (máquinas, licencias, obras), mientras los beneficios de productividad tardan unos trimestres en madurar. Ese decalaje es habitual en grandes olas tecnológicas.

El boom inversor que sostiene la narrativa

El diagnóstico oficial subraya un hecho: el capital fluye hacia la IA. Inversiones en centros de datos, chips avanzados, redes de fibra y 5G, plataformas de software y startups que orbitan en torno a modelos fundacionales y aplicaciones sectoriales. Estados Unidos concentra el liderazgo: ecosistema de investigación, escala de computación, capital riesgo profundo y grandes tecnológicas con balances que permiten financiar ambición industrial. China mantiene su propio ritmo —con más énfasis en hardware y plataformas domésticas—, mientras que Europa avanza con un enfoque regulatorio pionero y proyectos de infraestructura de creciente tamaño, aunque con costes energéticos y fragmentación de mercado como freno.

Ese boom ha inyectado optimismo en los mercados. Las valoraciones de grupos vinculados a la IA se han tensado y la comparación con la burbuja puntocom aparece inevitable. Pero el paralelismo no es perfecto. Hoy el gasto lo soportan compañías rentables, con caja suficiente y menor apalancamiento que hace dos décadas. ¿Puede haber corrección? Sí. ¿Podría ser sistémica? Menos probable, salvo que coincida con shocks en energía, tipos o crédito. El riesgo de concentración sí es real: pocos actores controlan chips, centros de datos y modelos capaces de trabajar a escala planetaria. Ese poder de mercado influye en precios, acceso y tasa de innovación.

Una derivada práctica: el coste de la energía ya es una variable macro para la IA. Un centro de datos de última generación exige electricidad abundante, barata y estable. Donde esa ecuación encaja (hidroeléctrica, nuclear, eólica bien integrada), la capacidad de cómputo crece más deprisa. Donde no encaja, la inversión se frena o migra. De nuevo, la productividad depende de estas condiciones físicas, no solo de algoritmos deslumbrantes.

Europa y España: entre el campo de juego y el marcador

Europa parte con fortalezas —industria, ciencia, datos de calidad, marco normativo exigente— y lastres: energía cara en varios nodos, mercado digital fragmentado, burocracia que enlentece despliegues y falta de escala en algunas áreas críticas de hardware. Con todo, el potencial está ahí. Si se abarata y estabiliza la energía para centros de datos, si se armonizan reglas que permitan desplegar soluciones en los Veintisiete sin laberintos nacionales y si se empuja la adopción en administraciones y pymes, la IA puede aportar crecimiento y productividad medibles.

España aparece bien colocada para capturar una parte del impulso. Hay ventajas reales: redes de fibra de las más densas de Europa, renovables que abaratan la factura eléctrica cuando sopla y luce, ecosistemas tecnológicos creciendo en Madrid, Barcelona, Valencia o Málaga y fondos europeos que ya financian digitalización en administración, salud y educación. También un tejido empresarial que, con apoyo, puede acelerar la adopción de herramientas de IA accesibles (copilotos, automatización documental, asistentes de cliente, logística de última milla). El resultado no es inmediato, pero las palancas están identificadas.

Quedan frenos que no conviene esconder. El tamaño medio de la empresa condiciona la capacidad de inversión. La escasez de perfiles especializados mantiene tensiones salariales y, a veces, alarga proyectos. La compra pública de tecnología puede ser lenta y poco compatible con tecnologías que evolucionan cada pocos meses. Resolver estos nudos es parte de la respuesta para transformar una coyuntura favorable en productividad sostenida.

Dónde jugar para sumar décimas

La IA no es un bloque monolítico; penetra por casos de uso. En España, hay campos prioritarios por impacto directo en productividad y calidad de servicio:

Sanidad. Triajes asistidos por IA en urgencias, apoyo al diagnóstico por imagen, gestión de citas más eficiente y resúmenes clínicos que eviten duplicidades. Ahorro de tiempo en tareas administrativas significa más minutos de atención y menos listas de espera.

Educación. Herramientas para corrección semiautomática, materiales personalizados, traducción de contenidos y asistentes para planificación docente. La clave es garantizar privacidad y calidad pedagógica.

Administración pública. Automatización de expedientes, chatbots entrenados en normativa vigente, cruce de datos para detectar fraudes o acelerar prestaciones. El salto en productividad administrativa redunda en mejores plazos para empresas y ciudadanos.

Industria y logística. Mantenimiento predictivo, optimización de rutas, gestión de inventarios en tiempo real, gemelos digitales de plantas para ajustar procesos. Donde hay datos y sensores, hay ganancia.

Turismo y comercio. Atención multilingüe 24/7, recomendadores de alto valor, dinámica de precios más fina, contenidos generados con control de marca y traducciones de calidad para atraer demanda internacional.

Estas piezas suman horas y restan costes. A escala de país, eso se traduce en décimas. No llega solo con comprar licencias; hace falta reorganizar procesos, formar equipos, limpiar y gobernar datos, medir resultados y mantener control humano donde corresponde.

Empleo, salarios y desigualdad: el reparto del dividendo

Toda ganancia de productividad reordena el empleo. La IA expondrá a un porcentaje elevado de ocupaciones a cambios en tareas —en economías avanzadas, más de la mitad de los puestos tienen alguna parte automatizable o complementable—. Dos vías, a grandes rasgos. Complemento: el trabajador produce más con apoyo de IA, su salario puede subir y su empleo gana valor. Sustitución: una fracción de tareas desaparece o se reduce la demanda de perfiles que no absorben la nueva herramienta.

El saldo final depende de políticas activas de empleo, formación continua, itinerarios de recualificación y una guía clara sobre responsabilidades en el uso de IA. Hay riesgo de desigualdad si los beneficios se concentran en sectores de alta cualificación y en grandes compañías. Mitigarlo exige becas y créditos formativos, certificados rápidos para nuevas competencias, facilidades para adoptar IA en pymes y redes de seguridad encaminadas a recolocar, no a cronificar.

La transparencia es otro punto. Si las empresas informan de qué parte de su mejora de márgenes procede de eficiencias de IA, y qué impacto tienen en empleo y salarios, será más sencillo vigilar efectos y ajustar políticas. Los sindicatos y organizaciones sectoriales ya empujan por esa rendición de cuentas, especialmente cuando la IA entra en procesos de evaluación, selección o fijación de turnos.

La brecha de infraestructura: chips, cómputo y energía

El discurso de la IA suele centrarse en modelos y aplicaciones, pero el sustrato físico manda. Chips de alto rendimiento, interconexiones, memoria, centros de datos con altas exigencias de refrigeración, contratos de energía a largo plazo, acceso a agua donde sea necesario y permisología ágil. Sin esto, la IA no escala.

Aquí se abre un espacio de política industrial. Incentivos a fábricas de semiconductores y a proveedores de componentes críticos, subastas energéticas que favorezcan suministros estables para data centers, mejora de la red para gestionar picos de demanda, planificación territorial para evitar cuellos en suelo y permisos. La foto es técnica, pero el efecto es muy tangible: cada watt más barato y cada mes menos de trámites acercan el 0,8 % a la realidad.

Regulación y confianza: permiso social para innovar

La adopción masiva exige marcos claros. Privacidad, propiedad intelectual, responsabilidad ante errores y no discriminación algorítmica son pilares. Dar seguridad jurídica a empresas y administraciones no significa frenar: significa definir reglas del juego para que proyectos críticos (sanidad, finanzas, energía) avancen sin sustos. El equilibrio entre innovación y protección será uno de los determinantes del ritmo.

Un elemento práctico: auditorías de sistemas de IA en usos sensibles, protocolos de evaluación de riesgos, registro de modelos en la administración y guías de compra que incorporen criterios de gobernanza de datos. Cuando estos estándares existen y se aplican, la adopción se acelera porque reduce el miedo a consecuencias legales o reputacionales.

Cómo medir si la promesa se convierte en PIB

La pregunta crucial es cómo saber si ese 0,8 % se está materializando. Hay termómetros a vigilar en los próximos trimestres:

Productividad por hora en servicios avanzados. Si sube de forma sostenida, hay señal de que copilotos y automatizaciones están escalando más allá de pilotos internos.

Capex en centros de datos y semiconductores frente al resto de inversión. Un peso saludable indica transformación real; una concentración excesiva sugiere fragilidad si la narrativa de beneficios tarda.

Coste energético efectivo para cómputo. Electricidad predecible y competitiva es condición necesaria; si se encarece, aflora la deslocalización de capacidad de cómputo.

Adopción en pymes. Facturas electrónicas con extracción automática de datos, bots de atención resueltos, almacenes conectados, mantenimiento con alertas predictivas. Señales pequeñas que, sumadas, mueven el agregado.

Transparencia corporativa. Desgloses de ingresos y ahorros atribuibles a IA. Si las compañías cuantifican y la auditoría externa lo valida, el mercado transita de la promesa a los flujos de caja.

Servicios públicos. Trámites más rápidos, colas más cortas, errores menos frecuentes, resoluciones más claras. La productividad administrativa no cotiza en bolsa, pero se nota.

Lo que ya se ve y lo que falta por despejar

Hay señales tempranas. Programadores que entregan más código con copilotos bien entrenados. Equipos legales que reducen horas en revisión documental. Departamentos de marketing que generan variaciones de contenido y traducciones de calidad razonable en minutos. Centros de contacto que gestionan picos sin sacrificar experiencia. Hospitales que aceleran listados de pruebas con apoyo algorítmico. Todo esto existe. El salto llegará cuando salga del coto de pilotos y se integre en procesos con indicadores claros de ahorro de tiempo y calidad de resultado.

Queda por despejar la economía de la IA a escala. ¿Cuánto cuesta realmente entrenar y servir modelos cuando la demanda se dispara? ¿Cómo evoluciona el precio de cómputo por token procesado con nuevas generaciones de chips y optimizaciones? ¿Qué cuota de tareas termina en modelos cerrados y cuál en modelos abiertos bien ajustados a datos propios? Estas preguntas, lejos de ser filosóficas, determinan márgenes y, por tanto, el traslado al PIB.

La economía pedirá resultados pronto

El FMI ha puesto una cifra y una condición. La cifra: hasta 0,8 % adicional de crecimiento mundial. La condición: productividad verificable. El mundo ya gasta miles de millones en centros de datos, chips y software; los mercados lo celebran; los gobiernos intentan ordenar el terreno con normas, incentivos y cautelas. El marcador que importa llegará en horas por tarea ahorradas, trámites más ágiles, errores menos frecuentes y servicios más accesibles.

Estados Unidos lidera, China acelera por su carril, Europa tiene margen si hace los deberes: energía competitiva para computar, reglas claras que no asfixien, compra pública que empuje casos de uso con retorno, formación que acompañe a quienes hoy sienten la presión de la automatización. España no parte de cero: fibra, renovables, hubs en ebullición y proyectos financiados. Convertir todo eso en productividad sostenida es la tarea. Sin más retórica.

El saldo es nítido. Si la IA se queda en demos virales, el 0,8 % no llega. Si entra en procesos, abarata la energía que la alimenta, amplía el talento que la maneja y encuentra reglas que inspiren confianza, ese 0,8 % empezará a notarse antes de lo que parece. Y entonces el debate se moverá a otra parte: qué hacer con el dividendo para que no agrande brechas y sí refuerce una economía más productiva, más competitiva y más útil. No es poca cosa. Y, esta vez, no sobra tiempo.