En un artículo de 1987 en el Crítica de libros de tiempoRobert Solow, economista ganador de Nobel en el MIT, dijo: «Puedes ver la edad de la computadora en todas partes, pero en estadísticas de productividad». A pesar de un aumento masivo en el poder informático y la creciente popularidad de las computadoras personales, las cifras del gobierno han demostrado que la producción global de trabajadores, un determinante clave de los salarios y el nivel de vida, se había estancado durante más de una década. La «paradoja de la productividad», como se le conoce, ha persistido en los años diecinueve y más allá, generando una gran e intransigente literatura. Algunos economistas han culpado a la mala gestión de la nueva tecnología; Otros argumentaron que las computadoras palidecen en importancia económica en comparación con los inventos más antiguos, como la máquina de vapor y electricidad; Otros culparon a los errores de medición en los datos y argumentaron que una vez que se ha corregido, la paradoja ha desaparecido.
Casi cuarenta años después del artículo de Solow, y casi tres años desde que OpenAi publicó su chatbot chatgpt, podemos enfrentarnos a una nueva paradoja económica, que involucra inteligencia artificial generativa. Según una encuesta reciente realizada por economistas en Stanford, Clemson y el Banco Mundial, en junio y julio de este año, casi la mitad de todos los trabajadores, 45.6%, para ser precisos, usaron herramientas de IA. Y, sin embargo, un nuevo estudio, de un equipo de investigadores asociados con el Laboratorio de Medios del MIT, informa: «A pesar de 30 a 40 mil millones de dólares de inversión empresarial en el Genai, este informe da como resultado un sorprendente resultado en el hecho de que el 95% de las organizaciones no obtienen ningún rendimiento».
Los autores del estudio examinaron más de trescientas iniciativas públicas de IA y anuncios entrevistaron a más de cincuenta líderes empresariales. Definieron una inversión exitosa de IA como la que se había desplegado más allá de la fase piloto y había generado un rendimiento financiero medible o una marcada ganancia de productividad después de seis meses. «Solo el 5% de los pilotos de IA integrados extraen millones de valores, mientras que la gran mayoría permanece atascada sin P&L medible» -Profit-and-MoSs- «Impacto», escribieron.
Las entrevistas de la investigación despertaron una variedad de respuestas, algunas de las cuales fueron muy escépticas. «La trilla de los medios en LinkedIn dice que todo ha cambiado, pero en nuestras operaciones, nada fundamental ha cambiado», dijo el director de operar una empresa manufacturera de tamaño mediano. «Estamos lidiando con 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 son realmente útiles. Los otros son proyectos de embalaje o científicos».
Es cierto que el informe enfatiza que algunas compañías han tenido éxito en las inversiones de IA. Por ejemplo, destaca la eficiencia creada por herramientas personalizadas dirigidas a las operaciones de fondo, señalando: «Estos primeros resultados sugieren que los sistemas compatibles con el aprendizaje, cuando se dirigen a procesos específicos, pueden ofrecer un valor real, incluso sin una reestructuración organizacional importante». La encuesta también cita a ciertas compañías que señalan «una mejora en la retención de clientes y la conversión de ventas a través de la conciencia automatizada y los sistemas de monitoreo inteligente», lo que sugiere que los sistemas de IA podrían ser útiles para el marketing.
Pero la idea de que muchas compañías les resulta difícil obtener rendimientos sustanciales en el pico con otra encuesta reciente, por parte de Akkodis, una compañía de consultoría multinacional. Después de haber contactado a más de dos mil líderes empresariales, la firma señaló que el porcentaje de CEO que están «muy seguros» en las estrategias de implementación de la IA de su negocio pasó del noventa y dos por ciento en 2024 a cuarenta y nueve por ciento este año. La confianza también había caído entre los directores de tecnología empresarial, pero no tanto. Estos desarrollos «pueden reflejar los resultados decepcionantes de los intentos anteriores de iniciativas digitales o IA, demoras o fallas de implementación, así como preocupaciones sobre la escalabilidad», dijo la investigación de Akkodis.
La semana pasada, las cuentas de medios del estudio de MIT Media Lab coincidieron con una reducción de las acciones altamente apreciadas asociadas con la IA, en particular Nvidia, Meta y Palant. La correlación no es causalidad, por supuesto, y los comentarios recientes de Sam Altman, el Director General de OpenAI, pueden haber jugado un papel más importante en la venta, que seguramente era inevitable en un momento dado, dados los aumentos en los precios recientes. Durante una cena con periodistas, Altman dijo que las evaluaciones eran «locas» y usaron el término «burbuja» tres veces en quince segundos, informó CNBC.
Sin embargo, el estudio del MIT atrajo mucha atención, y después de la serie inicial de informes de investigación, surgió un informe de que el laboratorio de medios, que tiene vínculos con muchas compañías tecnológicas, se restringió discretamente el acceso. Los mensajes que dejé con la oficina de comunicaciones de la organización y dos de los autores del informe no han regresado.
Aunque el informe es más matizado que una cobertura de los medios, ciertamente plantea preguntas sobre la gran historia económica que ha respaldado el auge tecnológico desde noviembre de 2022, cuando OpenAi publicó ChatGPT. La versión corta de esta historia es que la difusión de la IA generativa en la escala económica sería mala para los trabajadores, en particular los trabajadores del conocimiento, pero ideal para las empresas y sus accionistas, porque generaría un gran salto de productividad y, por extensión, ganancias.
Una posible razón por la que esto aún no parece haber sucedido para recordar la sugerencia de que las fallas de gestión constituyeron las ventajas de la productividad de las computadoras en los diecinueve años y a principios de los 90. El estudio del Laboratorio de Medios reveló que algunas de las inversiones de IA más exitosas fueron realizadas por nuevas empresas que utilizan herramientas altamente personalizadas en campos de trabajo estrechos. En el otro lado de la «Divide Genai», el estudio subrayó nuevas empresas menos exitosas que «construyeron herramientas genéricas o tratando de desarrollar capacidades internas». En términos más generales, el informe indica que las divisiones entre el éxito y el fracaso «no parecen estar motivadas por la calidad o la regulación del modelo, sino que parecen estar determinadas por el enfoque».
En teoría, la novedad y la complejidad de la IA generativa pueden retener ciertas empresas. Un estudio reciente, de la firma consultora Gartner, reveló que menos de la mitad de los CEO están convencidos de que sus principales oficiales de información son «advertidos». Pero hay otra posible explicación para el archivo decepcionante destacado en el informe del Laboratorio de Medios: para muchas empresas establecidas, una IA generativa, al menos en su encarnación actual, simplemente no es todo lo que fue agrietado. «Es excelente para la lluvia de ideas y los primeros borradores, pero no mantiene el conocimiento de las preferencias del cliente o no aprende de cambios anteriores», dijo un encuestado de la investigación en el laboratorio de medios. «Repite los mismos errores y requiere un contexto extenso para cada sesión. Para los altos problemas, necesito un sistema que acumule el conocimiento y mejore con el tiempo».
Por supuesto, hay muchas personas que encuentran una IA útil, y hay evidencia académica para apoyar esto: en 2023, dos economistas del MIT descubrieron que la exposición ChatGPT permitió a los participantes en un ensayo aleatorizado para terminar «tareas de escritura profesional» más rápidamente y mejorar la calidad de sus escritos. El mismo año, otros equipos de investigación identificaron resultados que mejoraron la productividad para los programadores de TI que utilizaron el co -piloto de Github y para los agentes de atención al cliente que tenían acceso a las herramientas de los propietarios. Los investigadores de laboratorio de medios han descubierto que muchos trabajadores usan sus herramientas personales, como GPT o Claude, para su trabajo; El informe se refiere a este fenómeno como «la economía de la sombra en las sombras» y los comentarios según los cuales «a menudo ofrece un mejor retorno de la inversión» que las iniciativas del empleador. Pero la pregunta sigue siendo, y esta es la que los altos ejecutivos de la compañía seguramente requerirán con más frecuencia: ¿por qué más empresas no han visto este tipo de ventajas que se alimentan de los resultados?
Parte del problema puede ser que la IA generativa, por notable, por notable, tenga una aplicación limitada en muchas regiones de la economía. Tomados en conjunto, ocio y hospitalidad, comercio minorista, construcción, bienes raíces y el sector de la atención, el apego de los niños y el tratamiento de personas antiguas o enfermas, empleados de alrededor de cincuenta millones de estadounidenses, pero no se parecen a los candidatos inmediatos para una transformación de IA.
Otra cosa importante a tener en cuenta es que la adopción de IA en toda la economía puede ser un proceso largo. En Silicon Valley, a la gente le gusta moverse rápidamente y romper las cosas. Pero la historia económica nos dice que incluso las tecnologías más transformadoras, que los economistas llaman tecnología para uso general, no pueden explotarse con un efecto máximo hasta que se desarrollen la infraestructura, las habilidades y los productos que pueden complementarlos. Y 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 en Gran Bretaña todavía estaban impulsadas por ruedas de agua, en parte porque era difícil transportar carbón para su uso en las máquinas de vapor. Esto no cambió antes del desarrollo de los ferrocarriles de vapor a principios del siglo XIX. La electricidad también se ha propagado lentamente y no condujo de inmediato a una escala económica de crecimiento de la productividad. Como señaló Solow, el desarrollo de las computadoras ha seguido el mismo esquema. (De 1996 a 2003, el crecimiento de la productividad en toda la economía finalmente aumentó, lo que muchos economistas atribuyeron al efecto retrasado de la tecnología de la información. Sin embargo, posteriormente colapsó).
