Cuando la inteligencia deja de ser escasa

Tags :
Share This :

Hay una pregunta que se repite con bastante insistencia desde que la inteligencia artificial generativa empezó a demostrar que podía cubrir tareas que, hasta hace relativamente poco, considerábamos exclusivamente humanas. ¿Qué va a ocurrir con todos aquellos trabajos que los LLMs sean capaces de hacer mejor, más rápido y, sobre todo, a un coste infinitamente menor? La preocupación resulta comprensible. Durante décadas hemos construido buena parte de nuestra organización económica alrededor de una idea relativamente sencilla: el conocimiento es escaso, adquirirlo cuesta tiempo y dinero, y quienes consiguen acumularlo pueden ser remunerados por ponerlo al servicio de los demás. La irrupción de una tecnología capaz de producir, interpretar y utilizar información de manera prácticamente inmediata amenaza con alterar ese equilibrio de una forma que todavía no terminamos de comprender.

El debate público, sin embargo, parece haberse instalado en una interpretación bastante limitada de lo que supone ese cambio. Se habla de los empleos que desaparecerán, de los profesionales que dejarán de ser necesarios y de las empresas que podrán reducir sus plantillas gracias a la automatización. Todo ello tiene una lógica evidente, porque cuando una tecnología permite hacer el mismo trabajo utilizando menos recursos, lo primero que uno imagina es una reducción de los factores productivos necesarios para llevarlo a cabo. Pero quizá estemos pasando por alto una consecuencia mucho más interesante desde el punto de vista económico: qué ocurrirá cuando actividades que hasta ahora resultaban demasiado caras, demasiado complejas o directamente imposibles para buena parte de la población empiecen a estar al alcance de cualquiera.

La historia económica ofrece algunos precedentes que ayudan a entender esta cuestión. En su libro The Relentless Revolution, la historiadora Joyce Appleby explica cómo el desarrollo del capitalismo estuvo ligado a un cambio profundo en la manera de entender la creación de riqueza. Durante siglos, la economía se había organizado alrededor de una concepción bastante estática de los recursos disponibles. La tierra, los metales preciosos y la capacidad productiva del factor humano constituían una riqueza que los Estados trataban de controlar y acumular, en un mundo donde el enriquecimiento de unos se entendía frecuentemente como una pérdida para otros. El desarrollo de nuevas formas de producción, el crecimiento del comercio y la aparición de una demanda cada vez más amplia terminaron demostrando que aquella visión era profundamente incompleta. La riqueza no era únicamente algo que se repartía entre quienes conseguían apropiársela, sino algo que podía aumentar cuando la productividad y sus incentivos precedentes permitían desarrollar actividades que antes no existían (Appleby, 2010).

Esta distinción resulta especialmente relevante para entender el momento actual. Cuando pensamos en la inteligencia artificial, solemos hacerlo desde el lado de la oferta, es decir, desde su capacidad para producir conocimiento, resolver problemas o ejecutar tareas que anteriormente requerían intervención humana. Pero prestamos mucha menos atención al lado de la demanda, a todas aquellos individuos y empresas que, precisamente porque producir conocimiento era caro, nunca habían tenido la posibilidad de utilizarlo en la escala que realmente necesitaban. Y es ahí donde puede encontrarse una parte considerable del verdadero potencial económico de esta tecnología.

Pensemos, por ejemplo, en una pequeña empresa que necesita analizar sus datos de ventas, diseñar una estrategia comercial o desarrollar una herramienta informática para gestionar su actividad. Hasta hace poco, buena parte de esas necesidades quedaban sin cubrir porque contratar a un equipo de consultores, programadores o analistas sencillamente no resultaba rentable. No es que la empresa no tuviese problemas que resolver, sino que el coste de resolverlos superaba el beneficio esperado de dicha inversión. La inteligencia artificial puede alterar radicalmente esa relación, permitiendo acceder a capacidades que antes estaban reservadas a organizaciones con un tamaño y unos recursos considerablemente mayores.

Algo parecido ocurre con las personas. Un estudiante que quiere profundizar en una materia que no domina, un trabajador que pretende aprender a programar o alguien que tiene una idea empresarial, pero carece de los conocimientos técnicos necesarios para desarrollarla, pueden encontrar ahora herramientas capaces de reducir considerablemente las barreras de entrada. No significa que desaparezca la necesidad de aprender ni que cualquier persona pueda convertirse de la noche a la mañana en un experto en cualquier materia, pero sí que el coste de adquirir determinados conocimientos y, sobre todo, de ponerlos en práctica, se reduce de manera muy significativa.

La cuestión económica de fondo es que cuando el precio de un bien disminuye, su consumo suele aumentar, y en ocasiones lo hace hasta niveles que antes resultaban difíciles de imaginar. Ocurrió con el transporte, con las telecomunicaciones y con buena parte de los bienes de consumo que hoy consideramos imprescindibles. Cuando realizar una llamada internacional era extraordinariamente caro, la gente no hablaba menos por teléfono porque tuviera menos cosas que contar, sino porque el coste limitaba sus posibilidades. La reducción de ese coste no se tradujo simplemente en hacer más baratas las conversaciones que ya existían, sino en multiplicar las comunicaciones y generar nuevas formas de actividad económica alrededor de ellas.

Con la inteligencia artificial podría suceder algo parecido. La posibilidad de disponer de asistencia técnica, capacidad de análisis o herramientas de programación a un coste muy reducido no implica necesariamente que vayamos a consumir la misma cantidad de servicios “intelectuales” pagando menos por ellos. También puede significar que empecemos a demandar servicios que anteriormente ni siquiera nos planteábamos utilizar, que aparezcan actividades económicas nuevas y que personas que nunca habían tenido acceso a determinados conocimientos descubran aplicaciones del conocimiento y de la tecnología que hoy todavía no sabemos anticipar.

De hecho, algunas de las primeras evidencias empíricas sobre el impacto de la inteligencia artificial apuntan en esa dirección. Un estudio de Erik Brynjolfsson, Danielle Li y Lindsey Raymond, publicado el año pasado en The Quarterly Journal of Economics, analizó la introducción de herramientas de inteligencia artificial entre trabajadores de atención al cliente y encontró mejoras de productividad cercanas al 15%, concentradas especialmente entre aquellos empleados con menor experiencia. El resultado es interesante no solo por el incremento de productividad, sino porque sugiere que estas herramientas pueden permitir a trabajadores menos especializados acercarse al rendimiento de otros que habían necesitado años de experiencia para adquirir determinadas capacidades (Brynjolfsson, Li y Raymond, 2025).

Esta implicación es muy importante. Si la inteligencia artificial permite reducir parte de las diferencias de productividad que existen entre profesionales con distintos niveles de experiencia, no estamos hablando únicamente de una herramienta para sustituir trabajadores, sino también de un instrumento que puede ampliar las capacidades de quienes permanecen en el mercado laboral. Esto podría resultar especialmente relevante en economías donde una parte considerable del tejido productivo está formado por pequeñas empresas que no disponen de recursos suficientes para incorporar especialistas en todas las áreas de su actividad. Es decir, en países como España cuyo tejido productivo se compone casi en su totalidad de pymes.

Ahora bien, tampoco conviene llevar el argumento demasiado lejos. Que una tecnología aumente la productividad de determinados trabajadores no significa que vaya a mejorar automáticamente sus salarios, ni que los beneficios se distribuyan de manera equitativa entre empresas, empleados y consumidores. La historia de las revoluciones tecnológicas está llena de ejemplos en los que los incrementos de productividad convivieron durante años con transformaciones laborales difíciles, desplazamientos de trabajadores fuera del mercado y una concentración considerable de las ganancias en determinados sectores. La mecanización agrícola permitió liberar a millones de personas del trabajo en el campo, pero eso no significa que el proceso fuese sencillo para quienes vieron desaparecer su forma de vida.

Con la inteligencia artificial, además, existe una diferencia que puede hacer especialmente compleja la transición. Las grandes transformaciones tecnológicas del pasado afectaron inicialmente a actividades físicas, mientras que esta nueva revolución está entrando de lleno en sectores asociados tradicionalmente a la formación universitaria, la especialización profesional y el trabajo intelectual. Abogados, economistas, consultores, programadores, diseñadores o analistas financieros se encuentran ahora ante herramientas capaces de realizar parte de las tareas que durante décadas justificaron el valor económico de su trabajo. Y no resulta difícil entender por qué esto genera inquietud entre quienes han dedicado años a adquirir conocimientos que, al menos en determinadas aplicaciones, empiezan a ser mucho menos escasos.

Pero aquí aparece otra cuestión que considero especialmente importante. El valor de un profesional no depende únicamente de su capacidad para producir información, sino también de su criterio para interpretarla, de su experiencia para distinguir lo relevante de lo accesorio y de su responsabilidad a la hora de tomar decisiones. Un LLM puede preparar un análisis financiero, identificar riesgos contractuales o generar una propuesta comercial en cuestión de segundos, pero eso no convierte automáticamente sus resultados en decisiones correctas. Alguien tiene que entender las hipótesis, valorar las consecuencias, identificar los errores y asumir la responsabilidad de lo que finalmente se lleva a cabo.

De hecho, cuanto más sencilla resulte la producción de información, mayor puede ser la importancia de saber qué información necesitamos realmente. En un mundo donde elaborar un informe, construir un modelo o desarrollar una primera versión de un programa informático deja de ser especialmente costoso, una parte creciente del valor económico puede desplazarse hacia la capacidad de formular correctamente los problemas, seleccionar las herramientas adecuadas y ejecutar las decisiones que se derivan de ellas, al igual que asumir las responsabilidades derivadas de ello. No es una desaparición del conocimiento humano, sino una transformación de aquello por lo que estamos dispuestos a pagar y por lo que están dispuestos a pagarnos.

Esto nos lleva a una de las posibles paradojas de la inteligencia artificial. Cuanto más conocimiento tengamos disponible, más importante podría resultar nuestra capacidad para utilizarlo de manera efectiva. Una persona que hoy no dispone de los recursos necesarios para emprender un proyecto puede descubrir que determinadas barreras han desaparecido, pero también tendrá que decidir qué quiere construir, a quién pretende venderlo y por qué alguien estaría dispuesto a pagar por ello. La tecnología reduce el coste de ejecutar determinadas tareas, pero no elimina la necesidad de tener una idea, asumir riesgos o entender las necesidades de los demás.

La comparación con otras transformaciones económicas resulta útil precisamente por eso. En la revolución agrícola, la reducción del número de trabajadores necesarios para producir alimentos no provocó que el resto de la población se quedara sin actividades que realizar. Permitió que aparecieran ocupaciones, industrias y necesidades que anteriormente habrían resultado impensables. La mayor productividad agrícola no generó simplemente más alimentos, sino que liberó recursos para desarrollar otras partes de la economía. Es razonable preguntarse si una reducción significativa del coste de determinadas capacidades intelectuales podría tener consecuencias parecidas, aunque evidentemente no existe ninguna garantía de que el proceso vaya a desarrollarse de la misma manera.

La propia naturaleza de la demanda humana invita a pensar que las posibilidades son considerablemente más amplias de lo que solemos asumir. A medida que aumenta nuestra renta y disminuye el coste de acceder a determinados bienes o servicios, aparecen nuevas necesidades que anteriormente no formaban parte de nuestras prioridades. No hace tanto que disponer de acceso permanente a internet, utilizar aplicaciones de navegación o mantener reuniones por videollamada habría parecido un lujo innecesario para la mayoría de la población. Hoy son actividades completamente integradas en nuestra vida cotidiana, y alrededor de ellas se han desarrollado industrias que generan millones de empleos.

La inteligencia artificial podría ampliar de forma similar la demanda de servicios que requieren conocimiento especializado. Personas que nunca habrían contratado asesoramiento técnico podrán empezar a utilizarlo de manera habitual, pequeñas empresas que apenas analizaban sus datos podrán hacerlo de forma continua y profesionales que anteriormente dedicaban buena parte de su jornada a tareas repetitivas podrán concentrarse en actividades de mayor valor añadido. No sabemos exactamente qué nuevos mercados aparecerán, pero asumir que la demanda de conocimiento permanecerá constante mientras su precio disminuye parece una hipótesis demasiado restrictiva.

Existe, además, una dimensión distributiva que puede terminar siendo tan importante como el propio avance tecnológico. Durante mucho tiempo, el acceso a determinados conocimientos ha estado condicionado por la renta, la educación y la posición social. Quien podía permitirse contratar especialistas, estudiar en determinadas instituciones o dedicar años a formarse, disponía de ventajas que resultaban difíciles de compensar para quienes partían de una situación menos favorable. Si la inteligencia artificial consigue reducir parte de esas diferencias, su efecto económico podría ir bastante más allá de los incrementos de productividad que hoy aparecen en los estudios académicos.

Pero sería ingenuo suponer que ese acceso se democratizará automáticamente. La capacidad de desarrollar los modelos más avanzados está concentrada en un número reducido de empresas que disponen de enormes recursos financieros, acceso a infraestructuras de computación y cantidades extraordinarias de datos. Existe el riesgo de que una tecnología capaz de reducir las barreras de entrada al conocimiento termine creando, al mismo tiempo, nuevas dependencias respecto de quienes controlan las herramientas necesarias para utilizarlo.

Por eso, desde una perspectiva económica, una de las cuestiones fundamentales será garantizar que la libre competencia juegue su papel en este nuevo mercado. No se trata de impedir que las empresas obtengan rentabilidad por sus inversiones, algo imprescindible para que continúe la innovación, sino de evitar que el control de determinadas infraestructuras, plataformas o canales de distribución se convierta en una barrera de entrada permanente a nuevos competidores. La disponibilidad de LLMs alternativos, la posibilidad de cambiar de proveedor y la existencia de mercados suficientemente abiertos serán elementos importantes para determinar quién termina beneficiándose de esta revolución.

También será necesario repensar algunos aspectos de la educación. Durante décadas, buena parte de nuestros sistemas educativos se han organizado alrededor de la transmisión y evaluación de conocimientos que resultaban relativamente difíciles de obtener, pero cuando un estudiante puede acceder en segundos a explicaciones, soluciones y desarrollos técnicos que antes requerían consultar varios manuales, el valor de memorizar determinada información empieza a ser distinto. Eso no significa que la formación teórica deje de ser necesaria. Al contrario, sin una base sólida resulta mucho más difícil distinguir una respuesta correcta de otra que simplemente parece convincente.

La cuestión es que enseñar a utilizar estas herramientas con criterio puede terminar siendo tan importante como enseñar los contenidos sobre los que trabajan. Un estudiante que comprende los fundamentos de una materia podrá utilizar la inteligencia artificial para profundizar, explorar nuevas aplicaciones o resolver problemas de mayor complejidad. Otro que simplemente delegue todas sus tareas en un LLM puede terminar adquiriendo una falsa sensación de conocimiento que desaparezca en cuanto tenga que tomar una decisión sin asistencia. La diferencia entre ampliar nuestras capacidades y sustituir nuestro esfuerzo intelectual será, probablemente, uno de los grandes debates educativos de los próximos años.

Algo parecido ocurre con la regulación. Los riesgos asociados a la inteligencia artificial son reales, especialmente cuando se utiliza en ámbitos donde los errores pueden tener consecuencias importantes, desde la sanidad hasta los mercados financieros, pero una regulación que parta de la premisa de que el conocimiento debe permanecer bajo el control de un grupo reducido de especialistas podría terminar restringiendo precisamente algunas de las aplicaciones más beneficiosas de la tecnología. La respuesta razonable debería consistir en exigir garantías proporcionadas al riesgo, establecer responsabilidades claras y permitir que la competencia y la innovación sigan desarrollándose allí donde los posibles daños sean limitados.

En el caso de España, el debate tiene implicaciones especialmente relevantes. Como mencionaba antes, nuestro tejido empresarial está formado mayoritariamente por pequeñas y medianas empresas, muchas de las cuales arrastran problemas de productividad, dificultades para incorporar tecnología y una capacidad limitada para contratar talento especializado. La inteligencia artificial ofrece una oportunidad considerable para reducir algunas de esas desventajas, siempre que su adopción no quede limitada a las grandes compañías y a los sectores que ya disponen de mayores recursos.

Una pequeña empresa industrial que pueda mejorar la planificación de su producción, un despacho que automatice parte de sus tareas administrativas o un negocio que consiga acceder a herramientas de análisis antes reservadas a grandes organizaciones estarán en mejores condiciones para competir. El problema será conseguir que esas mejoras se traduzcan en decisiones empresariales reales y no simplemente en la incorporación de una nueva herramienta informática que termine utilizándose para hacer exactamente lo mismo que antes.

Aquí es donde conviene recordar algo que la historia económica ha demostrado repetidamente. Las grandes revoluciones tecnológicas no transforman una economía únicamente porque aparezca una nueva máquina, sino porque empresas, trabajadores e instituciones reorganizan sus actividades para aprovechar las posibilidades que ofrece. La electrificación industrial, por ejemplo, no produjo todos sus beneficios simplemente sustituyendo una fuente de energía por otra. Fue necesario rediseñar fábricas, procesos productivos y estructuras de organización. Con la inteligencia artificial probablemente ocurra algo parecido. Incorporar un asistente virtual a una oficina no equivale necesariamente a transformar la productividad de una empresa si todo lo demás permanece igual.

Esta distinción ayuda también a moderar algunas de las expectativas más exageradas que rodean actualmente al sector. Es posible que la inteligencia artificial termine teniendo un impacto extraordinario sobre el crecimiento económico, pero ese resultado dependerá de su adopción efectiva, de la reorganización de los procesos productivos y de la aparición de nuevas actividades que permitan aprovechar las capacidades disponibles. No basta con desarrollar modelos cada vez más potentes si las empresas no encuentran aplicaciones rentables o si los costes de implementación terminan absorbiendo buena parte de los beneficios.

En este sentido, quizá estemos dedicando demasiado tiempo a preguntarnos qué trabajos van a desaparecer y demasiado poco a pensar qué actividades podrían empezar a existir. No porque la primera pregunta carezca de importancia, sino porque ofrece una visión incompleta de una transformación cuyo alcance todavía desconocemos. La economía no es una cantidad fija de tareas que se reparten entre trabajadores y máquinas. Es un sistema que cambia continuamente a medida que aparecen nuevas tecnologías, se modifican los precios en consecuencia y surgen necesidades que anteriormente no podían satisfacerse.

Por supuesto, eso no significa que la transición vaya a ser sencilla ni que todos vayan a beneficiarse de la misma manera. Habrá profesiones que sufran ajustes importantes, empresas que desaparezcan y trabajadores que necesiten adquirir nuevas capacidades. El papel de las instituciones será especialmente relevante para facilitar esa adaptación, evitar barreras innecesarias a la movilidad laboral y garantizar que los beneficios del progreso tecnológico no queden concentrados exclusivamente en quienes controlan el capital tecnológico y sus correspondientes infraestructuras.

Pero tampoco deberíamos caer en la tentación de interpretar cada avance en automatización como una pérdida equivalente de oportunidades para el conjunto de la sociedad. Una de las grandes lecciones del desarrollo económico es que la reducción del coste de producir determinados bienes no solo permite consumirlos más baratos, sino que puede ampliar de forma extraordinaria el conjunto de actividades que resultan económica y técnicamente viables (lo que en jerga económica se conoce como la frontera de posibilidades de producción, o PPF por sus siglas en inglés).

Quizá dentro de unas décadas miremos el debate actual sobre la inteligencia artificial con una perspectiva parecida a la que hoy tenemos sobre algunas de las transformaciones tecnológicas del pasado. Nos parecerá lógico que muchas tareas que antes requerían un esfuerzo considerable puedan realizarse de forma prácticamente inmediata, y posiblemente nos costará imaginar cómo desarrollábamos determinadas actividades sin disponer de estas herramientas. Lo verdaderamente interesante será comprobar qué hemos decidido hacer con todas las capacidades que hemos conseguido liberar.

El principal cambio económico de la inteligencia artificial podría no consistir en que las máquinas hagan el trabajo que antes realizábamos nosotros, sino en que millones de personas puedan empezar a hacer cosas que anteriormente estaban fuera de su alcance. Y si eso ocurre, el verdadero límite al crecimiento de esta nueva economía no estará únicamente en la cantidad de inteligencia que seamos capaces de producir, sino en nuestra capacidad para descubrir qué queremos hacer con ella.

Referencias
  • Appleby, J. (2010). The relentless revolution: A history of capitalism. W. W. Norton & Company.
  • Brynjolfsson, E., Li, D., & Raymond, L. (2025). Generative AI at work. The Quarterly Journal of Economics, 140(2), 889–942. https://doi.org/10.1093/qje/qjae044
Álvaro Martín
Author: Álvaro Martín

Deja una respuesta