“El tiempo es oro” es una frase muy usada en el mundo empresarial. Como muchos otros clichés, se usa a menudo, pero rara vez se toma en serio. Pero en el contexto de la inteligencia artificial y sus efectos en la productividad económica, el tiempo —y más concretamente, el ahorro de tiempo— se está convirtiendo en uno de los indicadores más importantes para determinar si las enormes inversiones en tecnología serán rentables.
El potencial de cualquier tecnología para mejorar el nivel de vida depende de su capacidad para impulsar mejoras en lo que los economistas denominan productividad total de los factores; es decir, obtener mayor valor de todos los recursos utilizados en la producción de bienes o servicios. La productividad se ha convertido en una preocupación clave tanto para líderes empresariales como para legisladores, debido a que su crecimiento se ha desacelerado considerablemente en las últimas décadas, aun cuando el cambio tecnológico parece avanzar a una velocidad asombrosa.
Aunque casi cada semana se presenta un nuevo modelo de IA con capacidades sorprendentes y la consiguiente expectativa de que ayudará a las empresas a mejorar sus flujos de trabajo o servicios, las estadísticas económicas no reflejan, hasta el momento, las anunciadas mejoras de eficiencia. Las encuestas sugieren que muchos están probando la IA. Un análisis reciente de las encuestas empresariales realizado por la Junta de la Reserva Federal de EU reveló que entre el 20 por ciento y el 40 por ciento de los trabajadores lo estaban haciendo. Otro estudio reveló que la tasa de adopción entre las empresas de la Unión Europea fue, en promedio, del 13.5 por ciento.
Cuando surgieron las llamadas tecnologías de propósito general, los beneficios en productividad siempre tardaron en reflejarse en las estadísticas nacionales. Un conocido estudio de caso sobre la electrificación de la manufactura estadounidense a principios del siglo XX reveló que el retraso fue de aproximadamente 50 años. Una razón clave: las empresas tuvieron que invertir no solo en equipos eléctricos, sino también en nuevas fábricas. Un molino a vapor alcanzaba varios pisos de altura para utilizar su fuente de energía de manera eficiente, mientras que una línea de ensamblaje eléctrica necesitaba una distribución plana. Un trío de economistas, liderado por Erik Brynjolfsson, de la Universidad de Stanford , denominó este fenómeno la " curva J de la productividad “: la productividad disminuye con la adopción de una nueva tecnología antes de que aumente.
Otra razón por la que las ganancias de productividad tardan en reflejarse en los datos es la dificultad de medirla , sobre todo en amplios sectores de la economía que ya no producen bienes estandarizados y fáciles de contabilizar, como lavadoras y autopartes. Tomemos como ejemplo la consultoría de gestión o los servicios jurídicos. Las agencias de estadística pueden recopilar fácilmente datos sobre los ingresos de este tipo de empresas, pero ¿cuál es la cantidad de su producción? Seguramente no se trata de la extensión de una presentación ni del número de páginas de un informe legal. El precio que cobran por los servicios está vinculado a la calidad, pero ¿cómo puede un estadístico tener en cuenta la calidad de la gestión o del asesoramiento jurídico?
Google gana miles de millones con un servicio gratuito (la búsqueda) cobrando por los anuncios que se muestran junto a los resultados. Sin embargo, atribuir la creación de valor económico, que es lo que la productividad busca medir, es menos sencillo que contabilizar los ingresos de Google. ¿Qué hay de las contribuciones de los proveedores de servicios de internet, los propietarios de centros de datos y los proveedores de contenido?
Analizar el tiempo dedicado —cuánto y quién lo dedica— es una métrica de productividad más útil para rastrear el impacto de la IA. Aunque solemos pensar en la tecnología en términos de nuevos dispositivos o inventos, la mayoría de las mejoras históricas en productividad se debieron a que los trabajadores adquirieron la capacidad de hacer algunas cosas más rápido, liberando así más tiempo para otras actividades. En resumen, las innovaciones de proceso son más importantes que las de producto.
Pensemos en la expansión del barco de vapor. Mejoras anteriores, como el revestimiento de cascos con cobre, habían acelerado el desarrollo de los barcos de vela , pero fue la adopción de los clíperes a vapor la que transformó los viajes y el comercio a finales del siglo XIX. Un ejemplo más reciente de innovación en procesos es la difusión de las técnicas de fabricación “justo a tiempo”, iniciadas en Japón durante la década de 1980. Gracias a las mejoras en la logística, industrias como la automotriz y la textil se movieron para ajustar mejor la producción a la demanda, reduciendo el riesgo de quedarse con inventario sin vender.
Para algunas tecnologías, los beneficios para toda la economía son menos claros. Consideremos los quioscos de autopago instalados actualmente en muchas tiendas. Ahorran a los dueños de las tiendas el salario de los cajeros que reemplazan, lo que posiblemente aumenta la productividad medida del sector minorista. Sin embargo, aprovechan el tiempo no remunerado de los compradores, por lo que no está claro que haya una ganancia significativa en la productividad general. De muchas otras maneras, algunas aplicaciones de IA imponen un impuesto de tiempo a los consumidores en beneficio de las organizaciones que las utilizan. Piense en el tiempo (y el estrés) que implica tratar con esos centros de atención al cliente donde ningún humano contesta el teléfono o en gestionar el proceso de devolución en un sitio web de comercio electrónico.
Por estas razones, el tiempo es una métrica económica clave de interés a medida que la IA comienza a transformar nuestras vidas. Desafortunadamente, se recopilan pocos datos sobre cómo las personas distribuyen sus horas diarias, tanto en el trabajo como fuera de él. Algunas agencias nacionales de estadística que encuestan a los consumidores sobre su uso del tiempo ahora incluyen preguntas sobre las actividades en línea. Sin embargo, estas encuestas son poco frecuentes, y aún es difícil discernir si las actividades en línea hacen la vida más cómoda y eficiente o, en cambio, imponen un impuesto de tiempo a través de menús en línea complejos, relegando así el trabajo al individuo.
La IA ya está demostrando ser útil para automatizar procesos que consumen mucho tiempo, como resumir precedentes legales, dar formato a presentaciones y escribir código estándar. Las empresas deberían considerar sus oportunidades de productividad en función de cómo sus empleados invierten su tiempo ahora y cómo podrían hacerlo de forma más valiosa en el futuro. En otras palabras, la IA ofrece la oportunidad de determinar qué actividades o tareas consumen tiempo. Los empleados sin duda sabrán la respuesta, aunque podrían ser reacios a compartir la información con sus jefes por temor a que sus puestos de trabajo sean eliminados. (Un informe de Goldman Sachs de 2023 estimó que la IA podría eliminar 300 millones de empleos a tiempo completo en todo el mundo, pero nadie lo sabe con certeza).
Mientras tanto, economistas y estadísticos deberían considerar nuevos tipos de encuestas y métodos más innovadores de recopilación de datos, como el seguimiento del uso de teléfonos celulares y computadoras, que ayudarían a llenar algunos de esos vacíos. La forma en que asignamos las 24 preciosas horas que tenemos al día es la medida definitiva del valor, y cómo la IA demostrará su valor económico.
Diane Coyle es codirectora del Instituto Bennett de Políticas Públicas de la Universidad de Cambridge. Es autora de “La Medida del Progreso: Contando lo que Realmente Importa” .
Lee aquí la versión más reciente de Businessweek México:
