Crecimiento exponencial: cuando la IA cognitiva duplica el PIB en una década

La economía crece despacito. Esa ha sido la regla no escrita de los últimos cincuenta años en las economías desarrolladas: una expansión anual del producto doméstico bruto que rara vez supera el dos por ciento, un ritmo que dobla la riqueza cada treinta y cinco años, no cada década. Es un tempo que hemos asumido como natural, producto de fuerzas demográficas, limitaciones tecnológicas y leyes económicas inmutables. Pero una voz reciente del cruce entre academia y la industria de sistemas cognitivos plantea una interrogante que suena casi fantástica: ¿y si esa desaceleración no es inevitable?

El autor, David J. Deming, profesor de economía política de la Escuela Kennedy de Harvard e investigador colaborador en los laboratorios de OpenAI, publicó recientemente un análisis que desafía las proyecciones convencionales. Su tesis central es que la automatización cognitiva puede impulsar el PIB a través de dos mecanismos: sustitución de trabajo humano por capital sintético, o incremento de la productividad total de los factores. La conclusión es contundente. Si los sistemas avanzados mantienen su trayectoria actual, el PIB podría duplicarse cada diez años, lo que implica un crecimiento anual del siete por ciento, más del triple del promedio histórico.

Este no es un pronóstico basado en especulación abstracta. El análisis se apoya en métricas concretas: los horizontes de tarea para modelos de lenguaje se duplican cada seis meses según la evaluación METR, que mide el tiempo humano requerido para resolver tareas a tasa de éxito fija. Cuando el segmento no automatizado se reduce a la mitad semestralmente, pasar del cincuenta al noventa y siete por ciento de automatización toma apenas dos años una vez alcanzado el punto medio. A ese ritmo, la economía entera experimenta una transformación de velocidad asombrosa.

El argumento se vuelve más convincente al considerar la evolución de costos. Los precios de inferencia para capacidad fija han caído aproximadamente diez veces por año. Lo que hoy es costoso y accesible solo a grandes corporaciones se vuelve barato y escalable rápidamente. Esta deflación tecnológica acelera la adopción, creando un ciclo de retroalimentación donde lo posible se vuelva práctico antes de que los mercados asimilen el cambio anterior.

Los fundamentos del crecimiento exponencial

Para comprender la magnitud de estas proyecciones, es necesario desglosar los mecanismos subyacentes. La economía tradicional mide el producto como resultado de trabajo, capital y productividad. La tesis del investigador agrega una variable nueva: trabajadores sintéticos cuya cantidad y calidad pueden crecer simultáneamente a velocidades insólitas.

Desde la perspectiva laboral, los sistemas avanzados añaden una fuerza laboral virtual que no está sujeta a límites demográficos. Mientras la población humana en edad productiva crece lentamente o se estanca en las economías desarrolladas, los agentes cognitivos pueden multiplicarse instantáneamente y mejorar continuamente. Esto rompe la restricción del tamaño de la fuerza de trabajo que ha frenado el crecimiento en regiones como Europa y Japón.

Desde la óptica de productividad, un modelo de media armónica sugiere que las ganancias provienen de dos fuentes: reducir la porción de tareas no automatizables y aumentar el factor de aceleración para las automatizadas. Cuando ambos componentes se optimizan conjuntamente, mejoras de diez veces no solo son posibles sino predecibles. La clave está en que el trabajo cognitivo representa al menos el treinta por ciento del PIB global. Automatizar completamente ese segmento implicaría un incremento del cuarenta y dos por ciento en el producto, sin considerar los efectos contagio en otros sectores.

El análisis contrasta estas proyecciones con pronósticos conservadores que sugieren adiciones modestas de 0.1% o 1.5% al crecimiento anual. La diferencia radica en la dinámica de pendiente contra umbrales estáticos. Los modelos tradicionales asumen que la automatización avanza linealmente, añadiendo un porcentaje fijo de productividad cada año. La nueva perspectiva argumenta que la pendiente de mejora de capacidad crea saltos cualitativos una vez que ciertos umbrales se atraviesan.

Esta visión transforma la planificación económica. Si el crecimiento del siete por ciento es plausible, las implicaciones para política fiscal, inversión en infraestructura y distribución de riqueza son radicales. Los gobiernos que asuman crecimiento del dos por ciento sub-invertirán en capacidad productiva, mientras que aquellos que se preparen para expansión más rápida podrían capturar beneficios descomunales.

La matemática detrás del despliegue cognitivo

El núcleo empírico del análisis descansa en la evaluación METR, un conjunto de benchmarks que miden cuánto tiempo humano requiere resolver tareas con asistencia de sistemas avanzados a tasa de éxito constante. Los datos muestran que estos horizontes se duplican cada seis meses: tareas que hoy toman una hora en completarse con ayuda de sistemas cognitivos, tomarán dos horas de valor humano equivalente dentro de un año, pero serán resueltas en minutos por la tecnología.

Este ritmo de duplicación es sorprendente incluso para estándares tecnológicos. Implica que el conjunto de tareas "no automatizables" se reduce a la mitad cada semestre. Desde el cincuenta por ciento inicial de tareas cognitivas automatizables, el sistema alcanza el veinticinco por ciento en seis meses, el doce y medio por ciento en un año, y menos del tres por ciento en dieciocho meses. La curva es implacablemente exponencial.

La caida de precios de inferencia amplifica este efecto. Una reducción del diez por ciento anual significa que en tres años, ejecutar un modelo de capacidad fija cuesta mil veces menos. Esto elimina la barrera económica de adopción, forzando a industrias enteras a reconfigurarse alrededor de capacidades que antes eran prohibitivas. No es solo que la tecnología mejora; es que se democratiza a velocidad vertiginosa.

El modelo de media armónica proporciona un lenguaje matemático para esto. Si representamos el crecimiento como función de la fracción automatizada y la aceleración que ésta proporciona, obtenemos una ecuación donde pequeñas mejoras en ambos factores generan ganancias desproporcionadas. Un sistema que acelere tareas automatizadas cinco veces y que duplique la fracción automatizada produce no diez, sino veinte veces más output.

Esta matemática explica por qué los sistemas masivos de mezcla de expertos (MoE) con billones de parámetros son más importantes que sus versiones densas más pequeñas. No es solo escala brute; es la capacidad de especialización que permite automatizar nichos de tareas previamente resistentes. Cada experto en el modelo representa una micro-automatización de un dominio específico, y el enrutador aprende combinarlos en secuencias productivas.

El análisis también considera la interacción entre trabajadores humanos y sintéticos. La fuerza laboral tradicional no desaparece; se reconfigura. Humanos se especializan en tareas que requieren intuición, juicio moral y creatividad verdadera, mientras que sistemas manejan ejecución, análisis y optimización. El resultado neto es un equipo híbrido cuya productividad total supera la suma de sus partes.

Del modelo al mercado: traduciendo potencial a producto real

Si el trabajo cognitivo representa el treinta por ciento del PIB, como sugieren las cuentas nacionales desagregadas, su automatización completa generaría un impulso inmediato del cuarenta y dos por ciento al producto total. Este cálculo es conservador porque ignora los efectos de red y los spillovers tecnológicos. Cuando la investigación médica se acelera diez veces mediante sistemas de análisis, los beneficios no quedan en el sector médico; se propagan a farmacéutica, seguros, productividad laboral y longevidad.

Los efectos spillover podrían empujar el crecimiento hacia la trayectoria del siete por cientouno anual. Si la automatización de investigación genera nuevos materiales, estos revolucionan manufactura. Si la automatización legal reduce costos de transacción, los mercados se vuelven más eficientes. Si la automatización educativa personaliza aprendizaje, la fuerza laboral humana se vuelve más capacitada. Los ciclos virtuosos se multiplican.

El contraste con proyecciones conservadoras de 0.1% o 1.5% de crecimiento adicional es revelador. Esas estimaciones asumen que la automatización reemplaza trabajo humano uno-a-uno, sin considerar los efectos de aumento de capacidad. Un abogado asistido no produce mismos servicios más baratos; produce servicios impossibles sin asistencia, como revisar millones de contratos en horas para detectar patrones sistémicos de riesgo.

El análisis también contempla riesgos. Si la transición es demasiado rápida, el desempleo estructural podría superar la capacidad de reentrenamiento. Si los beneficios se concentran en titulares de capital, la desigualdad podría socavar la legitimidad del sistema. Si los gobiernos responden con proteccionismo laboral, podrían bloquear la innovación necesaria para competir globalmente. Estos no son contraargumentos a la proyección de crecimiento, sino advertencias sobre distribución y gestión de transición.

La conclusión más provocadora del estudio es que el crecimiento económico no está limitado por recursos humanos ni por capital físico, sino por la velocidad a la que podemos reinventar instituciones sociales para aprovechar la abundancia cognitiva. Los contratos laborales, sistemas educativos, marcos regulatorios y estructuras de propiedad fueron diseñados para una era de escasez de inteligencia. En una era de abundancia, necesitan reconstrucción fundamental.

El mensaje final del analista es que la dinámica de pendiente importa más que los umbrales estáticos. No es relevante cuánto mejoran los sistemas hoy; lo que importa es que la tasa de mejora es exponencial. Una vez que la pendiente es lo suficientemente empinada, incluso pequeños incrementos en automatización desatan ganancias descomunales porque el denominador de trabajo no automatizable se vuelve minúsculo rápidamente.

Esta visión transforma la pregunta de política pública. Ya no se trata de si debemos permitir la automatización, sino de cómo reconfigurar la economía para absorber una abundancia de capacidad cognitiva sin precedentes. Los países que logren esto capturarán la mayor bonanza de riqueza de la historia. Los que fracasen verán cómo su fuerza laboral humana se vuelve obsoleta mientras su producto estanca.

La reflexión final es una provocación a la complacencia. Mientras economistas debaten si la automatización añadirá décimas de punto al crecimiento, la tecnología prepara un salto cualitativo. El crecimiento del PIB no será incremental; será una función escalonada donde cada avance desata reconfiguración económica. Quien entienda esa dinámica, ganará el futuro.