La espiral que nadie calcula: más IA, menos empleos, menos consumo, más crisis

¿Qué pasaría si todo lo que se predijo sobre la inteligencia artificial resultara cierto, y aun así eso fuera una mala noticia? Esa es la pregunta que se formularon los analistas de CitriniResearch junto al inversor Alap Shah en un ensayo publicado esta semana. El texto adopta una forma inusual: está escrito como si fuera un memorando de inversión de junio de 2028, mirando hacia atrás para explicar cómo colapsó la economía global. No es una predicción ni un manifiesto catastrofista. Es un mapa de riesgos que, según sus autores, sigue siendo ignorado mientras los mercados celebran máximos históricos.

El relato arranca con una constatación incómoda: durante décadas, la economía global funcionó sobre el supuesto de que la inteligencia humana era el insumo escaso. Todo el sistema (el mercado laboral, el crédito hipotecario, el código tributario, la estructura del consumo) fue diseñado para un mundo donde eso era verdad. Cuando la IA comenzó a ofrecer un sustituto competente y cada vez más barato de esa inteligencia, el sistema no colapsó de golpe. Se empezó a deshilachar, hilo por hilo, siguiendo una lógica que resultó imposible de detener.

El PIB fantasma y la espiral que nadie frenó

El escenario ficticio sitúa el punto de inflexión en finales de 2025, cuando las herramientas de programación basadas en agentes de IA dieron un salto cualitativo. Un desarrollador competente trabajando con sistemas como Claude Code podía replicar la funcionalidad central de un producto de software empresarial en semanas, no en años. No de forma perfecta, pero sí con la suficiente solidez como para que los responsables de compras de grandes empresas empezaran a hacerse una pregunta que antes no tenían motivos para plantear: ¿para qué renovar un contrato de medio millón de dólares si podemos construirlo nosotros mismos?

Los mercados financieros, lejos de asustarse, celebraron. Para octubre de 2026, el S&P 500 rozaba los 8.000 puntos y el Nasdaq superaba los 30.000. Los despidos masivos de trabajadores de oficina hacían exactamente lo que se supone que deben hacer los despidos: expandían los márgenes, mejoraban las ganancias y empujaban las cotizaciones al alza. El dinero ahorrado en salarios se canalizaba de vuelta a infraestructura de inteligencia artificial. El ciclo virtuoso parecía perfecto.

El problema emergió cuando los analistas comenzaron a rastrear a dónde iba ese dinero. La productividad se disparaba, pero los salarios reales se hundían. Los trabajadores desplazados migraban hacia empleos peor pagados o directamente salían del mercado laboral. El consumo, que representa cerca del 70% del PIB de Estados Unidos, comenzó a contraerse en silencio. Nació entonces el concepto de Ghost GDP (PIB fantasma): producción que aparece en las estadísticas nacionales pero que nunca circula por la economía real, porque las máquinas que la generan no compran ropa, no pagan alquileres ni contratan servicios.

El dominó del software: cuando los sistemas de registro dejaron de ser seguros

El primer sector en sentir el impacto fue el software empresarial. Los inversores lo anticipaban: las aplicaciones de menor escala, las que automatizaban tareas simples de gestión, eran vulnerables desde hace tiempo. Lo que nadie calculó correctamente fue la velocidad con que la lógica destructiva escaparía hacia los llamados "sistemas de registro", ese núcleo de plataformas que las grandes corporaciones consideraban intocables porque estaban profundamente integradas en sus operaciones.

El memorando ficticio fecha el momento de revelación en el tercer trimestre de 2026, cuando ServiceNow anunció una desaceleración severa en el crecimiento de nuevos contratos y simultáneamente recortó el 15% de su plantilla. Las acciones cayeron un 18% en un día. Lo que la caída dejó al descubierto fue una ironía estructural: la misma ola de despidos que erosionaba los ingresos de ServiceNow (porque sus clientes cancelaban licencias al reducir empleados) era la que ServiceNow estaba usando para financiar su propia inversión en inteligencia artificial.

El texto señala que los inversores cometieron un error de foco: mientras debatían si los múltiplos del software habían tocado piso, la lógica destructiva ya había saltado el cerco. Cualquier empresa con una estructura de costos dominada por trabajo de oficina (bancos, aseguradoras, consultoras, estudios jurídicos) se descubrió atrapada en la misma mecánica. El software fue solamente el acto de apertura.

El fin de la fricción: cuando las máquinas tomaron las decisiones de consumo

El segundo gran derrumbe llegó desde un ángulo distinto. A comienzos de 2027, el uso de agentes de IA se había normalizado hasta el punto de que millones de personas los empleaban sin siquiera saber que lo hacían, de la misma manera que usan el corrector automático sin pensar en algoritmos. El catalizador fue la aparición de agentes de compra autónomos capaces de correr en segundo plano, en teléfonos y computadoras personales, optimizando cada transacción del usuario de forma continua.

El impacto sobre la economía del consumo fue inmediato y brutal. Durante cincuenta años, una enorme capa de valor empresarial había dependido de las limitaciones humanas: la pereza para comparar precios, la lealtad a marcas por simple costumbre, la aceptación de condiciones desventajosas para evitar trámites. Toda esa arquitectura de extracción de valor (suscripciones que se renuevan solas, precios introductorios que se duplican sin que nadie lo note, comisiones de intermediación que nadie cuestionaba) fue barrida cuando las máquinas empezaron a negociar en nombre de los usuarios.

El ensayo describe este proceso con una frase que resume décadas de modelos de negocio: "Habíamos sobreestimado el valor de las relaciones humanas. Resulta que mucho de lo que la gente llamaba relaciones no era más que fricción con cara amigable." Una vez que las máquinas empezaron a optimizar precio y conveniencia sin fatigarse ni ceder a la inercia, esa fricción desapareció, y con ella los márgenes que la sostenían.

La prima de inteligencia y su desmoronamiento

En el centro del análisis hay un concepto que los autores denominan la "prima de inteligencia humana". Durante toda la historia económica moderna, la capacidad de analizar, decidir, crear y coordinar fue el insumo que no podía replicarse a escala. El capital era abundante o al menos reproducible. Los recursos naturales eran finitos pero sustituibles. La tecnología mejoraba a un ritmo que los seres humanos podían seguir. La inteligencia, no.

Todo el sistema económico fue diseñado sobre ese supuesto. El mercado laboral, la estructura de crédito, el código impositivo y los modelos de valuación de activos asumían que la inteligencia humana escasa sería siempre la variable determinante del valor. Cuando la IA comenzó a ofrecer un sustituto funcional y en constante mejora, el sistema no colapsó de forma visible. Comenzó a repriciarse.

El dato más perturbador del escenario ficticio es uno concreto: la participación del trabajo en el PIB de Estados Unidos cayó del 56% en 2024 al 46% en apenas cuatro años. Para dar contexto, ese mismo indicador tardó cuatro décadas en descender del 64% al 56%, impulsado por la globalización y la automatización industrial. La aceleración que describe el ensayo no tiene precedente histórico. Y su consecuencia directa fue fiscal: menos empleo a salarios normales significa menos recaudación de impuestos en el momento exacto en que el Estado necesita gastar más para sostener a los desplazados.

El gobierno en el lugar imposible

El relato especulativo reserva su análisis más sombrío para la respuesta del Estado. Los estabilizadores automáticos de la economía (seguro de desempleo, transferencias sociales, redes de contención) fueron diseñados para crisis cíclicas: recesiones donde los trabajadores pierden el empleo temporalmente y luego regresan al mercado. No fueron construidos para un desplazamiento estructural donde millones de puestos no vuelven a existir, al menos no con las condiciones salariales anteriores.

Los ingresos fiscales federales corrían un 12% por debajo de las proyecciones oficiales. Los ingresos del trabajo caían porque había menos empleo formal y los que permanecían ganaban menos. Los ingresos de capital, por el contrario, se disparaban hacia los dueños de la infraestructura de cómputo. El resultado era un Estado que necesitaba transferir más dinero a los hogares en el momento preciso en que cobraba menos impuestos de ellos.

Mientras tanto, el tejido social se deshilachaba más rápido de lo que el proceso legislativo podía moverse. El movimiento Occupy Silicon Valley bloqueaba las oficinas de Anthropic y OpenAI en San Francisco durante semanas. Los fundadores y primeros inversores de las grandes empresas de IA acumulaban fortunas a una velocidad que hacía palidecer la Edad Dorada. Los autores lo resumen con crudeza: "Es difícil imaginar que el público odie a alguien más que a los banqueros después de la crisis de 2008, pero las empresas de IA están haciendo el intento."

Argentina frente a la crisis de inteligencia

Para Argentina, el escenario descrito por CitriniResearch llega en un momento singular. El país atraviesa un proceso de reformas profundas orientadas a desregular su economía, reducir el peso del Estado y atraer inversión privada. Ese rumbo, que busca corregir décadas de distorsiones acumuladas, coloca al país en una posición inusualmente favorable para absorber y aprovechar la transición tecnológica que se avecina, siempre que sepa capitalizar sus ventajas con rapidez.

La base de talento es uno de los activos más claros. Argentina tiene una de las tasas de graduación universitaria más altas de América Latina y una tradición consolidada en ciencias exactas, ingeniería y desarrollo de software. El ecosistema tecnológico local ya exporta servicios al mundo y ha demostrado capacidad para competir en condiciones adversas. Con un entorno macroeconómico en proceso de estabilización y reglas más previsibles para el sector privado, ese talento podría reorientarse hacia los segmentos de mayor valor de la cadena de IA: desarrollo, entrenamiento de modelos, auditoría de sistemas y consultoría especializada.

El sector agropecuario e industrial también ofrece un colchón relevante. La soja, el gas de Vaca Muerta y la producción agroindustrial no enfrentan el mismo tipo de desplazamiento que un analista financiero en Manhattan o un desarrollador de software en Bangalore. Esa base exportadora, fortalecida por el acceso a mercados internacionales que las reformas buscan ampliar, proporciona una fuente de divisas relativamente estable mientras el país navega la transición hacia una economía donde la IA redefine los sectores de servicios.

El desafío concreto es la velocidad de reconversión. Una parte del sector tecnológico local todavía opera bajo el modelo de exportar trabajo de programación rutinario, precisamente el segmento más expuesto al reemplazo por agentes de IA. La transición hacia roles de mayor especialización (arquitectura de sistemas de IA, evaluación de modelos, integración en procesos industriales) requiere formación dirigida y señales claras del mercado. Las políticas de desregulación y apertura en curso generan el marco adecuado; la velocidad de ejecución será lo que determine si Argentina llega temprano o tarde a esa reconversión.

Lo que el presente puede hacer con un escenario del futuro

Los autores son explícitos en un punto: no están prediciendo que esto ocurra. Están modelando un escenario que consideran subexplorado mientras el consenso del mercado solo contempla los beneficios de la transición hacia la IA. El valor del ejercicio no está en la certeza del resultado sino en la identificación de los mecanismos: si la espiral existe como lógica posible, entonces hay decisiones que individuos, empresas y gobiernos pueden tomar hoy para reducir su exposición o incluso para interrumpirla.

Para los inversores, el ensayo sugiere revisar cuánto de sus carteras descansa sobre supuestos que no sobrevivirían la próxima década: modelos de negocio construidos sobre fricción humana, ingresos atados a la inercia del consumidor, valuaciones que asumen que la intermediación seguirá siendo necesaria. Para los responsables de política, el mensaje es más urgente: los estabilizadores automáticos diseñados para crisis cíclicas no funcionan ante desplazamiento estructural, y el costo político de diseñar nuevos mecanismos de contención es infinitamente menor antes de la crisis que durante ella.

El título del ensayo original contiene su tesis más importante comprimida en una imagen: el canario en la mina de carbón. Los mineros llevaban canarios porque el gas venenoso los afectaba antes que a los humanos; mientras el canario cantaba, había tiempo para actuar. En febrero de 2026, los mercados están en máximos, el desempleo tecnológico apenas comienza a aparecer en los titulares, y los bucles negativos descritos en el escenario todavía no han arrancado. El canario todavía vive. La pregunta no es si el gas existe. La pregunta es cuánto tiempo queda antes de que deje de cantar.