Por estas fechas el año pasado, abordé el tema de la inteligencia artificial (IA) y el impacto de los nuevos modelos de aprendizaje de idiomas (LLM) de inteligencia generalizada como ChatGPT, etc.

En ese puesto me ocupé principalmente del impacto en los empleos de los trabajadores reemplazados por LLM en IA y el efecto correspondiente en el aumento de la productividad del trabajo. El pronóstico estándar sobre la IA provino de los economistas de Goldman Sachs, el principal banco de inversión. Calcularon que si la tecnología cumplía su promesa, traería “una perturbación significativa ” al mercado laboral, exponiendo al equivalente de 300 millones de trabajadores a tiempo completo en las principales economías a la automatización de sus empleos. Los abogados y el personal administrativo estarían entre los que correrían mayor riesgo de convertirse en superfluos (¡y probablemente economistas!). Calcularon que aproximadamente dos tercios de los empleos en Estados Unidos y Europa están expuestos a algún grado de automatización de la IA, basándose en datos sobre las tareas que normalmente se realizan en miles de ocupaciones.

La mayoría de las personas verían automatizada menos de la mitad de su carga de trabajo y probablemente continuarían en sus empleos, con parte de su tiempo libre para actividades más productivas. En Estados Unidos, esto se aplicaría al 63% de la fuerza laboral, calcularon. Otro 30% que trabaja en trabajos físicos o al aire libre no se vería afectado, aunque su trabajo podría ser susceptible a otras formas de automatización.

Pero los economistas de Goldman Sachs se mostraron muy optimistas y eufóricos por las ganancias de productividad que la IA podría lograr, posiblemente sacando a las economías capitalistas del relativo estancamiento de los últimos 15 a 20 años: la Larga Depresión. GS afirmó que los sistemas de inteligencia artificial “generativos” como ChatGPT podrían provocar un auge de la productividad que eventualmente aumentaría el PIB global anual en un 7% en una década. Si la inversión corporativa en IA continuara creciendo a un ritmo similar al de la inversión en software en la década de 1990, la inversión estadounidense en IA por sí sola podría acercarse al 1% del PIB estadounidense para 2030.

Pero el economista tecnológico estadounidense Daren Acemoglu se mostró escéptico en ese momento. Sostuvo que no todas las tecnologías de automatización aumentan realmente la productividad del trabajo. Esto se debe a que las empresas introducen la automatización principalmente en áreas que pueden aumentar la rentabilidad, como el marketing, la contabilidad o la tecnología de combustibles fósiles, pero no aumentan la productividad de la economía en su conjunto ni satisfacen las necesidades sociales.

Ahora, en un nuevo artículo , Acemoglu vierte una buena dosis de agua fría sobre el optimismo engendrado por empresas como GS. A diferencia de GS, Acemoglu considera que los efectos de los avances en la IA en la productividad en los próximos 10 años “serán modestos” . El mayor aumento que pronostica sería sólo un aumento total del 0,66% en la productividad total de los factores (PTF), que es la medida principal del impacto de la innovación, o alrededor de un pequeño aumento del 0,064% en el crecimiento anual de la PTF. Incluso podría ser menor, ya que la IA no puede realizar algunas tareas más difíciles que realizan los humanos. Entonces el aumento podría ser sólo del 0,53%. Incluso si la introducción de la IA aumentara la inversión general, el impulso del PIB en EE.UU. sería sólo del 0,93% al 1,56% en total, dependiendo del tamaño del auge de la inversión.

Además, Acemoglu considera que la IA ampliará la brecha entre los ingresos del capital y del trabajo; Como él dice: “las mujeres con bajo nivel educativo pueden experimentar pequeñas caídas salariales, la desigualdad general entre grupos puede aumentar ligeramente y es probable que la brecha entre los ingresos del capital y del trabajo se amplíe aún más ”. De hecho, la IA puede en realidad dañar el bienestar humano al expandir las redes sociales engañosas, los anuncios digitales y el gasto en ataques de defensa de TI. Por lo tanto, la inversión en IA puede aumentar el PIB pero reducir el bienestar humano hasta en un 0,72% del PIB.

Y hay otros peligros para el trabajo.  Owen David sostiene que la IA ya se está utilizando para monitorear a los trabajadores en el trabajo, reclutar y seleccionar candidatos para puestos de trabajo, establecer niveles salariales, dirigir las tareas que realizan los trabajadores, evaluar sus resultados, programar turnos, etc. y aumenta las capacidades de gestión, puede traspasar el poder a los empleadores”.  Matices de las observaciones de Harry Braverman en su famoso libro de 1974 sobre la degradación del trabajo y la destrucción de habilidades por la automatización.

Acemoglu reconoce que se pueden obtener beneficios de la IA generativa, “pero estos beneficios seguirán siendo difíciles de alcanzar a menos que haya una reorientación fundamental de la industria, incluido quizás un cambio importante en la arquitectura de los modelos de IA generativa más comunes”.   En particular, Acemoglu dice que “sigue siendo una cuestión abierta si necesitamos modelos que entablen conversaciones inhumanas y escriban sonetos de Shakespeare si lo que realmente queremos es información confiable y útil para educadores, profesionales de la salud, electricistas, plomeros y otros artesanos ”.

De hecho, como son los gerentes y no los trabajadores en su conjunto quienes están introduciendo la IA para reemplazar el trabajo humano, ya están eliminando a trabajadores calificados de trabajos que desempeñan bien sin necesariamente mejorar la eficiencia y el bienestar de todos.  Como lo expresó un comentarista: “Quiero que la IA lave mi ropa y mis platos para que yo pueda hacer arte y escribir, no que la IA haga mi arte y mi escritura para que yo pueda lavar mi ropa y mis platos”.  Los gerentes están introduciendo la IA para “facilitar los problemas de gestión a costa de cosas para las que mucha gente no cree que se deba utilizar la IA, como el trabajo creativo… Si la IA va a funcionar, tiene que venir desde abajo. arriba, o la IA será inútil para la gran mayoría de las personas en el lugar de trabajo ”.

¿La IA salvará a las principales economías al dar un gran salto en productividad? Todo depende de dónde y cómo se aplica la IA. Un  estudio de PwC  encontró que el crecimiento de la productividad fue casi cinco veces más rápido en partes de la economía donde la penetración de la IA era mayor que en sectores menos expuestos. Barret Kupelian, economista jefe de PwC Reino Unido, dijo : “Nuestros hallazgos muestran que la IA tiene el poder de crear nuevas industrias, transformar el mercado laboral y potencialmente aumentar las tasas de crecimiento de la productividad. En términos del impacto económico, solo estamos viendo la punta del iceberg: actualmente, nuestros hallazgos sugieren que la adopción de la IA se concentra en unos pocos sectores de la economía, pero una vez que la tecnología mejore y se difunda a otros sectores de la economía , el potencial futuro podría ser transformador”.

Los economistas de la OCDE no están tan seguros de que eso sea correcto.  En un artículo plantean el problema : “¿cuánto tiempo llevará la aplicación de la IA en sectores de la economía? La adopción de la IA sigue siendo muy baja: menos del 5% de las empresas informan el uso de esta tecnología en los EE. UU. (Oficina del Censo 2024). Cuando se pone en perspectiva con el camino de adopción de tecnologías de uso general anteriores (por ejemplo, computadoras y electricidad) que han tardado hasta 20 años en difundirse por completo, la IA tiene un largo camino por recorrer antes de alcanzar las altas tasas de adopción necesarias para detectar ganancias macroeconómicas”.

“ Los hallazgos a nivel micro o industrial capturan principalmente los impactos en los primeros usuarios y en tareas muy específicas, y probablemente indican efectos a corto plazo. El impacto a largo plazo de la IA en el crecimiento de la productividad a nivel macro dependerá del alcance de su uso y de su integración exitosa en los procesos de negocios ”. Los economistas de la OCDE señalan que se necesitaron 20 años para que tecnologías innovadoras anteriores, como la energía eléctrica o las computadoras, se “difundieran” lo suficiente como para marcar una diferencia. Eso significaría la década de 2040 para la IA.

Además, la IA, al reemplazar la mano de obra en sectores más productivos e intensivos en conocimiento, podría causar “una eventual caída en la participación del empleo en estos sectores (que) actuaría como un lastre para el crecimiento de la productividad agregada”. 

Y haciéndose eco de algunos de los argumentos de Acemoglu, los economistas de la OCDE sugieren que “la IA plantea importantes amenazas a la competencia y la desigualdad del mercado que pueden afectar sus beneficios potenciales, ya sea directa o indirectamente, al impulsar medidas políticas preventivas para limitar su desarrollo y adopción”.

Y luego está el costo de la inversión. Simplemente obtener acceso a la infraestructura física necesaria para la IA a gran escala puede ser un desafío. El tipo de sistemas informáticos necesarios para ejecutar una IA para la investigación de fármacos contra el cáncer normalmente requiere entre dos mil y tres mil chips de computadora de última generación. El costo de dicho hardware informático por sí solo podría ascender fácilmente a más de 60 millones de dólares (48 millones de libras esterlinas), incluso antes de los costos de otros elementos esenciales como el almacenamiento de datos y la conexión en red. Un gran banco, una empresa farmacéutica o un fabricante podrían tener los recursos para comprar la tecnología que necesita para aprovechar la última IA, pero ¿qué pasa con una empresa más pequeña?

Por lo tanto, contrariamente a la visión convencional y mucho más en línea con la teoría marxista, la introducción de la inversión en IA no conducirá a un abaratamiento de los activos fijos (capital constante en términos marxistas) y, por lo tanto, a una caída en la relación entre los costos de los activos fijos y la mano de obra, pero lo contrario (es decir, una creciente composición orgánica del capital). Y eso significa una mayor presión a la baja sobre la rentabilidad promedio en las principales economías.

Y está el impacto sobre el calentamiento global y el uso de energía.  Los grandes modelos de lenguaje como ChatGPT son algunas de las tecnologías que más consumen energía de todas.   Las investigaciones sugieren, por ejemplo, que se   podrían haber utilizado unos 700.000 litros de agua para enfriar las máquinas que entrenaron ChatGPT-3 en las instalaciones de datos de Microsoft. Entrenar modelos de IA consume 6.000 veces más energía que una ciudad europea. Además, si bien minerales como el litio y el cobalto se asocian más comúnmente con las baterías del sector del motor, también son  cruciales para las baterías  utilizadas en los centros de datos. El proceso de extracción a menudo implica un uso significativo de agua y puede provocar contaminación, socavando la seguridad hídrica.

La consultora Grid Strategies pronostica un crecimiento de la demanda de electricidad en Estados Unidos del 4,7 por ciento en los próximos cinco años, casi duplicando su proyección respecto del año anterior. Un estudio del Instituto de Investigación de Energía Eléctrica encontró que los centros de datos representarán el 9 por ciento de la demanda de energía de Estados Unidos para 2030, más del doble de los niveles actuales.

Esa perspectiva ya está provocando una desaceleración en los planes para retirar las plantas de carbón a medida que aumenta la demanda de energía procedente de la IA.

Quizás estos costos de inversión y energía puedan reducirse con nuevos desarrollos de IA. La empresa de tecnología suiza Final Spark ha lanzado Neuroplatform, la primera plataforma de bioprocesamiento del mundo donde los organoides del cerebro humano (versiones miniaturizadas de órganos cultivadas en laboratorio) realizan tareas computacionales en lugar de chips de silicio. La primera instalación de este tipo alberga la destreza de procesamiento de 16 organoides cerebrales, que según la compañía utilizan un millón de veces menos energía que sus homólogos de silicio. Este es un desarrollo aterrador en un sentido: ¡cerebros humanos! Pero, afortunadamente, aún queda un largo camino por recorrer hasta su implementación. A diferencia de los chips de silicio , que pueden durar años, si no décadas, los ‘organoides’ sólo duran 100 días antes de ‘morir’.

Al contrario de los economistas de GS, quienes están en la frontera del desarrollo de la IA son mucho menos optimistas sobre su impacto. Demis Hassabis, jefe de la división de investigación de IA de Google, lo expresa: “La mayor promesa de la IA es precisamente eso: una promesa. Dos problemas fundamentales siguen sin resolverse. Uno implica crear modelos de IA que estén entrenados con datos históricos, comprendan cualquier situación nueva en la que se encuentren y respondan de manera adecuada. La IA debe poder “comprender y responder a nuestro mundo complejo y dinámico, tal como lo hacemos nosotros”.

¿Pero puede la IA hacer eso? En mi publicación anterior sobre IA, sostuve que la IA realmente no puede reemplazar la inteligencia humana. Y Yann LeCun, científico jefe de IA en Meta, el gigante de las redes sociales propietario de Facebook e Instagram, está de acuerdo. Dijo que los LLM tenían “ una comprensión muy limitada de la lógica”. . . no comprenden el mundo físico, no tienen memoria persistente, no pueden razonar en ninguna definición razonable del término y no pueden planificar. . . jerárquicamente ”. Los LLM eran modelos que aprendían solo cuando los ingenieros humanos intervenían para entrenarlos con esa información, en lugar de que la IA llegara a una conclusión orgánicamente como las personas. “Ciertamente, a la mayoría de la gente le parece un razonamiento, pero sobre todo se trata de explotar el conocimiento acumulado a partir de muchos datos de entrenamiento”.  Aron Culotta, profesor asociado de informática en la Universidad de Tulane, lo expresó de otra manera. “ El sentido común había sido durante mucho tiempo una espina clavada en la IA” y que era un desafío enseñar la causalidad a los modelos, dejándolos “susceptibles a fallas inesperadas ”.

Noam Chomsky resumió las limitaciones de la IA en relación con la inteligencia humana.  “La mente humana no es como ChatGPT y similares, un pesado motor estadístico para comparar patrones, que se atiborra de cientos de terabytes de datos y extrapola la respuesta conversacional más probable a una pregunta científica. Por el contrario, la mente humana es un sistema sorprendentemente eficiente e incluso elegante que opera con pequeñas cantidades de información; no busca inferir correlaciones brutas entre puntos de datos sino crear explicaciones. Dejemos de llamarlo inteligencia artificial y llamémoslo como ‘software de plagio’ porque no crea nada más que copias de obras existentes, de artistas, modificándolas lo suficiente como para escapar de las leyes de derechos de autor”.

Esto me lleva a lo que podría llamar el síndrome de Altman. La IA bajo el capitalismo no es una innovación que tenga como objetivo ampliar el conocimiento humano y aliviar a la humanidad del trabajo. Para innovadores capitalistas como Sam Altman, es innovación para obtener ganancias.  Sam Altman, el fundador de OpenAI, fue retirado del control de su empresa el año pasado porque otros miembros de la junta directiva consideraron que quería convertir OpenAI en una operación enorme para generar dinero respaldada por grandes empresas (Microsoft es el patrocinador financiero actual), mientras que el resto de La junta siguió viendo a OpenAI como una operación sin fines de lucro cuyo objetivo es difundir los beneficios de la IA para todos con las salvaguardias adecuadas en materia de privacidad, supervisión y control. Altman había desarrollado una rama empresarial “con fines de lucro”, que permitió a la empresa atraer inversiones externas y comercializar sus servicios. Altman pronto recuperó el control cuando Microsoft y otros inversores tomaron el relevo sobre el resto del consejo. OpenAI ya no está abierto.

Las máquinas no pueden pensar en cambios potenciales y cualitativos. El nuevo conocimiento proviene de tales transformaciones (humanas), no de la extensión del conocimiento existente (máquinas). Sólo la inteligencia humana es social y puede ver el potencial de cambio, en particular el cambio social, que conduzca a una vida mejor para la humanidad y la naturaleza. En lugar de desarrollar la IA para obtener ganancias, reducir los empleos y los medios de vida de los humanos, la IA bajo propiedad y planificación comunes podría reducir las horas de trabajo humano para todos y liberar a los humanos del trabajo duro para concentrarse en el trabajo creativo que solo la inteligencia humana puede realizar.