Más allá de la esperanza y el hype: cinco certezas en la tormenta de la IA

(MENAFN- Asia Times) El artículo recién publicado de Anthropic por Massenkoff y McCrory es un trabajo verdaderamente cuidadoso, bien intencionado y muy necesario. Los autores construyen una medida de exposición reflexiva, se basan en datos de uso real, aplican un marco limpio de diferencias en diferencias y encuentran efectos limitados en el empleo hasta la fecha.

Cada paso es metodológicamente defendible. La conclusión a la que llegan probablemente sea completamente precisa para el período específico estudiado. Y, sin embargo, casi con certeza es engañosa como guía para el futuro.

Esto no es culpa del artículo. El problema no es su precisión. Es su encuadre, y como resultado, cómo será leído. Aunque la intención del artículo no es, sin duda, adormecer a nadie, muchos leerán con entusiasmo sus comentarios para pintar un cuadro de un mundo sin cambios.

Lo usarán para desacreditar el impacto de la IA, descartar el bombo, o abogar por evitar decisiones políticas sustanciales y a largo plazo. Los artículos que encuentran “efectos limitados hasta ahora” se usan para argumentar que la disrupción es manejable, que hay tiempo para ajustarse, y que los planes actuales son adecuados. Se convierten en la autorización intelectual para no hacer nada.

La esperanza, como dice el refrán, no debe ser una estrategia. Este sentimiento humano tan necesario, desafortunadamente, es abismal más allá de cierto punto mientras navegamos por una upheaval estructural. Al mismo tiempo, debemos ser increíblemente conscientes de no fomentar el miedo. Usado como retórica, el miedo puede causar mucho más daño, paralizando a las partes interesadas y generando políticas reactivas en lugar de visionarias.

No estamos intentando infundir miedo; estamos intentando examinar rigurosamente las implicaciones de cómo se desarrollarán las conversaciones crecientes sobre el impacto de la IA. Este campo de rápido movimiento ha superado decisivamente los límites del simple desarrollo tecnológico.

Ahora, cada vez más y de manera irreversible, se trata de cómo estas fuerzas dictarán la política, moldearán las políticas y conducirán realidades macroeconómicas que inevitablemente repercutirán en nuestras carteras y vidas diarias. Para evaluar el verdadero impacto del creciente conjunto de artículos económicos y opiniones políticas, comencemos de manera diferente en este artículo.

Las cinco certezas de hoy

Antes de intentar modelar el futuro, debemos basarnos en las realidades absolutas del presente. Aquí hay cinco certezas, casi rozando ser verdades absolutas, que podemos asumir con un 100% de probabilidad:

El tiempo no respetará los horizontes de los analistas. Un día, despertaremos y será 2037; otro día, será 2047. El impacto secular de la IA no se detendrá cortésmente en los horizontes arbitrarios de tres o cinco años elegidos por los pronosticadores económicos.

Las placas tectónicas políticas cambiarán. Los políticos o regímenes políticos de hoy no estarán en el poder en todas partes mañana. Muchos con visiones radicalmente diferentes sobre el avance tecnológico, la protección laboral y la tributación del capital inevitablemente ascenderán en algún momento, cambiando las reglas del juego en pleno vuelo.

Los riesgos de tsunami y réplicas aumentan tras un terremoto. Los efectos secundarios y terciarios del impacto primario de la IA pueden resultar mucho más trascendentales que el desplazamiento inicial. La concentración de capital, la rivalidad geopolítica, la compresión salarial en sectores no automatizados directamente, y las economías políticas de comunidades disruptivas ya están formándose. No esperarán a un consenso académico, ni siquiera habrá uno, como en los círculos políticos.

La cognición de máquinas escapará de su cuna digital. Las estimaciones de exposición actuales se limitan en gran medida al trabajo cognitivo y digital. Pero una fuerza cognitiva de propósito general no permanece donde empieza. A medida que la IA aprende a interactuar con maquinaria del mundo real, dominios físicos considerados seguros, ingeniería, oficios especializados, construcción y logística enfrentarán su propia versión de la misma cuenta. Muchos sectores aún no en la lista de disrupción son la próxima fase, no las exenciones.

El impacto global será desigual y rivalizado. El pensamiento local no puede contener fuerzas globales. La mayoría de los observadores, y casi todos los responsables políticos, piensan localmente. Pero el impacto global creciente y desigual de la IA no solo creará dinámicas geopolíticas completamente nuevas, sino que también conducirá a controles diferentes y adversariales, donde países rivales implementarán políticas de IA diseñadas específicamente para socavar a otros. En resumen, no habrá esfuerzos colaborativos globales significativos en IA. La trampa de la medición y la irreversibilidad de la eficiencia

Con estas certezas establecidas, debemos abordar el punto ciego analítico más peligroso de nuestro tiempo: la dependencia de patrones simples y puntos de datos estadísticos para predecir el futuro de una fuerza cognitiva de propósito general.

Esto no es otro artículo desacreditando a quienes se aferran a sus estudios históricos para decidir dónde podrían alcanzar su pico las capacidades de IA o basar sus conclusiones en aforismos como “el impacto será más lento de lo que predicen los optimistas, pero más rápido que los pesimistas.” Pasamos a discutir la toma de decisiones de las personas con los ojos bien abiertos.

Nuestra fe colectiva en explicaciones lineales y curvas en S ordenadas representa una comodidad peligrosa. Estos modelos no representan la realidad tanto como representan los límites del análisis que hemos sido capaces de realizar hasta hoy.

Si tales modelos ordenados han ayudado poco a los practicantes en los mercados financieros, sin importar su atractiva legibilidad para quienes gustan de mantenerlo simple, es completamente impráctico suponer que podrían funcionar para modelar situaciones del mundo real mucho más complejas. Y, además, para ayudar a evaluar el impacto de una fuerza tan indefinible.

Estamos en lo que podría llamarse razonablemente la era Super-Moore, un término que acuñamos en 2023. C ciertos parámetros y capacidades de IA se han duplicado cada pocos meses, no años. Cambios modestos en productividad hoy pueden convertirse en cambios dramáticos muy rápidamente a medida que llegan nuevos modelos, mejoran los hardware y la adopción se propaga a través de redes competitivas.

La IA no se queda quieta mientras medimos sus efectos actuales. Los nuevos sistemas de IA contribuyen a la investigación, al diseño de chips y a su propia integración adicional. Esto crea bucles de retroalimentación que multiplican el progreso de maneras que los marcos de medición aditivos no pueden captar fundamentalmente. Medimos el impacto de la IA de forma aditiva. La capacidad de la IA crece de manera multiplicativa. Esa brecha importa más con cada trimestre que pasa.

Basar nuestras conclusiones únicamente en lo que aún no hacen las máquinas hoy, podría no solo subestimar el impacto de lo que ya se hace, sino, más crucial aún, lo que podría hacerse a doble velocidad, como presenciamos recientemente con las capacidades de codificación que se transformaron en un año corto.

Tendemos a usar el “uso en el mundo real” actual como un proxy de “capacidad.” Esto es un error analítico profundo. El uso actual representa principalmente la adopción humana, la fricción institucional y la hesitación natural; no representa el potencial tecnológico. La hesitación humana es simplemente una fricción social temporal.

Historias recientes Irán resiste la tormenta de EE. UU., aumentando la perspectiva de una guerra larga Hablan de presencia en tierra mientras Trump dice que Irán será “golpeado muy duro” Irán impulsa un aumento de 104 mil millones de dólares en flujos de criptomonedas que evaden sanciones

Es una barrera que se evapora en el momento exacto en que un competidor usa la IA para subcotizar implacablemente el mercado. Si existe una sobrecarga genuina de capacidades, que claramente observamos en las lecturas y en nuestra propia experiencia con capacidades de modelos frontera, se disipará de repente debido a decisiones competitivas específicas e impredecibles, incluso sin necesidad de innovaciones secundarias acumuladas.

Los responsables políticos generalmente requieren evidencia empírica de daño para justificar intervenciones, y los economistas requieren evidencia empírica de desplazamiento para reconocer una tendencia. Pero aceptar hallazgos locales actuales no significa que debamos aceptar marcos relativamente estáticos como predictores confiables en un mundo de cambios continuos, masivos e inesperados. La inercia de hoy no previene los puntos de inflexión de mañana.

Tuberías, agua y la ilusión del gradualismo

Para entender por qué los datos parecen atenuados hoy, debemos observar cómo las empresas realmente integran la tecnología. La reestructuración a nivel empresarial no es una actualización de software; lleva años de trabajo agonizante construyendo tuberías de datos, estructurando conocimientos propietarios y finalizando la infraestructura API. Las métricas económicas actuales miden la construcción de las tuberías, no el flujo eventual del agua.

Debido a que estamos en la fase de plomería, los observadores asumen que la transición ocurrirá gradualmente, usuario por usuario. Pero una vez construida esta infraestructura, departamentos enteros serán automatizados de la noche a la mañana. Un embalse que se llena a un ritmo acelerado no se convierte en una inundación gradualmente. Inunda cuando desborda.

Además, a medida que los flujos de trabajo de IA se desarrollan exponencialmente, comenzarán a tomar las “micro-decisiones” que los informes afirman que solo los humanos pueden hacer. La IA optimizará para su propia integración adicional.

Ya existen “trabajadores de IA” que pueden ayudar en I+D o en el diseño de chips, creando bucles de retroalimentación autógenos que multiplican el progreso. La IA no es una tecnología estática que desplegamos; es una tecnología dinámica que se mejora a sí misma.

Además, muchas veces adoptamos este enfoque de todo o nada. Lo vemos regularmente hoy en día, cuando los argumentos pesimistas parecen que todos los trabajos de servicio desaparecerán, y los optimistas parecen que no ven ningún cambio para los pesimistas. En la vida real, el impacto secundario de un sector en una trayectoria secular de bajo o ex crecimiento es lo suficientemente significativo como para decidirse sin atribuir posiciones ilógicas a quienes están en el campamento opuesto.

Al intentar pronosticar el impacto de matices en las upheavals en curso, la mayoría de los informes se centran obsesivamente en “desplazamiento” o la pérdida total de empleos. Al hacerlo, ignoran por completo el colapso silencioso de la prima salarial.

Al centrarse excesivamente en la narrativa reconfortante de que una gran parte de los empleos solo se “verá ligeramente afectada,” los informes minimizan los factores económicos y psicológicos profundos que afectan a quienes conservan su trabajo pero pierden su poder de negociación.

Además, los modelos de empleo doméstico son completamente ciegos a la rápida sustitución global. Subestimamos las cascadas en adopción creadas por efectos de red y presiones competitivas porque basamos nuestro análisis de difusión en los hábitos de los primeros adoptantes. También subestimamos cascadas similares en adopción, creadas por efectos de red y presiones competitivas, al basar nuestro análisis en los primeros adoptantes.

Se podría señalar ejemplos de la difusión de la tecnología móvil, pero eso no solo iría en contra de nuestra tendencia de no usar episodios históricos como guía para este mundo completamente diferente, sino que también subestimaría la velocidad e impacto.

Los poderes recursivos y desestabilizadores de algo que funciona sobre sí mismo son conocidos por cualquiera que haya trabajado con fórmulas de hojas de cálculo que se alimentan unas a otras. Con la IA, estamos obteniendo el primer ejemplo real en la vida.

Transiciones de fase y la lógica del trabajo

Para cristalizar cómo se desarrolla esto en realidad, consideremos la micro-agregación de eficiencia a través de un ejemplo práctico: una firma de servicios financieros donde la IA puede manejar actualmente el 40% de las tareas de un analista.

Con un 40% de cobertura, el analista todavía está completamente empleado, es muy valioso, y los datos económicos muestran “sin desplazamiento.” La IA se ve como un copiloto útil. Con un 60% de cobertura, el analista todavía está empleado, aunque algo infrautilizado, y cada vez más gestionado como revisor en lugar de productor. Los datos aún muestran no pérdida de empleos.

Pero en el 75%, la economía subyacente de emplear a ese analista cambia cualitativamente. El 25% restante de tareas puede simplemente no justificar un salario completo, beneficios, espacio de oficina y costos de gestión. Es en ese momento cuando la empresa se reestructura. No lo hace gradualmente en el 40% o 60%. Ocurre de golpe. Las transiciones de fase, como en la ciencia de materiales, suceden sin advertencia y de repente.

Esto nos lleva a los modelos O-ring de la teoría económica. La IA no necesita hacer el 100% de un trabajo para destruir su valor estructural; solo necesita ejecutar con éxito la tarea “cuello de botella.”

El error fundamental en nuestra predicción actual es que calculamos el impacto en función del trabajo tal como está diseñado, no del trabajo que se necesita en el nuevo mundo. La lógica organizacional de la empresa moderna fue diseñada específicamente en torno a la capacidad cognitiva humana.

Los humanos son agentes de cambio de contexto, de un solo hilo, con memoria de trabajo altamente limitada. El trabajo se organizaba en tareas discretas, silos y roles en parte para acomodar estas limitaciones biológicas.

Los agentes de IA no comparten estas limitaciones. Un agente de atención al cliente de IA no “consulta con los clientes para proporcionar información” como una tarea, y luego “documenta resultados del caso” como otra, y “escala problemas complejos” como una tercera. Ejecuta todas estas simultáneamente, sin problemas, y de manera continua en miles de interacciones paralelas.

Por lo tanto, la unidad de desplazamiento para la IA agente no es la tarea. Es el rol. Estos obstáculos estructurales no son barreras permanentes; son fricciones temporales.

En general, asumimos que los cálculos corporativos se basarán en hojas de cálculo ordenadas de Retorno de Inversión (ROI). El análisis de primer nivel generalmente discute los costos y beneficios de productividad de trabajar con máquinas versus humanos. Un análisis más evolucionado reconoce los beneficios de despliegue de las máquinas, ofreciendo más oportunidades de ingresos.

Pero los cálculos más reales y generadores de acción en la vida real difícilmente serán basados en hojas de cálculo, en IRRs a largo plazo construidos sobre supuestos que generan argumentos en lugar de orientación. En última instancia, la integración será impulsada por instintos de supervivencia en función de la dinámica competitiva.

Como siempre, volverá a las teorías de juegos del Sr. Nash más que a expectativas de cualquier ROI: si tu competidor despliega, tú debes desplegar, o pereces.

Cinco certezas para lo que viene

No estamos abogando en contra de la esperanza, ni sugiriendo la futilidad de cualquier pronóstico. Pero debemos prepararnos para la imprevisibilidad de lo mismo, o peor, que los impactos de eventos gigantes que ya hemos vivido, como ChatGPT en 2023, DeepSeek en 2024, o Claude Code el año pasado.

Este no es el medio para ofrecer sugerencias políticas precisas o describir aspectos sociales. Para los stakeholders de GenInnov, listamos lo que es seguro por delante y qué significa para los factores que impulsan nuestras decisiones:

La IA no es solo un sector en el mundo financiero. Impulsará nuestra economía y política. Como detallamos en escritos anteriores, las implicaciones de la IA van mucho más allá de cualquier tema de inversión o vertical de mercado. Entender la verdadera naturaleza de las fuerzas en juego se ha convertido en un requisito previo para decisiones relevantes en casi todos los ámbitos profesionales. Las conclusiones importantes no provienen de gráficos simples ni de análisis cuya validez expira en meses.

La “Sacudida de Silicon” es el primer impacto secundario importante. No será el último. La ola de gasto de capital que genera demanda de energía, escasez de chips y disrupciones en la cadena de suministro es la primera gran consecuencia económica de la implementación a escala de la IA. Señala reasignaciones de recursos más amplias que redefinirán industrias que hoy parecen no afectadas por las capacidades disruptivas de la IA. Hay más formas en que nuestras vidas están siendo impactadas por la IA que solo a través de los empleos.

La tecnología ahora es una industria intensiva en capital. El largo período en que las empresas tecnológicas requerían capital físico mínimo terminó con la desaparición de la última gran industria no-capex, y el mundo económico y financiero se vuelve inherentemente más cíclico. Nosotros, como analistas, quizás queramos mantenernos firmes en las tendencias secular, pero debemos reconocer que las fases cíclicas impulsadas por inversiones masivas serán absolutamente brutales.

El pesimismo sobre la IA, y sus consecuencias políticas, aumentará tan seguramente como eventualmente corregirán los niveles actuales de capex. Hoy, en la mayoría de los países, las críticas a la IA provienen en gran medida de la oposición política. Esto es temporal. Cuando los impactos en el empleo sean medibles y visibles para las bases que votan, el entorno político cambiará. La velocidad con la que la opinión pública cambia una vez que se cruza un umbral rara vez es gradual. Los inversores y ejecutivos que asumen que el entorno regulatorio actual es estable están apostando a una certeza política que no existe. Cuando las pendulaciones políticas y de políticas se muevan, lo harán con fuerza.

Las fuerzas seculares finalmente superarán el ruido cíclico. Para los medios, para los mercados financieros a corto plazo, y en nuestras propias conversaciones personales, los eventos cíclicos o tecnológicos a la vuelta de la esquina seguirán dominando los titulares. Pero no se equivoquen: las fuerzas seculares implacables e irreversibles de la automatización cognitiva que operan debajo de la superficie son materialmente más importantes. Al menos, en nuestra opinión.

Nilesh Jasani es fundador y CEO de GenInnov Pte Ltd Singapur. Este artículo apareció por primera vez y se republica con permiso. Lea el original aquí. Lea más en /blog

Regístrese aquí para comentar en las historias de Asia Times O Inicie sesión en una cuenta existente

¡Gracias por registrarse!

Ya hay una cuenta registrada con este correo electrónico. Por favor, revise su bandeja de entrada para un enlace de autenticación.

Suscríbase a uno de nuestros boletines gratuitos

El Informe Diario Comience su día con las principales historias de Asia Times

Informe Semanal AT Un resumen semanal de las historias más leídas de Asia Times

Compartir en X (Se abre en una ventana nueva)

Compartir en LinkedIn (Se abre en una ventana nueva) LinkedIn

Compartir en Facebook (Se abre en una ventana nueva) Facebook

Compartir en WhatsApp (Se abre en una ventana nueva) WhatsApp

Compartir en Reddit (Se abre en una ventana nueva) Reddit

Enviar un enlace a un amigo (Se abre en una ventana nueva) Correo

Imprimir (Se abre en una ventana nueva) Imprimir