IA y socialismo: el paper de Acemoglu que t

El paper que reabrió el debate Marx vs. IA

En agosto de 2026, Daron Acemoglu, premio Nobel de Economía en 2024 y profesor en el MIT, publicó junto con Mehdi Shadmehr y Arda Gitmez el working paper Automation and Repression. El hallazgo central, según reportó ABC News, es que cuando la automatización avanza lo suficiente como para generar una amenaza creíble de revuelta social, el Estado capitalista termina inclinándose por la represión y no por la redistribución. La razón es aritmética dentro de su modelo: reprimir tiene un costo fijo como proporción del output, mientras que redistribuir exige gravar cada vez más a los capitales a medida que la automatización se expande. Cuando los impuestos duelen, la represión se vuelve "más atractiva" para el poder.

El modelo llega incluso a plantear que, si una sociedad parte siendo democrática, la acumulación de capital puede volver la democracia "menos aceptable para los capitalistas" y terminar en un golpe anti-democrático. Acemoglu, Shadmehr y Gitmez aclaran que el paper es solo un "primer paso" y que aún falta modelar el lobbying, las donaciones políticas y otras formas de captura democrática. Pero la conclusión política es directa: más automatización, mayor presión sobre el Estado, mayor probabilidad de que el Estado elija el garrote antes que la chequera.

La guerra OpenAI vs. Anthropic como caso de estudio

El paper llegó en medio de una crisis de reputación que ilustra exactamente el tipo de incentivos sin freno que el modelo de Acemoglu presupone. A inicios de septiembre de 2026, OpenAI anunció haber resuelto el problema de existencia y suavidad de Navier-Stokes, uno de los siete Millennium Prize Problems del Clay Mathematics Institute, cada uno con un premio de US$1 millón. La prueba fue producida, según la propia empresa, por más de 10.000 agentes de IA trabajando durante más de 50 horas y costó "millones de dólares" en cómputo, según el jefe de investigación Mark Chen.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

El problema: el matemático de NYU Tristan Buckmaster y el matemático empleado de Anthropic Levent Alpöge llevaban un año desarrollando una ruta hacia ese mismo resultado usando Codex de OpenAI y Claude de Anthropic, según reportó WIRED y TechCrunch. Buckmaster afirma que, tras conocer su enfoque, OpenAI redirigió un equipo completo hacia el problema, gastó 300.000 millones de tokens de salida —equivalentes a unos US$22,5 millones en cómputo a tarifas de Astra— y le propuso opciones de autoría que dejaban fuera a Alpöge. El matemático de OpenAI Sébastien Bubeck negó haber pedido quitar el nombre de Alpöge. Sam Altman salió a defender al equipo. OpenAI, en su blog, reconoció que "no puede descartar" que datos desidentificados de uso de Codex por Buckmaster hayan mejorado sus modelos.

El episodio importa porque demuestra el comportamiento predicho por Acemoglu: las empresas están en una carrera por superinteligencia donde los incentivos están alineados para no detenerse, incluso si eso significa pisar a colaboradores externos. El propio Jacob Coxon de Anthropic había advertido días antes, en un trino, que tanto OpenAI como Anthropic "no están actuando de forma responsable" y que están "apostando con nuestras vidas".

¿Qué dice la data sobre el trabajo de escritorio?

El论文 de Acemoglu es prospectivo, pero la evidencia del desplazamiento ya empezó a llegar. Según reportó TechTimes sobre el Stanford HAI 2026 AI Index y análisis de Goldman Sachs de abril de 2026:

El empleo de desarrolladores de software de 22 a 25 años cayó cerca de 20% desde su pico de 2024, mientras que el de desarrolladores de 30 años o más en las mismas empresas creció entre 6% y 12%.
Las vacantes de nivel entry-level en campos de economía del conocimiento cayeron aproximadamente 35% entre enero de 2023 y fines de 2025.
Goldman Sachs estimó en abril de 2026 que la IA elimina unas 25.000 posiciones mensuales en EEUU y crea alrededor de 9.000, para una contracción neta de ~16.000 empleos por mes.

La Washington Monthly documentó además el fenómeno de "experience creep": los empleadores piden más experiencia para puestos que antes servían para adquirirla. Una encuesta del Strada Institute a casi 1.500 ejecutivos encontró que el 46% de los empleadores que usan IA aumentaron su contratación entry-level en el último año, mientras que solo el 13% la redujo. Lo que está desapareciendo no es el junior, sino la parte fácil del trabajo junior: el 41% de los ejecutivos dijo que la IA eliminó las tareas rutinarias y administrativas, y el 42% que amplió el trabajo analítico y de juicio. El resultado, en palabras del director de investigación de Strada Andrew Hanson: "los roles de entrada se están volviendo como roles de media carrera".

En octubre de 2025, Amazon anunció el recorte de unas 14.000 posiciones corporativas, citando explícitamente que agentes de IA generativa estaban absorbiendo funciones previamente asignadas a esos roles. Robert Reich, exsecretario de Trabajo de EEUU, dijo en CNBC que vendrán "pérdidas de empleo importantes, importantes" tanto en blue-collar como en white-collar.

La carta que rompió el consenso económico

El 13 de julio de 2026, más de 200 economistas e investigadores de IA, entre ellos dieciséis premios Nobel, firmaron una declaración de 88 palabras organizada por el Stanford Digital Economy Lab y titulada "We Must Act Now". La sorpresa no fue el contenido sino los firmantes: Acemoglu y Simon Johnson, que durante años habían cuestionado el alarmismo sobre el desplazamiento por IA, aparecen entre los firmantes pidiendo acción institucional urgente. La carta advierte que la IA puede producir una "transformación sin precedentes" más rápida que la Revolución Industrial, para la cual los sistemas políticos actuales no están calibrados.

Entre los firmantes también estuvieron Dario Amodei (Anthropic), Sarah Friar y Ronnie Chatterji (OpenAI), Jeff Dean (Google DeepMind), Jack Clark (Anthropic), Vinod Khosla, Eric Schmidt, Reid Hoffman y Yoshua Bengio. La frase clave la dio el Nobel Michael Spence: "la escala, el alcance y la velocidad de los avances en IA… exigen un enfoque de "todos manos a la obra".

Que Acemoglu firme una carta de este tipo es significativo porque él mismo sigue siendo escéptico de los calendarios más optimistas de Silicon Valley. Lo que cambió, según declaró al New York Times, es que si la IA hace en cognición lo que los robots hicieron en manufactura pero en un periodo comprimido, el costo humano será enorme y los sistemas de protección social no aguantarán.

Qué significa esto para tu startup

El escenario pintado por Acemoglu no es ciencia ficción: es una derivación formal de incentivos económicos. Para un founder hispanohablante, las implicaciones operativas son tres.

1. Tu próximo cliente corporativo va a estar politizado. Empresas medianas y grandes van a enfrentar presión de empleados, reguladores y prensa sobre qué hacen con la IA y a quién despiden en el proceso. Si tu producto automatiza tareas, prepárate para documentar despliegues responsables y para conversar sobre re-skilling, no solo sobre ahorro de costo. Las preguntas de procurement en 2026 ya no son solo de ROI; también son de licencia social para operar.

2. Diseña productos con la transición laboral en mente, no contra ella. Los datos de Strada muestran que el 46% de los empleadores aumentó su contratación entry-level gracias a la IA —porque automatizaron las tareas rutinarias y necesitan humanos para las de juicio. Si vendes a empresas, vende un modelo en el que el junior se vuelve más productivo, no uno en el que el junior se vuelve prescindible. Esa es la narrativa que compran los CHROs que firmaron la carta de Strada.

3. Construye opcionalidad política para tu empresa. Acemoglu advierte que el Estado podría terminar capturando o reprimiendo en lugar de regular con transparencia. Si dependes de datos, cómputo o talento de frontera, diversifica jurisdicciones, ten protocolos claros de uso de datos de clientes y mantén trazabilidad de qué inputs entrenan qué modelos. La pelea Buckmaster vs. OpenAI muestra que, cuando un cliente sospecha que su trabajo informaba a tu modelo, la confianza se pierde antes que los tribunales resuelvan.

Acción concreta 1: Audita qué datos de clientes podrían usarse para entrenar o fine-tunear tus modelos y publica una política de opt-out verificable, como hizo OpenAI a la fuerza en septiembre de 2026. Te ahorrará meses de crisis reputacional.

Acción concreta 2: En tu próximo pitch a corporativos, incluye una sección de "riesgo laboral del deployment" con métricas de re-skilling, reasignación interna y satisfacción de empleados post-IA. En 2026, eso se está volviendo tabla de procurement.