Acemoglu, Nobel de Economía: la IA sumará 1,6% al PIB

Acemoglu: «los beneficios de la automatización han sido enormemente exagerados»

Entre 1,1% y 1,6%. Ese es el aumento acumulado del PIB de Estados Unidos que Daron Acemoglu, profesor del Instituto Tecnológico de Massachusetts (MIT) y premio Nobel de Economía 2024, calcula que la inteligencia artificial puede aportar en una década completa. La cifra aparece en su estudio The Simple Macroeconomics of AI, publicado en la revista Economic Policy en 2024, y choca de frente con las proyecciones que dominan el discurso del sector.

Para un founder que está definiendo su presupuesto de IA para el próximo año, la diferencia no es académica. Si el impacto agregado es moderado, la ventaja competitiva no viene de «tener IA», sino de cómo se integra en procesos concretos.

¿Cuánto puede aportar realmente la IA al crecimiento económico?

Acemoglu no niega que la tecnología aporte. El problema, según su análisis, es la distancia entre lo que se promete y lo que se puede medir.

En una entrevista con Fortune, el economista estima que la IA entregará alrededor de 0,55% de ganancias en productividad total de los factores en la próxima década, y que solo cerca del 5% de las tareas podrá automatizarse de forma rentable en el corto plazo, lo que equivale a un aumento del PIB de entre 1% y 1,5%.

Su propio estudio advierte además que esos cálculos podrían ser optimistas. La razón: las tareas que la IA asume con más facilidad son aquellas donde resulta simple verificar si el resultado es correcto. Las actividades que dependen de contexto, criterio y decisiones en entornos cambiantes son mucho más difíciles de automatizar, y los buenos resultados de las primeras aplicaciones no se replican automáticamente en todos los sectores.

Automatizar no es lo mismo que ser más productivo

Aquí está el núcleo de su crítica, y es la parte más útil para quien dirige una empresa.

Acemoglu distingue dos formas de incorporar IA al trabajo: sustituir personas en determinadas funciones, o ampliar las capacidades de quienes ya las desempeñan. En una entrevista publicada por el MIT en diciembre de 2024, sostuvo que el sector tecnológico está sobreponderando la primera y subestimando la segunda.

El ejemplo que usa es claro. Un sistema automatizado de atención al cliente puede reducir costos porque la empresa contrata menos personal. Pero si el servicio no es mejor que el de los empleados reemplazados, el ahorro para esa compañía no se traduce en una mejora equivalente de productividad para el conjunto de la economía.

A estas aplicaciones las llama «tecnologías de rendimiento mediocre» (so-so technologies): herramientas algo más eficientes que una persona en una tarea puntual, o simplemente más baratas. Desde el balance de una empresa la inversión puede cerrar; desde el conjunto de la economía, el avance es marginal.

El dato que respalda su tesis: 95% de los pilotos de IA no despegan

La evidencia de campo apunta en la misma dirección. El informe The GenAI Divide: State of AI in Business 2025, del proyecto NANDA del MIT, encontró que alrededor del 5% de los programas piloto de IA generativa logra una aceleración de ingresos rápida, mientras la gran mayoría se estanca sin impacto medible en resultados. El trabajo se basó en 150 entrevistas con directivos, una encuesta a 350 empleados y el análisis de 300 despliegues públicos.

El hallazgo más incómodo: el problema no es la calidad de los modelos, sino la integración. Las herramientas genéricas funcionan bien para individuos, pero se traban dentro de los flujos de trabajo empresariales porque no aprenden ni se adaptan a ellos.

Otros dos datos del informe son directamente accionables:

• Comprar o aliarse supera a construir. Las soluciones adquiridas a proveedores especializados y las alianzas funcionan cerca del 67% de las veces, mientras que los desarrollos internos lo logran aproximadamente un tercio de ese porcentaje.
• El retorno no está donde está el presupuesto. Más de la mitad del gasto en IA generativa se destina a herramientas de ventas y marketing, pero el mayor ROI aparece en la automatización de back-office.

Un análisis posterior de TechTarget refuerza el patrón: tras una inversión estimada de entre US$30.000 millones y US$40.000 millones en IA generativa empresarial, solo cerca del 5% de los pilotos integrados generaba valor significativo. Y un sondeo global de McKinsey sobre 1.719 encuestados en 97 países, citado por ese medio, muestra que el 44% de las organizaciones ya escala IA en toda la empresa y el 80% de los empleados dice que mejora su productividad individual, pero solo el 37% de los líderes puede atribuir un efecto positivo en su EBIT y apenas el 6% califica como «alto rendimiento».

La diferencia entre esos dos grupos no es el modelo que usan. Casi tres de cada cuatro empresas de alto rendimiento rediseñan sus flujos de trabajo alrededor de la IA, frente a cerca de una de cada cuatro en el resto.

¿Qué tareas y empleos se transforman primero?

Según el análisis de Acemoglu, el impacto se concentrará en actividades administrativas y profesionales vinculadas al tratamiento de datos, la elaboración de resúmenes, el reconocimiento de patrones y el análisis de información.

Eso no significa que esas ocupaciones desaparezcan. Esas funciones representan una porción limitada de la actividad económica, y lo más probable es que algunas tareas se transformen mientras otras sigan necesitando intervención humana. El economista advierte, además, que sustituir trabajadores puede deteriorar las condiciones laborales de quienes permanecen en sus puestos y reducir las oportunidades de carrera en ciertos sectores.

¿Qué significa esto para tu startup?

La lectura útil no es «la IA no sirve». Es que la IA rinde cuando se aplica a un problema acotado y se mide contra el proceso, no contra la herramienta.

• Define la métrica de negocio antes de arrancar el piloto. Si el éxito se mide en usuarios activos o cantidad de prompts, no vas a saber si funcionó. Mide días de cobro, costo por transacción, tiempo de resolución o número de excepciones.
• Empieza por el back-office, no por marketing. El informe del MIT encontró el mayor retorno en automatización de procesos internos, externalizaciones y costos de agencias, justo donde suele haber menos presupuesto asignado.
• Compra o intégrate antes de construir. La brecha entre soluciones adquiridas y desarrollos propios es amplia. Construir tiene sentido cuando el proceso es tu ventaja competitiva real, no cuando es una función estándar.
• Diseña para complementar, no para reemplazar. Un copiloto que ayuda a un equipo a resolver más casos por día genera productividad medible; un bot que solo recorta plantilla puede mejorar el margen sin mover la aguja del negocio.

Conclusión

Acemoglu no está diciendo que la IA sea irrelevante: está diciendo que su impacto será más lento, más desigual y más dependiente de decisiones organizativas que de capacidad tecnológica. Las cifras del MIT y de McKinsey apuntan al mismo lugar: la adopción corre mucho más rápido que el retorno.

Para un founder, eso es una buena noticia disfrazada. La ventaja no la va a tener quien compre más licencias, sino quien rediseñe mejor un proceso concreto y sepa medirlo.

Fuentes

• Infobae (fuente original)
• Fortune vía Yahoo Finance
• Fortune vía Yahoo Finance: informe del proyecto NANDA del MIT
• TechTarget