La inteligencia artificial generativa y el horizonte de la productividad

La promesa de la inteligencia artificial

Desde la irrupción de ChatGPT en 2022, la discusión sobre el potencial económico de la inteligencia artificial generativa dejó de ser un ejercicio teórico para convertirse en un debate práctico. Empresas de servicios, consultoras, bancos y medios ya integran estas herramientas en sus rutinas. Pero, ¿qué significa en términos de productividad y crecimiento económico?

El estudio del Penn Wharton Budget Model (PWBM) publicado en septiembre de 2025 aborda la cuestión con rigor empírico. Su hipótesis central es que la inteligencia artificial generativa tendrá un efecto positivo y persistente en los niveles de actividad, aunque con un impacto en el crecimiento anual más acotado de lo que sugieren las expectativas populares.

Escenarios cuantificados

El informe proyecta que el producto bruto interno de Estados Unidos será 1,5% mayor en 2035, casi 3% en 2055 y 3,7% en 2075, en comparación con un escenario sin IA. El efecto en la tasa de crecimiento anual es más visible en la primera mitad de la década de 2030, cuando podría sumar hasta 0,2 puntos porcentuales adicionales en 2032.

Sin embargo, a medida que la adopción de la tecnología se sature, el crecimiento vuelve a la tendencia previa. Lo que permanece es un incremento en el nivel de actividad: una economía “más grande”, aunque no necesariamente en expansión acelerada.

¿Quiénes están más expuestos?

Uno de los aportes del trabajo es identificar los sectores y ocupaciones más alcanzados por la automatización. El 40% del PBI actual podría verse afectado por la adopción de herramientas generativas.

La exposición no es homogénea:

• Las tareas administrativas y de soporte muestran un 75,5% de potencial de automatización.
• En finanzas y operaciones, el 68,4%.
• Programadores, ingenieros y matemáticos alcanzan el 62,6%.
• En cambio, en construcción o mantenimiento el impacto es marginal, con menos del 10%.

La distribución por salarios es reveladora: las ocupaciones de ingresos bajos —con predominio de trabajo manual— son las menos expuestas. El punto máximo de vulnerabilidad se ubica entre el percentil 80 y 90 de la escala de ingresos, que incluye a profesionales técnicos y de oficina. Los ingresos más altos, como ejecutivos, atletas y médicos especialistas, se encuentran más protegidos.

El aprendizaje de la historia

Para proyectar la velocidad de adopción, los investigadores comparan la difusión de la inteligencia artificial con la de tecnologías pasadas: computadoras personales en los ochenta, internet en los noventa, smartphones en los 2000 y servicios en la nube en la década pasada.

La conclusión es que la IA generativa avanza más rápido. En 2024, un año y medio después de su introducción masiva, el 26,4% de los trabajadores estadounidenses ya la utilizaba en el ámbito laboral y el 33,7% en la vida personal. Estos niveles superan el ritmo inicial de adopción de PCs o internet.

Históricamente, hacia el décimo año de introducción, entre el 40 y el 50% de los trabajadores incorpora una nueva tecnología a su rutina. El PWBM espera que la inteligencia artificial siga un patrón similar, aunque con mayor celeridad en la primera etapa.

Costos y ahorros

El beneficio económico depende de los ahorros laborales que genera la tecnología. Según el relevamiento de estudios empíricos incluidos en el paper, los casos de uso de la inteligencia artificial arrojan una mejora promedio del 25% en costos laborales. Ejemplos:

• Programadores asistidos por Copilot trabajan hasta 56% más rápido.
• Profesionales en redacción básica aumentan 40% su velocidad.
• En consultoría, la combinación con GPT-4 permite un 25% más de eficiencia en tiempos.

El informe proyecta que los ahorros podrían escalar hasta el 40% en las próximas décadas a medida que las herramientas maduren.

Impactos visibles en el empleo

Las estadísticas laborales ya muestran indicios de cambio. Desde 2021, el empleo en las ocupaciones con mayor exposición a la automatización (90-99% de tareas replicables por IA) se desaceleró de forma significativa. En el pequeño grupo de empleos que podrían ser totalmente reemplazados por IA —apenas 1% del total—, el empleo cayó 0,75% en 2024 respecto de 2021.

Aunque las magnitudes son aún modestas, el patrón sugiere un ajuste en curso en los sectores más digitalizables.

Una curva en forma de “joroba”

El efecto proyectado sobre la productividad total de los factores (PTF) muestra una curva con forma de joroba. Se acelera en la primera fase de adopción, alcanza su pico en la década de 2030 y luego se normaliza.

En 2025, el aporte de la IA a la PTF es casi insignificante (0,01 puntos). Crece a 0,09 en 2027 y a 0,18 en 2030, con un máximo de 0,2 en 2032. Después declina y se estabiliza en un plus estructural de 0,04 puntos por la transformación sectorial.

Este patrón se asemeja al de olas anteriores de innovación digital, como la expansión de internet o los dispositivos móviles.

Precauciones y límites

El estudio reconoce que se trata de proyecciones con alto grado de incertidumbre. El impacto real dependerá de la evolución tecnológica, de la aparición de nuevos productos y de la capacidad de los mercados laborales de adaptarse.

Entre los factores que no han sido considerados en detalle figuran:

• Posibles caídas en la calidad de los productos.
• Creación de nuevas tareas laborales aún no imaginadas.
• Efectos indirectos sobre la innovación y la competitividad global.

Los autores advierten que el balance puede cambiar con nuevas evidencias y que los datos actuales solo permiten trazar un rango de escenarios.

Implicancias fiscales

Más allá de la productividad, el PWBM explora implicancias fiscales preliminares. Se estima que la adopción de IA podría reducir el déficit federal en unos US$ 400.000 millones en la década 2026-2035, debido a mayores ingresos tributarios y a la contención de gastos.

Lo que está en juego

El debate sobre la inteligencia artificial generativa oscila entre la euforia y el escepticismo. El aporte del Penn Wharton Budget Model ofrece una perspectiva más matizada: un impacto material, aunque no revolucionario, en los agregados macroeconómicos.

El gran desafío no es solo tecnológico, sino de política pública y estrategia empresarial. Las organizaciones deberán gestionar el proceso de adopción, reentrenamiento y regulación. El Estado, por su parte, enfrentará presiones distributivas en sectores desplazados y dilemas sobre la concentración del poder tecnológico.

La experiencia histórica con innovaciones disruptivas sugiere que los efectos indirectos —nuevas industrias, transformaciones en el consumo y cambios en la geopolítica— podrían ser más profundos que los que hoy puede captar un modelo econométrico.

En definitiva, el mensaje del informe es doble: la inteligencia artificial generativa hará a la economía más grande, pero no transformará por sí sola la tasa de crecimiento a largo plazo.

📄 Fuente principal: Penn Wharton Budget Model – The Projected Impact of Generative AI on Future Productivity Growth