Las tecnologías de inteligencia artificial (IA) avanzaron rápidamente durante los últimos años. Los gobiernos de todo el mundo respondieron elaborando estrategias de IA. Francia publicó su estrategia nacional de IA en marzo de 2018, haciendo hincapié en los fondos para investigación, las cuestiones éticas y la desigualdad. China declaró que su objetivo era convertirse en el principal país en IA para 2030. La UE, Canadá, Japón, la Administración Obama, la Administración Trump, y muchos otros presentaron sus propios planes (Sutton 2018).
Las visiones pesimistas sobre el impacto de la IA en la sociedad están muy extendidas. Elon Musk, Stephen Hawking, Bill Gates y otros advierten que los rápidos avances en IA podrían transformar la sociedad para peor. Desde una perspectiva más optimista, la IA podría aumentar la productividad de forma tan drástica que las personas tendrían ingresos abundantes y poco trabajo desagradable que realizar (Stevenson 2018). Tanto si se adopta una visión pesimista como optimista, las políticas determinarán cómo afecta la IA a la sociedad.
¿Qué es la IA?
Aunque el Oxford English Dictionary define la inteligencia artificial como «la teoría y el desarrollo de sistemas informáticos capaces de realizar tareas que normalmente requieren inteligencia humana», el entusiasmo reciente se debe a los avances del aprendizaje automático, un campo de la informática centrado en la predicción. Como dijo Geoffrey Hinton, pionero del aprendizaje automático: «Tome cualquier problema antiguo en el que haya que predecir algo y se disponga de muchos datos, y probablemente el aprendizaje profundo hará que funcione mejor que las técnicas existentes».1 Por tanto, los avances recientes en IA pueden entenderse como una reducción del costo de la predicción. Dado que la predicción es un insumo importante para la toma de decisiones, en trabajos recientes analizamos cómo es probable que la IA tenga consecuencias generalizadas como tecnología de propósito general (Agrawal et al. 2018a, 2018b).
La política sobre IA tiene dos aspectos.
- En primer lugar, la política regulatoria influye en la velocidad de difusión de la tecnología y en la forma que esta adopta.
- En segundo lugar, varias políticas se centran en mitigar las posibles consecuencias negativas de la IA para los mercados laborales y en abordar las preocupaciones antimonopolio.
Políticas que influirán en la difusión de la IA
El aprendizaje automático utiliza datos para hacer predicciones. En muchos ámbitos, la mayor limitación para la IA es la posibilidad de adquirir datos útiles. Esto suscita preocupaciones sobre la privacidad. Por ello, la política de privacidad influye directamente en la capacidad de las organizaciones para desarrollar e implementar IA. Una protección de la privacidad insuficiente puede hacer que los consumidores no estén dispuestos a participar en transacciones de mercado en las que sus datos sean vulnerables. Una regulación excesiva de la privacidad puede impedir que las empresas utilicen los datos para innovar. Aunque los estudios empíricos existentes no se centran específicamente en la IA, las pruebas disponibles hasta la fecha indican que la mayoría de las regulaciones de privacidad impuestas por los gobiernos ralentizan la adopción de tecnología y la innovación, lo que apunta a una disyuntiva entre el derecho a la privacidad y la velocidad de la innovación (Goldfarb y Tucker 2012). Esto significa que toda estrategia gubernamental centrada en la IA —en particular, si busca fomentar una industria local de IA— debería sopesar los intereses potencialmente contrapuestos de quienes producen y utilizan datos, sobre todo en lo que respecta a la privacidad. Quizá más que cualquier otra regulación, las normas sobre privacidad probablemente influirán en la velocidad y la dirección de la aplicación práctica de la IA.
Las normas de responsabilidad también influirán en la difusión de la IA (Galasso y Luo 2018). Es menos probable que las empresas inviertan en desarrollar productos de IA si no existen normas claras de responsabilidad. Los vehículos autónomos ofrecen un ejemplo útil. Varias empresas distintas participarán en el desarrollo de un automóvil autónomo. Si el automóvil sufre un accidente, ¿sería responsable el fabricante del sensor? ¿El proveedor de telecomunicaciones? ¿El fabricante del vehículo? ¿O quizá una empresa de software de IA? Sin reglas claras sobre quién es responsable, todos podrían dudar en invertir. Si los vehículos autónomos salvaran vidas, ¿deberían exigirse a los fabricantes de vehículos no autónomos normas más estrictas que las que establece la legislación vigente? Esto aceleraría la difusión de la tecnología más segura. En cambio, si el aumento de la responsabilidad se centra principalmente en las tecnologías más nuevas, la difusión se ralentizará.
Además, como ocurre con otras tecnologías, los avances serán más rápidos si hay más apoyo a la investigación, una legislación equilibrada sobre propiedad intelectual y la posibilidad de experimentar de forma segura.
Políticas que abordan las consecuencias de la IA
Una preocupación habitual sobre la IA es su posible impacto en el empleo. Si las máquinas pueden realizar tareas que normalmente requieren inteligencia humana, ¿quedarán empleos para las personas? A nuestro juicio, esa es la pregunta equivocada. Hay muchos trabajos horribles. Además, por lo general, se considera que disponer de más tiempo libre es algo positivo, aunque algunos han expresado preocupación por la necesidad de encontrar fuentes alternativas de sentido (Stevenson 2018). Las cuestiones de política a largo plazo más importantes se relacionan con los posibles cambios en la distribución de la riqueza generada por el uso generalizado de la IA. En otras palabras, la IA puede aumentar la desigualdad.
Si la IA se parece a otros tipos de tecnología de la información, probablemente favorecerá a las personas con determinadas habilidades. Quienes más se beneficien de la IA serán personas con educación que ya disfrutan de una situación relativamente favorable. También es más probable que estas personas sean propietarias de las máquinas. Las políticas para abordar las consecuencias de la IA sobre la desigualdad se relacionan con la red de protección social. Aunque se han planteado ideas relativamente radicales para hacer frente al posible aumento de la desigualdad —como un impuesto a los robots y una renta básica universal—, el contexto de la IA no es único a la hora de sopesar los costos y beneficios de los programas sociales, desde la tributación progresiva hasta la atención médica universal.
A más corto plazo, si la IA se difunde ampliamente, la transición podría provocar el desplazamiento temporal de muchos trabajadores. Acemoglu y Restrepo (2018) destacan el desajuste entre las habilidades y la tecnología a corto y mediano plazo. Esto significa que la preparación de políticas antes de la difusión de la IA debería tener en cuenta tanto los ciclos económicos como la política educativa. Los despidos impulsados por la tecnología y concentrados en determinados lugares y momentos no son exclusivos de la IA. Fueron una característica de la automatización de las fábricas y la mecanización de la agricultura. En materia de política educativa, quedan muchas preguntas abiertas. ¿Deberíamos hacer hincapié en las habilidades sociales y las humanidades si las máquinas pueden realizar cada vez más tareas de predicción relacionadas con la tecnología? ¿Debería evolucionar el sistema educativo para centrarse más en los adultos? ¿En qué se diferencian las habilidades necesarias a medida que se difunde la IA de las que actualmente proporciona el sistema educativo?
Otra cuestión de política relacionada con la difusión de la IA es si esta conducirá a la monopolización de la industria. Las empresas líderes en IA son grandes en términos de ingresos, beneficios y, especialmente, capitalización bursátil (altos múltiplos sobre las ganancias). Esto ha dado lugar a un mayor escrutinio antimonopolio de las principales empresas tecnológicas por parte de los gobiernos (en particular, la Comisión Europea) y la prensa (véase, por ejemplo, The Economist en su portada del 20 de enero de 2018, «Los nuevos titanes y cómo domarlos», y su artículo posterior, «El mercado de los automóviles sin conductor se encamina hacia el monopolio», del 7 de junio de 2018). Gran parte de este escrutinio antimonopolio se centra en el papel de estas empresas como plataformas, no en el uso de la IA en sí. El aspecto que distingue a la IA es la importancia de los datos. Las empresas con más datos pueden crear una IA mejor. Que esto dé lugar a economías de escala y a la posibilidad de monopolización depende de si una pequeña ventaja al comienzo del ciclo de desarrollo genera un ciclo de retroalimentación positiva y una ventaja a largo plazo.
Gran parte de la política económica sobre IA es simplemente política económica. En cuanto a la difusión de la IA, se parece a la política de innovación. En cuanto a sus consecuencias, se asemeja a la política pública (la red de protección social) y a la política de competencia (antimonopolio). En la Tabla 1 resumimos algunos aspectos de la política económica sobre IA.
Tabla 1 Aspectos de la política económica para la inteligencia artificial
Aunque en muchos aspectos la IA se parece a otras tecnologías, presenta algunas características inusuales importantes. En concreto, la IA es tanto una tecnología de propósito general (GPT), es decir, tiene un amplio ámbito de aplicaciones, como una «invención de un método de invención» (IMI, por sus siglas en inglés) (Cockburn et al., 2018; Agrawal et al. 2018). Cockburn et al. sostienen que «… la aparición de una IMI de propósito general es un acontecimiento lo bastante infrecuente como para que su impacto pueda ser profundo en el crecimiento económico y en su repercusión más amplia en la sociedad». Recopilan y analizan el corpus de artículos científicos y la actividad de patentamiento en IA, y ofrecen pruebas compatibles con la caracterización del aprendizaje automático tanto como GPT como IMI.
La implicación se refiere al rendimiento de las inversiones en el diseño de políticas sobre IA. Debido a la amplitud de sus aplicaciones, es probable que el costo de un diseño de políticas subóptimo sea considerablemente mayor que en el caso de otras tecnologías, o que los beneficios de una política óptima sean mayores. Además, el rendimiento de las inversiones en el diseño de políticas no depende únicamente de los efectos directos, en los que la IA «influye directamente tanto en la producción como en las características de una amplia gama de productos y servicios», sino también de los efectos indirectos, porque «la IA también puede cambiar el propio proceso de innovación, con consecuencias que podrían ser igual de profundas y que, con el tiempo, podrían llegar a dominar el efecto directo» (Cockburn et al. 2018).
Nota de los autores: Los puntos que planteamos en esta columna se basan en Agrawal et al. (2018a), que a su vez se apoya en los debates de la Conferencia del NBER sobre la economía de la IA celebrada en Toronto en 2017 y en el volumen de actas asociado (Agrawal et al. 2018c).
Referencias
Acemoglu, D, y P Restrepo (2018), «Artificial Intelligence, Automation and Work», en A Agrawal, J Gans y A Goldfarb (eds.), The Economics of Artificial Intelligence: An Agenda, University of Chicago Press.
Agrawal, A, J Gans y A Goldfarb (2018a), «Economic Policy for Artificial Intelligence», documento de trabajo 24690 del NBER.
Agrawal, A, J Gans y A Goldfarb (2018b), Prediction Machines: The Simple Economics of Artificial Intelligence, Harvard Business School Press.
Agrawal, A, J Gans y A Goldfarb (eds.) (2018c), The Economics of Artificial Intelligence: An Agenda, University of Chicago Press.
Agrawal, A, J McHale y A Oettl (2018), «Finding Needles in Haystacks: Artificial Intelligence and Recombinant Growth», en A Agrawal, J Gans y A Goldfarb (eds.), The Economics of Artificial Intelligence: An Agenda, University of Chicago Press.
Cockburn, I, R Henderson y S Stern (2018), «The Impact of Artificial Intelligence on Innovation», en A Agrawal, J Gans y A Goldfarb (eds.), The Economics of Artificial Intelligence: An Agenda, University of Chicago Press.
Galasso, A, y H Luo (2018), «Punishing Robots: Issues in the Economics of Tort Liability and Innovation in Artificial Intelligence», en A Agrawal, J Gans y A Goldfarb (eds.), The Economics of Artificial Intelligence: An Agenda, University of Chicago Press.
Goldfarb, A, y C Tucker (2012), «Privacy and Innovation», en J Lerner y S Stern (eds.), Innovation Policy and the Economy, volumen 12, NBER, University of Chicago Press: 65-89.
Sutton, T (2018), «An Overview of AI Strategies», Medium, 28 de junio.
Stevenson, B (2018), «AI, Income, Employment, and Meaning», en A Agrawal, J Gans y A Goldfarb (eds.), The Economics of Artificial Intelligence: An Agenda, University of Chicago Press.
Notas finales
[1] https://www.youtube.com/watch?v=2HMPRXstSvQ (consultado el 22 de mayo de 2018).
