La simple economía de la inteligencia artificial

El año 1995 se anunció como el comienzo de la «nueva economía». La comunicación digital estaba destinada a revolucionar los mercados y cambiarlo todo. Pero los economistas, en general, no creyeron en el bombo publicitario. No es que no reconociéramos que algo cambió. Fue porque nos dimos cuenta de que la antigua lente de la economía seguía siendo útil para analizar los cambios que se estaban produciendo. La economía de la «nueva economía» podría describirse en un nivel alto: la tecnología digital reduciría los costes de búsqueda y comunicación. Esto llevaría a más búsquedas, más comunicación y más actividades relacionadas con la búsqueda y la comunicación. Eso es básicamente lo que pasó.

Hoy vemos un bombo similar sobre la inteligencia artificial. Pero una vez más, como economistas, creemos que se aplican algunas reglas simples. Las revoluciones tecnológicas suelen implicar que alguna actividad importante se abarate, como el coste de la comunicación o la búsqueda de información. La inteligencia artificial es, en esencia, una tecnología de predicción, por lo que el cambio económico se centrará en una caída del coste de la predicción.

El primer efecto de la inteligencia artificial será reducir el coste de los bienes y servicios que se basan en la predicción. Esto es importante porque la predicción es un insumo para una serie de actividades, como el transporte, la agricultura, la sanidad, la fabricación de energía y la venta minorista.

Cuando el coste de cualquier insumo cae tan precipitadamente, hay otras dos implicaciones económicas bien establecidas. En primer lugar, empezaremos a utilizar la predicción para realizar tareas que antes no hacíamos. En segundo lugar, aumentará el valor de otras cosas que complementan la predicción.

Muchas tareas se reformularán como problemas de predicción

A medida que la inteligencia artificial reduzca el coste de la predicción, empezaremos a utilizarla como entrada para cosas que nunca antes hacíamos. Como ejemplo histórico, pensemos en los semiconductores, un área de avance tecnológico que provocó una caída significativa en el coste de un insumo diferente: la aritmética. Con los semiconductores podíamos calcular a bajo precio, por lo que las actividades para las que la aritmética era una entrada clave, como el análisis de datos y la contabilidad, se abarataban mucho. Sin embargo, también empezamos a utilizar la aritmética, que ahora es barata, para resolver problemas que históricamente no eran problemas aritméticos. Un ejemplo es la fotografía. Pasamos de un enfoque centrado en el cine y basado en la química a un enfoque digital y basado en la aritmética. Otras aplicaciones nuevas de aritmética barata incluyen las comunicaciones, la música y el descubrimiento de fármacos.

Centro Insight

• La próxima era de la analítica

  Patrocinado por SAS

  Aprovechar el poder del aprendizaje automático y otras tecnologías.

Lo mismo ocurre con la inteligencia artificial y la predicción. A medida que disminuya el coste de la predicción, no solo se abaratarán las actividades que antes estaban orientadas a la predicción, como la gestión del inventario y la previsión de la demanda, sino que también utilizaremos la predicción para abordar otros problemas para los que la predicción no era una entrada histórica.

Considere la navegación. Hasta hace poco, la conducción autónoma se limitaba a entornos altamente controlados, como almacenes y fábricas, donde los programadores podían anticipar la gama de escenarios a los que se podía encontrar un vehículo y podían programar algoritmos de decisión en consecuencia (por ejemplo, «Si un objeto se acerca al vehículo, reduce la velocidad»). Era inconcebible poner un vehículo autónomo en una calle de la ciudad porque la cantidad de escenarios posibles en un entorno tan descontrolado requeriría programar un número casi infinito de declaraciones de si entonces más.

Inconcebible, es decir, hasta hace poco. Cuando la predicción pasó a ser barata, los innovadores replantearon la conducción como un problema de predicción. En lugar de programar un sinfín de afirmaciones de si no, simplemente le pidieron a la IA que pronosticara: «¿Qué haría un conductor humano?» Equiparon los vehículos con una variedad de sensores (cámaras, LIDAR, radares, etc.) y, a continuación, recopilaron millones de millas de datos de conducción humana. Al vincular los datos ambientales entrantes de los sensores del exterior del coche con las decisiones de conducción que tomaba la persona que estaba dentro del coche (dirección, frenado, aceleración), la IA aprendió a predecir cómo reaccionarían los humanos ante cada segundo de los datos entrantes sobre su entorno. Por lo tanto, la predicción es ahora un componente importante de la solución a un problema que antes no se consideraba un problema de predicción.

El juicio cobrará más valor

Cuando el coste de un insumo fundamental se desploma, a menudo afecta al valor de otros insumos. El valor sube para los complementos y baja para los sustitutos. En el caso de la fotografía, el valor de los componentes de hardware y software asociados a las cámaras digitales aumentó a medida que el coste de la aritmética disminuyó debido al aumento de la demanda; queríamos más. Estos componentes eran complementos de la aritmética; se utilizaban juntos. Por el contrario, el valor de los productos químicos relacionados con las películas cayó y queríamos menos.

Todas las actividades humanas se pueden describir en cinco componentes de alto nivel: datos, predicción, juicio, acción y resultados. Por ejemplo, una visita al médico en respuesta al dolor lleva a: 1) radiografías, análisis de sangre, monitorización (datos), 2) diagnóstico del problema, como «si administramos el tratamiento A, predecimos el resultado X, pero si administramos el tratamiento B, predecimos el resultado Y» (predicción), 3) sopesar las opciones: «dada su edad, estilo de vida y estado familiar, creo que sería mejor con el tratamiento A; analice su opinión acerca de los riesgos y los efectos secundarios» (juicio); 4) administrar el tratamiento A (acción) y 5) recuperarse por completo con efectos secundarios leves (resultado).

A medida que la inteligencia artificial mejore, el valor de las habilidades de predicción humanas disminuirá, ya que la predicción automática será un sustituto mejor y más barato de la predicción humana, tal como lo hicieron las máquinas con la aritmética. Sin embargo, esto no significa la perdición de los empleos humanos, como sugieren muchos expertos. Esto se debe a que el valor de las habilidades de juicio humano aumentará. Utilizando el lenguaje de la economía, el juicio es un complemento de la predicción y, por lo tanto, cuando el coste de la predicción cae, la demanda de juicio aumenta. Querremos más juicio humano.

Por ejemplo, cuando la predicción sea barata, el diagnóstico será más frecuente y práctico y, por lo tanto, detectaremos muchas más afecciones tratables en estadio temprano. Esto significará que se tomarán más decisiones sobre el tratamiento médico, lo que se traducirá en una mayor demanda de aplicación de la ética y de apoyo emocional, que brindan los seres humanos. La línea entre el juicio y la predicción no está clara; algunas tareas de juicio incluso se reformulan como una serie de predicciones. Sin embargo, en general, el valor de las habilidades humanas relacionadas con la predicción disminuirá y el valor de las habilidades relacionadas con el juicio aumentará.

Interpretar el auge de la inteligencia artificial como una caída en el coste de la predicción no ofrece una respuesta a todas las preguntas específicas sobre cómo se desarrollará la tecnología. Sin embargo, tiene dos implicaciones clave: 1) una función más amplia de la predicción como insumo para más bienes y servicios y 2) un cambio en el valor de otros insumos, impulsado por la medida en que complementan o sustituyen a la predicción. Estos cambios están por venir. La velocidad y la medida en que los directivos deberían invertir en capacidades relacionadas con la toma de decisiones dependerán de la rapidez con la que se produzcan los cambios.