Capital humano matemático como insumo de la inteligencia artificial

Qué es

La idea de capital humano —que las personas acumulan destrezas del mismo modo que una empresa acumula máquinas, y que esas destrezas rinden un retorno económico medible— fue formalizada por Theodore Schultz (1961) y sistematizada por Gary Becker en Human Capital (1964). Becker mostró que la educación y el entrenamiento pueden tratarse como una inversión: hay un costo hoy (matrícula, tiempo no trabajado) y un flujo de mayores ingresos después, de modo que existe una tasa interna de retorno de estudiar, comparable con la de comprar un camión. Jacob Mincer (1974) le puso la ecuación empírica que todavía se usa: los salarios se explican por años de escolaridad y experiencia.

Ese marco original trataba el capital humano como un stock más o menos homogéneo, medido en años de estudio. La literatura posterior lo corrigió en dos direcciones que son justamente las que importan acá.

La primera es que lo que se aprende pesa más que cuánto tiempo se estuvo sentado. Eric Hanushek y Ludger Woessmann (2015) reemplazaron los años de escolaridad por el desempeño medido en pruebas estandarizadas —PISA, TIMSS— y encontraron que las habilidades cognitivas, especialmente en matemáticas y ciencias, explican mucho mejor las diferencias de crecimiento entre países que la escolaridad formal. Dos países pueden tener la misma cobertura escolar y tasas de crecimiento muy distintas si sus estudiantes salen sabiendo cosas distintas. Ese hallazgo es el que convierte un puntaje PISA de una noticia educacional en una variable macroeconómica.

La segunda es que el capital humano es complementario a la tecnología, no un sustituto ni un insumo indiferente a ella. En los modelos de crecimiento endógeno de Paul Romer (1990) y Charles Jones, la producción de ideas nuevas depende del stock de personas capaces de producirlas: si el sector de investigación no encuentra a quién contratar, la tasa de innovación cae aunque haya capital físico disponible. Nelson y Phelps (1966) habían planteado antes el mecanismo complementario y, para una economía como la chilena, el más relevante: la educación importa sobre todo porque determina la velocidad con que un país adopta tecnología inventada en otra parte. No hay que inventar la inteligencia artificial para beneficiarse de ella, pero sí hay que tener quien la entienda, la implemente y la adapte.

De ahí nace el concepto de insumo escaso o cuello de botella. Una función de producción con insumos complementarios —el caso extremo es la de Leontief, donde el producto lo fija el insumo más escaso— implica que abundar en todo lo demás no compensa la carencia de uno. Michael Kremer (1993) lo formalizó como la "teoría O-Ring": en procesos donde las tareas son interdependientes, la calidad del eslabón más débil determina la del producto entero, y por eso los trabajadores de alta calificación se agrupan entre sí y los países terminan divergiendo. Aplicado a la inteligencia artificial, la lista de requisitos incluye energía barata, conectividad, centros de datos y personas con formación matemática y estadística seria. Los tres primeros se compran o se construyen con capital en plazos de años; el cuarto tarda una generación escolar y no se importa fácilmente.

Un último elemento: el retorno de este tipo de capital humano no es uniforme. La literatura de cambio técnico sesgado por habilidades (Acemoglu, 2002) muestra que las tecnologías recientes han elevado desproporcionadamente el pago a las destrezas cognitivas abstractas, ampliando la brecha salarial. Eso significa que un país que se queda atrás en matemáticas no solo crece menos: participa de la ola tecnológica desde el lado del consumo y no del de la producción, capturando una fracción menor de la renta que genera.

Cómo lo explicó el programa

En Buenas Tardes Mercado del 9 de septiembre de 2026, al comentar el retroceso de Chile a 403 puntos en matemáticas en PISA 2025 —contra 463 del promedio OCDE—, Manuel Bengolea reencuadró la cifra: el problema no es pedagógico sino de competitividad, porque el insumo esencial de la inteligencia artificial es capital humano matemático y científico. Su formulación del punto de comparación fue directa: "El problema no es descollar con respecto a Latinoamérica, el problema es descollar con respecto a la OCDE".

Ese giro es el que conecta la discusión con la teoría anterior. Estar sobre el promedio latinoamericano es información sobre el vecindario; estar 60 puntos bajo la OCDE es información sobre la capacidad del país de estar en el lado productivo de la próxima ola tecnológica, porque los competidores por la inversión y por los proyectos de frontera son los países de la OCDE, no los de la región. Es, en términos de Hanushek y Woessmann, mirar el nivel absoluto de habilidades cognitivas en vez del ranking regional.

Relación con otros conceptos

Se apoya directamente en el capital humano en la primera infancia: si los retornos de la inversión educativa son más altos cuanto más temprana es, un déficit en matemáticas a los 15 años ya es un déficit acumulado desde mucho antes, y la complementariedad dinámica implica que remediarlo después cuesta más. Se relaciona con la brecha tecnológica y la capacidad de absorción —el argumento de Nelson-Phelps es precisamente que la convergencia depende de tener con quién adoptar—, con el cambio técnico sesgado por habilidades y su efecto sobre la distribución salarial, y con la productividad total de factores, donde este tipo de déficit aparece como residuo inexplicado. También toca la eficiencia del gasto público: veinte años de aumento del gasto educativo sin mejora en resultados medidos es un problema de retorno de la inversión, no de nivel de inversión.

Fuentes y lecturas

• Becker, G. (1964), Human Capital: A Theoretical and Empirical Analysis, with Special Reference to Education, Columbia University Press / NBER.
• Hanushek, E. y Woessmann, L. (2015), The Knowledge Capital of Nations: Education and the Economics of Growth, MIT Press.
• Nelson, R. y Phelps, E. (1966), "Investment in Humans, Technological Diffusion, and Economic Growth", American Economic Review 56(1/2).
• Romer, P. (1990), "Endogenous Technological Change", Journal of Political Economy 98(5).
• Kremer, M. (1993), "The O-Ring Theory of Economic Development", Quarterly Journal of Economics 108(3).
• Mankiw, N. G., Macroeconomía (cap. sobre crecimiento y capital humano), Antoni Bosch — tratamiento de manual del modelo de Solow ampliado con capital humano.