Inteligencia artificial como motor del crecimiento

Qué es

La idea de que la inteligencia artificial es "el motor del crecimiento" es una afirmación sobre de dónde viene el aumento del producto en una economía. La contabilidad del crecimiento la descompone en tres fuentes: más trabajo, más capital, y un residuo que no se explica por ninguno de los dos —la eficiencia con que se combinan—. Ese residuo es la productividad total de los factores (PTF), y su medición formal se la debemos a Solow (1957), quien encontró que explicaba alrededor de siete octavos del crecimiento del producto por hora en Estados Unidos entre 1909 y 1949. El modelo que lo acompaña (Solow, 1956) tiene una implicación incómoda: con rendimientos decrecientes del capital, acumular máquinas no sostiene el crecimiento en el largo plazo. Solo el progreso técnico lo hace, y en ese modelo el progreso técnico llega desde afuera, como maná.

La teoría del crecimiento endógeno rompió ese supuesto. Romer (1990) modeló la tecnología como el resultado de decisiones deliberadas de inversión en investigación, con una propiedad que la distingue de una máquina: las ideas son no rivales. Que yo use un algoritmo no impide que usted lo use al mismo tiempo. Eso genera rendimientos crecientes a escala y hace que el crecimiento pueda sostenerse en vez de agotarse. Es el marco natural para pensar la IA: no es un stock de capital más, es un método de producir ideas.

Ahí entra el concepto que hoy organiza casi toda la discusión seria: la IA como tecnología de propósito general (GPT, por general purpose technology). Bresnahan y Trajtenberg (1995) definieron el término para tecnologías que cumplen tres condiciones: se difunden por toda la economía, mejoran con el tiempo, y generan innovaciones complementarias en los sectores que las adoptan. La electricidad y el motor eléctrico son el caso canónico. Y traen consigo una regularidad empírica desconcertante: la paradoja de la productividad. Solow la resumió en 1987 con una frase famosa —se ven computadores en todas partes menos en las estadísticas de productividad—. David (1990) mostró por qué: la electrificación de las fábricas estadounidenses tardó unas cuatro décadas en aparecer en los números, porque exigía rediseñar la planta entera, no solo cambiar la fuente de energía.

La explicación moderna de ese retraso es la curva J de la IA (Brynjolfsson, Rock y Syverson, 2021): las empresas invierten primero en activos intangibles —reorganizar procesos, formar gente, construir datos— que la contabilidad nacional no registra como inversión, así que la productividad medida cae antes de subir. El corolario práctico es que el rezago entre la aparición de la tecnología y su efecto macro es de años, no de trimestres.

Sobre la magnitud hay desacuerdo real y vale la pena exponerlo. Acemoglu (2024) estima que el efecto de la IA sobre la PTF en una década será modesto —del orden de puntos porcentuales acumulados, no de un salto de régimen—, porque solo una fracción de las tareas de la economía es automatizable de forma rentable en ese horizonte. Aghion y Howitt (1992), desde el lado teórico, aportan la otra pieza: el crecimiento por destrucción creativa implica que el avance no es una marea que sube parejo, sino un proceso donde las rentas de los incumbentes se destruyen. Un motor de crecimiento y una fuente de disrupción distributiva son la misma cosa vista desde dos ángulos.

Hay además un problema de contabilidad que conviene tener presente: una parte de lo que hoy se registra como "crecimiento impulsado por IA" es inversión —centros de datos, chips, energía—, es decir demanda agregada, no productividad. Que el gasto en capital de un puñado de empresas mueva el PIB de un trimestre no prueba que el producto por hora de la economía haya subido. Son dos afirmaciones distintas y la evidencia para cada una es distinta.

Cómo lo explicó el programa

En Buenas Tardes Mercado del 10 de septiembre de 2026, en el tema "El riesgo del péndulo político y la IA como motor", Manuel Bengolea lo puso en términos de atribución del crecimiento reciente:

"Cuando uno mira qué ha sido el motor de crecimiento económico en los últimos tres o cuatro años, bueno, se llama inteligencia artificial"

El contexto importa para entender por qué el punto aparecía en una conversación política. La discusión giraba en torno al riesgo del péndulo: criticar la forma de Trump podía terminar entregando el gobierno a la izquierda más radical —se mencionaba la pelea por la nominación demócrata entre Gavin Newsom y Alexandria Ocasio-Cortez—. La observación sobre la IA era el eslabón que le daba peso económico al argumento político: se trata de la economía más importante del planeta, y el motor de su crecimiento de los últimos tres o cuatro años está ocurriendo principalmente en Estados Unidos. Es decir, la IA no aparecía como tema tecnológico sino como una razón para que a un inversionista chileno le importe quién gobierna allá: si la concentración geográfica del boom es real, el riesgo regulatorio y político estadounidense deja de ser un asunto ajeno.

Relación con otros conceptos

Este concepto se apoya directamente en la productividad total de los factores y en la contabilidad del crecimiento, que son el instrumento con el que se mide si un "motor" existe o es una impresión. Su marco teórico es el crecimiento endógeno y, dentro de él, la no rivalidad de las ideas; su versión aplicada es la noción de tecnología de propósito general. Del lado de los tiempos, se conecta con la paradoja de la productividad y con la distinción entre inversión en capital fijo y aumento de eficiencia, que es donde más se confunde el debate público. En su faz distributiva, dialoga con la destrucción creativa y con el sesgo tecnológico del cambio técnico (por qué una tecnología puede subir el producto y bajar la participación del trabajo al mismo tiempo). Y como el fenómeno está geográficamente concentrado, toca también la convergencia entre países y la brecha tecnológica: si un solo país capta el grueso de la ganancia, la brecha se ensancha antes de cerrarse.

Fuentes y lecturas

• Solow, R. (1956), "A Contribution to the Theory of Economic Growth", The Quarterly Journal of Economics, 70(1).
• Solow, R. (1957), "Technical Change and the Aggregate Production Function", The Review of Economics and Statistics, 39(3).
• Romer, P. (1990), "Endogenous Technological Change", Journal of Political Economy, 98(5).
• Bresnahan, T. y Trajtenberg, M. (1995), "General Purpose Technologies: 'Engines of Growth'?", Journal of Econometrics, 65(1).
• Brynjolfsson, E., Rock, D. y Syverson, C. (2021), "The Productivity J-Curve: How Intangibles Complement General Purpose Technologies", American Economic Journal: Macroeconomics, 13(1).
• Acemoglu, D. (2024), "The Simple Macroeconomics of AI", Economic Policy.
• Jones, C. (2016), Introducción al crecimiento económico, McGraw-Hill (manual estándar, disponible en español).