Velocidad de adopción tecnológica

Qué es

La velocidad de adopción tecnológica es el ritmo al que una innovación pasa de existir a estar efectivamente en uso en una población —de usuarios, de empresas o de países—. No se confunde con la fecha de invención: entre que algo se puede hacer y que se hace de forma masiva pueden pasar dos meses o cuatro décadas, y esa distancia es justamente la variable económica interesante.

La forma estándar de representarla es la curva en S (logística): un arranque lento, una fase de aceleración y una saturación. El trabajo que la instaló como objeto de estudio económico fue el de Griliches (1957) sobre el maíz híbrido en Estados Unidos: mostró que los estados diferían en tres parámetros —cuándo empezaban, con qué pendiente subían y hasta qué techo llegaban— y que esos parámetros respondían a la rentabilidad esperada de adoptar, no al temperamento de los agricultores. La difusión, dicho de otro modo, es una decisión de inversión. Rogers (1962) aportó el vocabulario que sobrevivió al campo —innovadores, adoptantes tempranos, mayorías, rezagados— y Bass (1969) le dio una forma manejable: la adopción se descompone en un coeficiente de innovación (quienes adoptan por influencia externa) y uno de imitación (quienes adoptan por contagio de los que ya adoptaron). Que la S sea empinada significa que domina la imitación, es decir, que la tecnología viaja por una red que ya estaba instalada.

Ahí aparece la distinción que casi todas las discusiones públicas pisan: la velocidad de adopción por usuarios y la velocidad de adopción productiva son cosas distintas. Cuando se trata de una tecnología de propósito general —una que mejora con el tiempo, sirve en muchos sectores y detona innovación complementaria río abajo (Bresnahan y Trajtenberg, 1995)—, el cuello de botella no es que la gente la pruebe, sino que las organizaciones se reorganicen alrededor de ella. El caso canónico lo documentó David (1990): la dínamo eléctrica tardó unos cuarenta años en aparecer en las estadísticas de productividad, porque exigía rediseñar la fábrica entera —abandonar el eje central de transmisión, poner un motor por máquina, extender la planta en un solo piso—, y eso es capital nuevo y aprendizaje, no un interruptor. De la misma frustración nació la observación de Solow (1987) de que la era del computador se veía en todas partes menos en las cifras de productividad. Brynjolfsson, Rock y Syverson (2021) formalizaron por qué la espera se ve peor de lo que es: la inversión en intangibles complementarios (procesos, datos, capital humano) no se contabiliza como producto, así que la productividad medida primero cae y solo después sube —la "curva J"—.

La contracara optimista también tiene evidencia: Comin y Hobijn (2010), midiendo decenas de tecnologías y países, encontraron que los rezagos de adopción se han venido acortando de forma sistemática. Cada tecnología llega más rápido que la anterior.

El puente con la macro es directo. Si el aumento de productividad es real y rápido, se trata de un shock de oferta positivo: sube el producto potencial y bajan los costos unitarios al mismo tiempo. Es la única configuración en que una economía puede crecer con desempleo bajo sin generar inflación, y por eso rompe la lectura mecánica de la curva de Phillips.

Cómo lo explicó el programa

En Buenas Tardes Mercado del 18 de agosto de 2026, el tema fue exactamente esa bisagra entre velocidad de adopción y política monetaria. El punto de partida era financiero: las siete hiperescaladoras invertirían un trillón de dólares el próximo año y arrastrarían flujo de caja libre negativo hasta 2028, lo que las obliga a salir a financiarse justo cuando las tasas suben. Pero el dato que Manuel Bengolea puso al centro fue el de difusión: internet tardó siete años en llegar a 100 millones de usuarios y ChatGPT solo dos meses. "Esta tecnología que tenemos por delante es mucho más rápida que el internet", resumió. La conclusión que extrajo es la que interesa acá: si la adopción es tan veloz, el shock de productividad va a presionar los precios a la baja, que es precisamente el argumento con que Greenspan se resistió a subir las tasas entre 1996 y 1998 pese al desempleo bajo —y acertó—.

Conviene notar que el episodio contiene dos argumentos que empujan en direcciones opuestas y ambos son válidos: el monetario dice que la velocidad de adopción es desinflacionaria; el financiero dice que la inversión llega años antes que el flujo de caja, y que financiarla en un ciclo de tasas al alza es caro. La comparación de los 100 millones de usuarios, además, mide difusión sobre una red de distribución que ya existía —internet tuvo que construir la suya—, y eso es exactamente lo que la literatura de curva J advierte que no debe leerse como velocidad de adopción productiva.

Relación con otros conceptos

Se apoya en la noción de tecnologías de propósito general y es inseparable de la paradoja de la productividad, que es su versión negativa. Por el lado macro conecta con el producto potencial y la brecha del producto, con la curva de Phillips —a la que un shock de oferta positivo le quita poder predictivo— y con la tasa neutral, que se mueve si la productividad tendencial cambia. Por el lado financiero se cruza con la profundización de capital, el costo de capital, el flujo de caja libre y el ciclo clásico de sobreinversión en infraestructura de red, del que la fibra óptica de 1999-2001 es el precedente más cercano.

Fuentes y lecturas

• Griliches, Z. (1957), Hybrid Corn: An Exploration in the Economics of Technological Change, Econometrica 25(4).
• Rogers, E. (2003 [1962]), Diffusion of Innovations, 5ª ed., Free Press.
• Bass, F. (1969), A New Product Growth for Model Consumer Durables, Management Science 15(5).
• David, P. (1990), The Dynamo and the Computer: An Historical Perspective on the Modern Productivity Paradox, American Economic Review 80(2).
• Brynjolfsson, E., Rock, D. y Syverson, C. (2021), The Productivity J-Curve: How Intangibles Complement General Purpose Technologies, American Economic Journal: Macroeconomics 13(1).
• Comin, D. y Hobijn, B. (2010), An Exploration of Technology Diffusion, American Economic Review 100(5).