Las economías emergentes y la adopción de la Inteligencia Artificial
Durante un reciente viaje a Kazajistán, el premio Nobel de economía, Michael Spence, quedó sorprendido por el entusiasmo generalizado hacia la Inteligencia Artificial.
Académicos, empresarios y funcionarios públicos compartían una convicción: la IA ayudaría a resolver desafíos fundamentales para cada una de sus actividades, impulsando su crecimiento y, con ello, el de su economía como un todo. Desde diversificar su economía dependiente de recursos naturales hasta expandir servicios críticos en poblaciones remotas.
Esta actitud contrasta marcadamente con el escepticismo que predomina en economías avanzadas y por ciertas resistencias y descalificaciones al interior de instituciones privadas y públicas en nuestros países, donde las conversaciones sobre IA rápidamente derivan hacia temores de desempleo masivo y amenazas a las jerarquías laborales establecidas.
¿Quién tiene razón? ¿Son las economías emergentes ingenuamente optimistas, o están captando una oportunidad que los países ricos están demasiado asustados para aprovechar? La evidencia sugiere que el optimismo está justificado, pero sólo si los gobiernos evitan el error de sofocar la innovación con regulaciones prematuras.
La ventaja inesperada de llegar tarde
Existe una percepción común de que se está formando una “brecha digital de IA”, con países de altos ingresos beneficiándose desproporcionadamente de la tecnología mientras las naciones en desarrollo quedan más rezagadas.
Esta preocupación, aunque comprensible, malinterpreta fundamentalmente cómo funciona la revolución de IA.
Es cierto que sólo un puñado de países —principalmente Estados Unidos y China— lideran el desarrollo de los modelos de IA más poderosos. Construir estos sistemas requiere inversiones masivas en computación, talento especializado e infraestructura que pocos países pueden costear. Sin embargo, esta es sólo una dimensión de la revolución de la IA.
La otra dimensión, igualmente importante y mucho más accesible, es la adaptación, el ajuste fino y la aplicación de herramientas existentes para resolver problemas específicos de cada contexto.[1]
Los costos de estas actividades son significativamente menores y, con la expansión de modelos de código abierto —muchos desarrollados en China— seguirán disminuyendo. Como señala Spence, el campo está ampliamente abierto para la innovación en un amplio rango de países.
Esta dinámica es crucial de entender. Las economías emergentes no necesitan desarrollar el próximo GPT-5 para beneficiarse enormemente de la IA. Necesitan infraestructura básica: electricidad confiable, conectividad móvil a Internet y acceso a datos asequibles. Una vez establecidas estas condiciones, las posibilidades son prácticamente ilimitadas.
Beneficios económicos reales y medibles
Contrario a la percepción de que los beneficios de IA son puramente especulativos, estamos observando impactos económicos tangibles. Un estudio reciente de Avinash Collis y Erik Brynjolfsson estima que los estadounidenses disfrutaron de aproximadamente 97 mil millones de dólares en “excedente del consumidor” sólo en 2024 por el uso de herramientas de IA generativa.[2]
Este excedente —la diferencia entre lo que los consumidores estarían dispuestos a pagar por un servicio y su precio real— representa valor económico genuino, incluso si no aparece directamente en las mediciones tradicionales del PIB.
Pero los beneficios van mucho más allá del ahorro en tiempo o costos para usuarios individuales. En el ámbito empresarial, la evidencia es contundente. Un estudio sobre empresas francesas entre 2018 y 2020 encontró que la adopción de IA está positivamente asociada con aumentos en el empleo total y las ventas a nivel de empresa.[3] Este hallazgo contradice directamente las narrativas apocalípticas sobre desplazamiento laboral.
¿Por qué?, porque la IA no sólo reemplaza tareas, también expande las capacidades de las empresas. Cuando una compañía se vuelve más productiva, puede ofrecer mejores precios, llegar a más clientes y expandir su negocio. El efecto neto, al menos hasta ahora, es creación de empleo, no destrucción. Incluso en ocupaciones típicamente consideradas vulnerables a la automatización —contabilidad, telemarketing, trabajo secretarial— el impacto sobre el empleo ha sido mayormente positivo o neutral.
Para las economías emergentes, esta dinámica es especialmente prometedora. Consideremos algunos ejemplos concretos:
- Servicios financieros inclusivos. Tradicionalmente, las personas con activos limitados y sin historial crediticio han estado excluidas del sistema financiero formal. Los canales tradicionales hacen prohibitivamente caro o imposible extender crédito a estos grupos. Pero las herramientas digitales ahora ofrecen medios accesibles para cerrar estas brechas de información. A medida que las economías de efectivo dan paso a sistemas de pago digital y los hogares adquieren cuentas bancarias y billeteras electrónicas, la acumulación de datos resuelve el problema de la ausencia de información de los potenciales acreditados. La evaluación crediticia impulsada por IA puede entonces sustentar versiones sostenibles, escalables y rentables de microcrédito, permitiendo que los negocios crezcan y contraten más personas.[1]
- Salud y educación. En sectores donde el acceso tradicionalmente ha estado limitado por la geografía, la IA está democratizando servicios críticos. Asistentes digitales de aprendizaje pueden acelerar la adquisición de conocimientos y habilidades. No todos pueden acceder a un aula o tutor, pero con la infraestructura adecuada, cualquiera puede consultar un modelo de IA Generativa que ha “leído” y comprende la vasta literatura digital que existe en cada campo e idioma. El impacto directo sobre productividad, crecimiento y desarrollo es difícil de exagerar.
- Mejora en la productividad laboral. En ciertos lugares de trabajo, la IA puede reducir drásticamente los tiempos de capacitación y aumentar la productividad de los trabajadores. En servicio al cliente, por ejemplo, asistentes de IA pueden proporcionar orientación personalizada, basada en experiencia acumulada, en comparación con los agentes humanos, acelerando el proceso de aprendizaje y permitiendo a los agentes proporcionar mejor soporte desde etapas tempranas en la relación con clientes actuales y potenciales. Este efecto se puede lograr en una amplia gama de trabajos y sectores, desde enfermería hasta desarrollo de software.[1]
El costo del miedo: las lecciones de Europa
Si los beneficios de la IA son tan claros, ¿por qué algunos países no están aprovechándolos? La respuesta frecuentemente radica en el enfoque regulatorio y el contraste entre Europa y Estados Unidos es ilustrativo.
La Unión Europea promulgó la primera regulación integral de IA del mundo en agosto de 2024, estableciendo salvaguardas contra riesgos como discriminación, desinformación, violaciones de privacidad y sistemas de IA que podrían poner en peligro vidas humanas o amenazar la estabilidad social.
La ley asigna diferentes niveles de riesgo a sistemas de IA, con tratamientos diferenciados para cada uno. Mientras que los sistemas de “puntuación” social impulsados por IA están prohibidos por completo, los sistemas de mayor riesgo están fuertemente regulados y supervisados, con una lista de multas exorbitantes por incumplimiento.
El problema no es que estas preocupaciones sean infundadas. Son legítimas. El problema es el momento y la magnitud de la respuesta. Como señala Raghuram Rajan, ex gobernador del Banco de la Reserva de India, el enfoque europeo carga a las empresas incipientes con costos de cumplimiento regulatorio antes de que el potencial de la tecnología se haya vuelto claro.[4]
Los resultados hablan por sí mismos: Europa tiene poca presencia en la floreciente industria de IA, especialmente en comparación con Estados Unidos o China. Los líderes en IA Generativa son empresas estadounidenses como OpenAI, Anthropic y Google; ninguna empresa europea alcanza ese nivel. Esta brecha no es accidental; es el resultado predecible de sofocar la experimentación temprana. Lo mismo que pasó en telecomunicaciones cuando Europa se aferró a la regulación ex ante y la desagregación que, posteriormente, fue contagiada a países como México.
Cuando se exige casi-perfección a criterio del regulador en turno desde el inicio, no se protege tanto a la sociedad como se sofoca el proceso de prueba y error a través del cual emergen los avances.
Debe haber cierta tolerancia o margen para errores en las etapas tempranas del desarrollo de un sistema. Cuando los desarrolladores pueden explorar las posibilidades positivas de un sistema más libremente, también tienen tiempo para descubrir formas costo-efectivas de abordar problemas que socavan la confiabilidad del sistema.
Los números económicos refuerzan este punto. Investigadores estiman que la revolución de l IA debería aumentar el crecimiento de la productividad agregada entre 0.8 y 1.3 puntos porcentuales por año durante la próxima década, con una estimación mediana de 0.68.[3]
En comparación, el economista Daron Acemoglu proyecta un aumento de sólo 0.07 puntos porcentuales. La diferencia radica en supuestos sobre qué tan rápido se adoptará y difundirá la IA, lo cual está directamente afectado por el entorno regulatorio.
El problema con las “Cajas de Arena” regulatorias
Reconociendo que la regulación prematura puede sofocar la innovación, algunos reguladores han recurrido a enfoques de “sandbox” (caja de arena): permitir que nuevos productos se prueben sólo en entornos estrictamente controlados. Los innovadores pueden experimentar con un grupo limitado de usuarios, siempre bajo la atenta mirada del regulador. Este enfoque ayuda a contener cualquier daño potencial.
Superficialmente, esto parece un compromiso razonable. Pero las “cajas de arena” también pueden limitar lo que puede salir bien. Las pruebas con grupos pequeños y restringidos no pueden capturar los beneficios de los efectos de red, mediante los cuales los productos se vuelven más valiosos a medida que más personas los usan. Tampoco pueden revelar avances inesperados que surgen cuando las personas “equivocadas” adoptan un producto.
En resumen, las pruebas en “caja de arena” pueden mantener limitados los usos o resultados no deseados, pero también arriesgan sofocar el descubrimiento.[4] Son mejores que las prohibiciones absolutas, pero aún pueden causar que los innovadores entierren demasiadas ideas prometedoras antes de que puedan escalar.
El modelo estadounidense: caos productivo
En contraste con la cautela europea, el enfoque estadounidense ha sido dejar que florezca el entorno y ecosistemas de IA, a pesar de que varios estados de la unión regulan la IA en forma desordenada.
El Plan de Acción de IA de la administración Trump busca limitar la burocracia, el desorden y descoordinación entre las legislaciones de los estados en materia de regulación en IA. Esta filosofía encarna dejar evolucionar y actuar ex post antes que limitar ex ante.
Este enfoque laissez-faire tiene sus propios riesgos. Como señala Rajan, el sistema puede explotar debido a productos defectuosos, como sucedió con los valores respaldados por hipotecas subprime antes de la crisis financiera global de 2008.[4]
Aun así, el enfoque estadounidense ha demostrado permitir innovación rápida. Cuando Erik Brynjolfsson y sus coautores examinaron el impacto de la IA Generativa en agentes de servicio al cliente en una empresa de software estadounidense, encontraron que la productividad entre trabajadores con acceso a un asistente de IA aumentó casi 14% en el primer mes de uso, luego se estabilizó en un nivel aproximadamente 25% más alto después de tres meses. [3]
El camino intermedio: aprendiendo de ambos modelos
Ni el enfoque estadounidense ni el europeo logran el equilibrio correcto. Estados Unidos tiende a regular muy poco, demasiado tarde, mientras que Europa hace demasiado, demasiado pronto. Las economías emergentes tienen la oportunidad de aprender de ambos experimentos.
Como argumenta Rajan, el mundo puede beneficiarse de tener enfoques diferentes. [4] Los chatbots estadounidenses pueden prosperar en un entorno relativamente no regulado, experimentando y escalando rápidamente. Pero una vez que busquen presencia global, se encontrarán con estándares más estrictos de Europa.
Con recursos suficientes e incentivos fuertes, encontrarán formas creativas y de bajo costo de cumplir, y esas estrategias de reducción de riesgos eventualmente pueden fluir de vuelta a Estados Unidos, dejando al mundo con más innovación y con mayor seguridad.
Para las economías emergentes, esto sugiere un camino pragmático: establecer requisitos básicos de infraestructura y protecciones de datos, pero evitar regulación excesivamente prescriptiva de aplicaciones específicas de IA. El enfoque debería estar en habilitar experimentación mientras se mantienen redes de seguridad fundamentales.
La medición de la IA dentro de la economía
Un desafío importante para entender el impacto de la IA es que las métricas económicas tradicionales no capturan bien sus beneficios. Como señala Diane Coyle de la Universidad de Cambridge, el PIB es en el mejor de los casos un indicador rezagado del cambio estructural.[5]
Los historiadores económicos han demostrado que las tecnologías transformadoras como la energía de vapor y la electricidad tardaron décadas en registrarse en las estadísticas oficiales.
El problema es conceptual. El PIB captura el valor de la mayoría de las cosas compradas y vendidas. Pero con pocas excepciones, los bienes gratuitos son invisibles en las cifras del PIB, incluso si mejoran el bienestar de los consumidores.
Cuando un consumidor aprovecha un chatbot de nivel gratuito o un generador de imágenes, no ocurre ninguna transacción de mercado, por lo que los beneficios que los usuarios obtienen —ahorrar una hora redactando un informe, automatizando una invitación a fiesta de cumpleaños, tutorando a un niño en álgebra— no se contabilizan.
Esta medición errónea crece cuando las personas reemplazan un servicio costoso como fotos de stock con una alternativa gratuita. Para abordar esta brecha, investigadores han desarrollado medidas como “GDP-B” (PIB-B, donde B significa beneficios).[2] En lugar de preguntar qué pagan las personas por un bien, preguntan qué necesitarían recibir para renunciar a él.
Para las economías emergentes, esto significa que los beneficios de la adopción de IA pueden ser aún mayores de lo que sugieren las estadísticas oficiales. Los hogares de menores ingresos, en particular, ganan más, en relación con sus ingresos de referencia, de herramientas gratuitas.
Acelerando la curva de aprendizaje
Uno de los aspectos más notables de la IA es cómo acelera fundamentalmente el aprendizaje y la innovación. Durante casi un siglo, los planificadores industriales han confiado en la Ley de Wright: los costos caen de manera predecible cada vez que se duplica la producción. Más produces, más barato se vuelve, en parte porque el costo de aprendizaje por unidad disminuye.
La IA está reescribiendo esta ley. Como señalan Jonathan Rosenthal y Neal Zuckerman en el Wall Street Journal, la IA hace posible que la experiencia venga antes de la producción.[6] La simulación puede ocurrir millones de veces antes de que se envíe una sola caja. La experiencia escala casi instantáneamente sin costo real. La curva de aprendizaje no sólo se vuelve más empinada, colapsa.
Esto significa que el conocimiento que alguna vez tomó décadas de prueba y error humano puede emerger en semanas, días, incluso horas. Para las economías emergentes, esto es un cambio profundo. Las decisiones sobre capacidad, espacio de almacenamiento, enrutamiento, adopción de tecnología y gestión de riesgos pueden modelarse, probarse y optimizarse por adelantado. Los costos de planificación imprecisa se reducen dramáticamente.
La investigación del grupo METR (Model Evaluation and Threat Research) demuestra esto cuantitativamente.[7] Su trabajo muestra que las capacidades de los modelos de IA para completar tareas largas se han duplicado aproximadamente cada 6-7 meses.
En un gráfico notable, se demuestra la cantidad de tiempo que les toma a los humanos completar tareas que los modelos de IA pueden resolver con al menos 50% de éxito. El resultado en una escala logarítmica, significa crecimiento exponencial: el horizonte temporal de tareas que los modelos pueden manejar se cuadruplica cada año.
Si esta tendencia continúa —y la evidencia sugiere que puede estar acelerándose— las implicaciones son extraordinarias. Como escribe el teórico informático Boaz Barak, una vez que la IA alcanza un cierto horizonte temporal, puede esencialmente simular cualquier combinación de humanos trabajando durante cantidades arbitrariamente grandes de tiempo.[7]
Navegando la disrupción laboral
No sería honesto discutir los beneficios de la IA sin reconocer sus riesgos, particularmente en el mercado laboral. Un informe emitido por el Comité de Salud, Educación, Trabajo y Pensiones del Senado de Estados Unidos estima que la IA y la automatización podrían destruir casi 100 millones de empleos estadounidenses durante la próxima década.
Preguntémonos, ¿cuál fue el costo en empleo del desfase de la taquimecanografía, la máquina de escribir, los conmutadores manuales, los libros de contabilidad, etc.?
Sin embargo, la evidencia hasta ahora no respalda esta narrativa apocalíptica. Como se mencionó anteriormente, los estudios a nivel de empresa muestran que la adopción de IA está asociada con aumentos en el empleo, no disminuciones.[3]
El principal riesgo para los trabajadores no es que sean desplazados por la IA directamente, sino que sean desplazados por trabajadores en otras empresas que usan IA.
Esto apunta a la verdadera preocupación política: ralentizar el ritmo de adopción de IA probablemente sería contraproducente para el empleo doméstico, porque muchas empresas competirán internacionalmente con adoptantes de IA. La respuesta no es resistir la tecnología, sino asegurar que los trabajadores tengan las habilidades para prosperar junto a ella.
Para las economías emergentes, esto requiere inversiones serias en educación, programas de capacitación y políticas activas del mercado laboral. También significa evitar la trampa de sobreproteger industrias existentes a expensas de nuevas oportunidades. La historia muestra que el progreso tecnológico, aunque disruptivo a corto plazo, crea más empleo del que destruye a largo plazo, pero sólo si los trabajadores pueden moverse hacia nuevos roles.
Una preocupación válida es que la IA pueda ampliar la brecha entre trabajadores “superestrella” y trabajadores promedio. Una investigación de Matthew Call de Texas A&M sugiere que son los “superestrella” mismos quienes ganarán más de la IA, ampliando el abismo entre los mejores desempeños y todos los demás.[8]
Los “superestrella” aprovechan su experiencia de dominio para extraer fundamentalmente más valor de los sistemas de IA que los desempeños promedio.
Para las empresas y los gobiernos, esto significa que no es suficiente simplemente proporcionar acceso a herramientas de IA. También deben invertir en capacitación que ayude a los trabajadores promedio a usar estas herramientas estratégicamente, crear plantillas y mejores prácticas que democraticen conocimiento efectivo y rediseñar sistemas de evaluación para dar crédito justo por trabajo asistido por IA.[8]
La transformación organizacional
Más allá del impacto individual en trabajadores y empresas, la IA está desafiando la estructura misma de las organizaciones. Como argumenta Sami Mahroum en un análisis provocativo, la empresa tradicional —tal como la conocemos desde la Revolución Industrial— puede no sobrevivir en su forma actual.[9]
Las empresas existen, según la teoría económica clásica, porque resuelven problemas de coordinación que los mercados no pueden manejar eficientemente. Pero la IA puede diseñar ahora acuerdos confiables que se ejecutan automáticamente mediante contratos inteligentes, mientras que los servicios en la Nube hacen que el conocimiento y los activos sean instantáneamente compartibles.
Con los problemas de coordinación que alguna vez justificaron jerarquías corporativas aparentemente resueltos por código de computadora, la justificación tradicional de las empresas comienza a desvanecerse.
Esto podría llevar a lo que Mahroum llama la “economía de actor-red”: un sistema donde humanos aumentados por IA forman redes temporales para proyectos específicos, capturando directamente el valor que crean en lugar de cederlo a intermediarios organizacionales. Para las economías emergentes, esto representa tanto oportunidad como desafío: la oportunidad de saltar estructuras corporativas tradicionales, pero el desafío de crear nuevas formas de coordinación social y redes de seguridad que no dependan del empleo tradicional.
Señales del mercado
Una forma de cortar a través de la especulación sobre el futuro de la IA es examinar qué creen aquellos con “dinero en juego”. Isaiah Andrews y Maryam Farboodi realizaron un estudio fascinante sobre cómo responden los mercados financieros a los anuncios importantes de IA.[10]
Los resultados son sorprendentes y matizados. Por un lado, las valoraciones bursátiles de empresas de tecnología sugieren que los inversionistas esperan enormes ganancias del sector de IA. Pero cuando los investigadores examinaron los rendimientos de bonos del Tesoro estadounidense alrededor de lanzamientos importantes de modelos de IA y encontraron que los rendimientos a largo plazo caían, típicamente en más de diez puntos base.
¿Por qué importa esto? Si los inversionistas genuinamente esperaran un crecimiento mucho mayor de ingresos futuros por productividad impulsada por IA, se elevarían las tasas de interés en bonos a largo plazo.
Las tasas decrecientes sugieren que los inversionistas están revisando las expectativas a la baja, ya sea reduciendo las tasas anticipadas de crecimiento del consumo o reduciendo la probabilidad percibida de eventos extremos.
En otras palabras, los mercados parecen pensar que el camino desde capacidades impresionantes de IA hasta prosperidad generalizada es menos directo de lo que sugieren las narrativas optimistas.
Quizás los inversionistas se preocupan de que la IA produzca disrupción y desplazamiento sin generar crecimiento sustancial, o que los beneficios de la IA fluyan principalmente a empresas tecnológicas mientras los costos se distribuyen ampliamente.
Para las economías emergentes, esta cautela del mercado sugiere la importancia de políticas que aseguren que los beneficios de la IA se distribuyan ampliamente en lugar de concentrarse en unos pocos sectores o empresas.
Implicación para las economías emergentes
Las economías emergentes se encuentran en un momento decisivo. La revolución de la IA ofrece una oportunidad sin precedentes para saltar etapas de desarrollo, expandir acceso a servicios críticos y acelerar el crecimiento económico. Pero capturar estos beneficios requiere tomar decisiones inteligentes ahora.
La primera prioridad debe ser infraestructura básica: electricidad confiable, conectividad a Internet de alta velocidad y planes de datos asequibles. Sin estos cimientos, incluso las herramientas de IA más poderosas permanecerán fuera de alcance.
La segunda prioridad es resistir la tentación de sobre-regular prematuramente. Sí, la IA plantea riesgos reales, pero la respuesta no es sofocar la experimentación temprana. Sobre regular emulando lo ocurrido en telecomunicaciones en los años 90’s y 00’s garantiza que estos países nunca desarrollarán sus propios ecosistemas de IA. El enfoque correcto es establecer principios básicos —protección de privacidad, movilidad de datos, estándares de transparencia— mientras se permite amplia libertad en cómo se aplican las herramientas de IA.
La tercera prioridad es invertir en capital humano. La IA no reemplaza la necesidad de educación, la hace más urgente. Los trabajadores necesitan no sólo habilidades técnicas sino también capacidad de adaptación: la habilidad de aprender continuamente, colaborar con sistemas de IA y aplicar juicio humano donde las máquinas se quedan cortas.
Finalmente, los países emergentes deben recordar que no están en esta carrera solos. Como argumenta Rajan, el mundo puede beneficiarse de diferentes enfoques regulatorios.[4] Las innovaciones que emergen de experimentos estadounidenses pueden eventualmente adoptar salvaguardas desarrolladas en Europa.
De manera similar, las soluciones creativas desarrolladas en economías emergentes —ya sea servicios financieros inclusivos en India o aplicaciones de agricultura de precisión en África— pueden eventualmente fluir de vuelta a mercados ricos.
La brecha digital dará origen a la brecha en IA, la gráfica siguiente da cuenta de que acceso a banda ancha no implica que tal acceso este correlacionado con el uso de la IA. Por ejemplo, el uso de Internet en México se ubica en el rango de mayor o igual a 80% mientras la difusión de IA es entre 10 y 19%. Una nueva brecha está surgiendo, lo que puede profundizar las brechas de ingreso entre economías:
Fuente: Measuring digital development: Global Connectivity Report 2025.
Fuente: https://www.microsoft.com/en-us/research/group/aiei/ai-diffusion/.
Conclusión: optimismo vigilante
El entusiasmo que Michael Spence encontró en Kazajistán no está fuera de lugar. Las economías emergentes tienen razones reales para estar optimistas sobre la IA, no porque ignoren los riesgos sino porque entienden las oportunidades.
A diferencia de revoluciones tecnológicas pasadas —electrificación, combustión interna, Internet— que requirieron infraestructura física masiva y décadas de despliegue, las herramientas de IA están disponibles de inmediato para cualquiera con una conexión a Internet. Los costos están cayendo rápidamente. Los modelos de código abierto están proliferando. El campo de juego, aunque no perfectamente nivelado, es más accesible de lo que ha sido para cualquier tecnología transformadora en la historia moderna.
Pero el optimismo debe estar templado por el realismo. Los beneficios de la IA no se materializarán automáticamente. Requieren inversiones deliberadas en infraestructura, educación y capacidades institucionales. Requieren un entorno regulatorio que equilibre la innovación con la protección sin caer en la trampa de la parálisis regulatoria.
Sobre todo, requieren reconocer que esta revolución ya está en marcha. La pregunta no es si la IA transformará las economías emergentes, sino si estas economías se posicionarán para aprovechar la transformación.
Aquellos que actúen decisivamente —estableciendo bases, empoderando a experimentadores y resistiendo el impulso de sobreproteger— pueden encontrarse no sólo alcanzando a economías avanzadas sino en algunos dominios dejándolas atrás.
La historia recordará los próximos diez años como el momento en que se decidió el destino económico del siglo XXI. Las economías emergentes que entiendan esto, y actúen en consecuencia, pueden escribir un capítulo muy diferente de lo que muchos predicen. No uno de ampliación de brechas digitales sino de convergencia acelerada. No de pérdida de empleos sino de nuevas oportunidades. No de dependencia perpetua sino de cambio tecnológico transversal que saque a los países de la trampa de crecer a menos del 1% anual.
El excedente de 97 mil millones de dólares que los usuarios estadounidenses obtuvieron de la IA en 2024 es sólo el comienzo.[2] Para las economías emergentes con poblaciones mucho más grandes y necesidades mucho más grandes, el potencial es de magnitud mayor. La pregunta es si tendrán el disposición política de alcanzarlo.
Referencias
[1] Spence, Michael. “Why Emerging Economies Are Embracing AI”. Project Syndicate, 10 de noviembre de 2025. https://www.project-syndicate.org/commentary/emerging-economies-can-use-ai-to-advance-social-economic-goals-by-michael-spence-2025-11
[2] Collis, Avinash y Erik Brynjolfsson. “AI’s Overlooked $97 Billion Contribution to the Economy”. The Wall Street Journal, 3 de agosto de 2025.
[3] Aghion, Philippe, Simon Bunel y Xavier Jaravel. “What AI Means for Growth and Jobs”. Project Syndicate, 28 de octubre de 2025. https://www.project-syndicate.org/commentary/ai-impact-on-productivity-growth-employment-by-philippe-aghion-simon-bunel-and-xavier-jaravel-2025-10
[4] Rajan, Raghuram G. “The Tradeoffs of AI Regulation”. Project Syndicate, 26 de agosto de 2025. https://www.project-syndicate.org/commentary/ai-regulation-innovation-tradeoff-us-versus-europe-by-raghuram-g-rajan-2025-08
[5] Coyle, Diane. “Measuring AI’s Economic Impact”. Project Syndicate, 21 de octubre de 2025. https://www.project-syndicate.org/commentary/measuring-ai-economic-impact-gdp-alternatives-by-diane-coyle-2025-10
[6] Rosenthal, Jonathan y Neal Zuckerman. “AI Destroys the Old Learning Curve”. The Wall Street Journal, 22 de octubre de 2025.
[7] Barak, Boaz. “Thoughts by a non-economist on AI and economics”. Windows On Theory, 4 de noviembre de 2025. https://windowsontheory.org/2025/11/04/thoughts-by-a-non-economist-on-ai-and-economics. [Incluye referencia al trabajo de METR: Kwa, Kelvin y West, Peter, et al. sobre medición de la capacidad de IA para completar tareas largas]
[8] Call, Matthew. “Why AI Will Widen the Gap Between Superstars and Everybody Else”. The Wall Street Journal, 12 de octubre de 2025.
[9] Mahroum, Sami. “Will AI Kill the Firm?”. Project Syndicate, 31 de octubre de 2025. https://www.project-syndicate.org/onpoint/will-ai-kill-the-firm-by-sami-mahroum-2025-10
[10] Andrews, Isaiah y Maryam Farboodi. “What Does the Market Really Think About AI?”. Project Syndicate, 21 de octubre de 2025. https://www.project-syndicate.org/commentary/bond-market-signals-about-ai-economic-impact-by-isaiah-andrews-and-maryam-farboodi-2025-10