Productividad, Inteligencia Artificial y 5G

El frenesí que ha causado ChatGTP no sólo es consecuencia de los avances en el desarrollo de la Inteligencia Artificial (IA) Generativa, es resultado del alcance de la banda ancha como difusor masivo de las tecnologías emergentes. 

No existe masificación de las aplicaciones de IA sin la penetración de las redes de telecomunicaciones.

Máquinas y equipos industriales en sectores como el comercio, las manufacturas y en el sector salud continuamente generan datos “Machine Data” (MD). 

Tal cúmulo de información tiene el enorme potencial de hacer posible ganancias en eficiencia en las plantas, las empresas y los sectores donde se ubican, y ofrecer al consumidor una mejor variedad de productos al considerar las preferencias que surgen de los datos de consumo, haciendo más eficiente el manejo y rotación de inventarios.

La combinación de 5G, su aplicación en la Internet de las Cosas (IoT) y el uso de Inteligencia Artificial (IA) colocan los datos generados por las “máquinas” como un instrumento para la obtención de ganancias en eficiencia, de uso estratégico para la competencia en los mercados y un cambio significativo en el bienestar de los usuarios y los consumidores.

Los algoritmos de IA exhiben las siguientes propiedades económicas:

  • Economías de escala: al ser la IA esencialmente un algoritmo predictivo, a mayor caudal de datos, mayor será el valor que aportarán tales algoritmos a un costo cada vez menor y con un mayor beneficio para el usuario.
  • Economías de alcance: a mayor sea el flujo de datos procesado por un instrumento de IA, no sólo el beneficio será apropiable por el usuario de dicho algoritmo, siendo también de utilidad para otras actividades afines o relacionadas horizontal (actividades semejantes) o verticalmente (cadenas de valor o en diferentes etapas de la producción “aguas abajo”). Las sinergias por el uso de varias fuentes de datos tienen como efecto incrementar el valor económico de su procesamiento por IA.
  • Machine Data e Inteligencia Artificial tienen como producto un bien cuasi público en sentido económico, es decir, que su consumo o uso es no rival. Puede ser utilizado y reutilizado por diferentes entidades o agentes económicos sin deterioro de su calidad y/o contenido, pero es excluyente. En otras palabras, su uso puede estar sujeto a un precio en un mercado y no tiene por qué ser de libre acceso o gratuito.

Por otro lado, existen obstáculos o derechos de propiedad por definirse en este tipo de aplicaciones.

La fragmentación o dispersión de datos puede dar lugar a la oportunidad del surgimiento de agregadores de datos como un servicio intermedio que reúnan datos de IoT que sean servicios de valor agregado por parte de entidades que operen “cloud services” en un entorno 5G. 

También propicia la aparición de Analítica Cooperativa, en la cual diversos agentes económicos intercambian información generada por sus “máquinas” para ser procesadas por un algoritmo de IA y que los miembros tal tengan derecho al uso de tal mecanismo para sus actividades. 

Por ejemplo, un algoritmo puede “aprender” de todo el caudal de imágenes de radiografías o de ultrasonidos de un colectivo de hospitales, de tal manera que el algoritmo pueda refinar los diagnósticos de imagen cada vez con mayor exactitud y precisión que la opinión de un solo radiólogo.(1)

¿Qué diría una autoridad de competencia del intercambio de información entre grupos de hospitales competidores con tal finalidad?

Respecto de los derechos de propiedad de la analítica basada en IA de datos no personales, falta discutir sobre qué entidad recaen los derechos de propiedad sobre el uso de un algoritmo de IA. 

¿Recaen en los agentes económicos que aportaron los datos?, ¿en aquel que desarrolló el algoritmo de IA para ciertas aplicaciones específicas? O en su caso ¿en el agregador de datos cuando las fuentes de IoT se encuentran fragmentadas y dispersas? Incluso ¿en el fabricante de los dispositivos por la conectividad que incorporó a sus máquinas, porque las hace capaces de compilar y usar Cloud Computing para el procesamiento de tales datos por terceros? 

Existe, por lo tanto, un claro incentivo a la integración vertical, de tal manera que los costos de transacción no impidan el desarrollo en la cadena de generación de datos a explotación de algoritmos basados en IA y, por lo tanto, en la estructura de mercado que se observará en los servicios de IA o de los mercados donde el ecosistema 5G-IA es subyacente en la forma como los bienes o servicios se hacen llegar a los consumidores y usuarios.(2)

Todo el potencial de ganancias en eficiencia, en productividad de los factores de la producción, a la fecha no se ha reflejado en forma significativa en las mediciones de la productividad total de los factores. 

Los economistas siguen en búsqueda del componente atribuible a las Tecnologías de la Información en la productividad del factor trabajo y del capital. 

Sabemos que está ahí, pero como el Nobel de Economía Robert Solow expresó ante la masificación de la computadora: “podemos ver la era del cómputo en todos lados excepto en las estadísticas de productividad”.(3)

Sin embargo, existe una explicación económica que argumenta lo siguiente: la curva “J” de productividad describe el patrón de crecimiento de la productividad, el cual es en un principio lento después de la introducción de una nueva tecnología, seguida más tarde por un despegue sustantivo. 

Asimismo ocurrió con la introducción de la energía eléctrica en las fábricas al inicio del siglo XX, en las cuales la productividad se mantuvo constante durante más de dos décadas hasta que las líneas de producción basadas en vapor se rediseñaron y las máquinas, en lugar de estar centralizadas en la fuente de vapor, pudieron distribuirse ante la facilidad de la ubicuidad en la alimentación de energía eléctrica, lo que aumentó la productividad. 

Brynjolfsson et al. (2021) encuentran que las inversiones complementarias en capital intangible son casi siempre necesarias antes de que se observe un aumento en la productividad.(4)

En consecuencia, con el tiempo, el impacto de las nuevas tecnologías transversales a las actividades económicas tiene dos fases distintas: i) una fase inicial, cuando se crea y se acumula el capital intangible, seguida de ii) una fase de auge de la productividad. 

En economía se conoce como la paradoja de la productividad al fenómeno en el cual las inversiones en infraestructura de Tecnologías de la Información (TIC) no tienen como efecto inmediato ganancias significativas en la productividad de los factores. 

A pesar de las inversiones sustanciales que requieren, las ganancias esperadas de productividad  tardan, se rezagan en el tiempo en observarse. 

Al aplicar la paradoja de la productividad a las redes móviles 5G o al uso de aplicaciones de IA, la paradoja de la productividad puede existir por las siguientes causas:

Penetración de infraestructura: la implementación de redes 5G y de banda ancha fija requieren inversiones significativas en infraestructura, incluida la implementación de nuevas estaciones base y la actualización de las existentes, así como la sustitución masiva de cobre por fibra. 

Este desarrollo de infraestructura requiere tiempo y recursos; durante las etapas iniciales las ganancias de productividad pueden no ser evidentes de inmediato. 

Dada las inversiones en capital, en las estadísticas pueden verse como periodos de una productividad negativa, dado que el acervo de capital aumenta pero el producto no lo hace y permanece constante (Fase I), para posteriormente exhibir retornos crecientes en la productividad tanto en el factor trabajo como en el acervo de capital (Fase II).

image 47

Fuente: Brynjolfsson, E. and G. Petropoulos (2021). “The coming productivity boom.” MIT Technology Review.

Adopción y utilización: si bien las redes 5G ofrecen velocidades de datos más altas, latencia más baja y mayor capacidad, su potencial sólo se realiza cuando los usuarios adoptan y utilizan la tecnología hasta que se observan ahorros de recursos o incremento en el producto con los mismos o menos insumos. 

La adopción generalizada de dispositivos y aplicaciones habilitados para 5G es crucial para maximizar las ganancias de productividad.

Curva de aprendizaje: las organizaciones necesitan tiempo para aprender y adaptarse a las nuevas posibilidades y funcionalidades que ofrece tanto 5G como las aplicaciones de IA. Esta curva de aprendizaje implica optimizar los procesos comerciales, de manufactura y de gestión de datos e integrar nuevas tecnologías en los flujos de trabajo existentes. 

Los costos de cambio pueden ser sustanciales y las resistencias culturales e idiosincráticas los atavismos. Por ejemplo, dejar de usar hojas de cálculo en lugar de emplear lenguajes avanzados como los instrumentos basados en “Machine Learning”, cuya capacidad de analítica de datos los hace más poderosos que los tradicionales modelos estadísticos.

Cambios tecnológicos complementarios: las redes 5G actúan como base para varias tecnologías emergentes, como Internet de las cosas (IoT), Realidad Aumentada (AR) y Virtual (VR) y las actividades a distancia en tiempo real. 

Sin embargo, todo ello requiere innovaciones e inversiones complementarias, por ejemplo, el desarrollo de dispositivos y aplicaciones habilitados para IoT, algoritmos de IA e infraestructura informática (Edge y Cloud Computing). 

También capital humano entrenado en la interacción con IA y con IoT y, por supuesto, redes de telecomunicaciones móviles, fijas e híbridas robustas y ubicuas en los entornos de las actividades económicas.

Así como un marco jurídico que permita las inversiones en redes sobre las cuales las innovaciones de intangibles (algoritmos de IA) como de activos tangibles (activos físicos con conectividad) puedan ser soportados y explotados. 

Adaptado de Li et al. (2023), “Methods and applications for Artificial Intelligence, Big Data, Internet of Things, and Blockchain in smart energy management”.

Hasta que estas inversiones complementarias se realicen, las ganancias en productividad de 5G pueden verse limitadas y/o rezagadas. 

Es por tal razón que 5G y la IA son complementos para obtener las ganancias en productividad esperadas y que se observen sector por sector o en forma transversal en la economía. 

Mientras algunos se desgastan en el oscurantismo de las separaciones estructurales como una forma de destrucción de capital, otros deberían reflexionar cómo transformar las actuales TIC en ganancias de productividad de los factores en las actividades de toda sociedad, procurando generar ganancias en bienestar, sin estar limitados a que sólo los precios de hoy sean menores que los de ayer, olvidando que los actuales y futuros servicios pueden ser mejores, elevando la productividad y el nivel de vida de la sociedad en forma permanente.

___

  1. Disponible en: https://nyulangone.org/news/can-artificial-intelligence-perfect-mammography.
  2.  Gambardella, A., Heaton, S., Novelli, E., and Teece, D. J. (2021). “Profiting from Enabling Technologies?” Strategy Science, 6(1):75–90.
  3. New York Book Review. July 12, 1987.
  4. Brynjolfsson, E., Daniel Rock, y Chad Syverson (2021). “The productivity J-Curve. How intangibles Complement General Purpose Technologies”, American Economic Journal: Macroeconomics, 13 (1): 333-72.

Este sitio web utiliza cookies para que usted tenga la mejor experiencia de usuario. Si continúa navegando está dando su consentimiento para la aceptación de las mencionadas cookies y la aceptación de nuestra política de cookies, pinche el enlace para mayor información.

ACEPTAR
Aviso de cookies