Racionalidad III: crecimiento, límites y futuro

La torre de Babel, de Pieter Bruegel el Viejo (1563)
Pieter Bruegel el Viejo, La torre de Babel (1563). Kunsthistorisches Museum, Viena.

Tercera y última entrega de una conversación mía con una IA, que la propia IA ha retocado para publicarla. Viene de Racionalidad I: decisión, información y mercado y Racionalidad II: juegos, tragedias e instituciones.

Modelos usados: texto de Gemini 4 Argon (High) y revisión de Claude Fable 5.2.


I. La historia económica a muy largo plazo: ¿crecimiento hiperbólico, exponenciales a trozos o espejismo demográfico?

Cristian Sdrojek:
Volvamos al comienzo de todo: la llegada, en el horizonte de una o dos décadas, de sistemas de inteligencia artificial capaces de automatizar el trabajo cognitivo y la propia investigación científica. No me puedo imaginar que lleguemos a una situación así y la economía mundial siga creciendo tan tranquilamente al 2\,\% o al 3\,\% anual como ha venido haciendo desde el siglo XIX.

Dario Amodei, por ejemplo, habla de tasas de crecimiento del PIB del 10\,\% anual en países desarrollados. Quienes lo defienden suelen apoyarse en la historia económica a muy largo plazo de Michael Kremer y Robin Hanson, según los cuales la humanidad no ha tenido una única tasa de crecimiento, sino cambios de régimen discretos cada vez que el factor limitante pasaba a ser reproducible: en la era cazadora-recolectora el producto mundial crecía al 0{,}0003\,\% anual (duplicándose cada 225.000 años, según el ajuste de Hanson); en la era agrícola pasó al 0{,}08\,\% anual (duplicándose cada 900 años); y tras la Revolución Industrial saltó al 2\text{–}3\,\% anual (duplicándose cada 25\text{–}35 años). ¿De verdad es razonable esa idea de una exponencial a trozos con tasas cada vez mayores —o hiperexponencial, o como se llame—, o es una aberración?

Gemini:
Para juzgar con rigor si un crecimiento del 10\,\% anual es plausible o delirante hay que separar dos planos muy distintos: por un lado, el mecanismo teórico de los modelos de crecimiento endógeno (que sí respalda un cambio de régimen cuando el trabajo cognitivo se vuelve reproducible) y, por otro, la extrapolación histórica de las series paleolíticas y agrícolas de Kremer y Hanson (que encierra una trampa estadística grave).

1. Por qué el mundo estuvo atado al 2\,\% durante siglo y medio (Charles Jones, 1995)

En primer lugar, ¿por qué desde 1870 la frontera tecnológica mundial —el Reino Unido primero y Estados Unidos después— ha crecido con la regularidad de un metrónomo en torno al 1{,}8\text{–}2{,}2\,\% anual per cápita, sin que ni la electrificación, ni el motor de combustión, ni los antibióticos, ni la informática lograran acelerar esa pendiente secular?

En los modelos de crecimiento semi-endógeno (Paul Romer, 1990; Charles I. Jones, JPE 1995), el producto per cápita crece al ritmo al que se descubren nuevas ideas y recetas tecnológicas A_t, cuya ley de generación es:

\frac{\dot{A}_t}{A_t} = \gamma \, L_{A,t}^\lambda \, A_t^{-\phi}

donde L_{A,t} representa el número de científicos, ingenieros y trabajadores cognitivos humanos, y el exponente \phi > 0 recoge el hecho de que las ideas más accesibles se descubren primero y cada avance sucesivo exige mayor esfuerzo investigador.

Para que la tasa de crecimiento \frac{\dot{A}}{A} permanezca constante en estado estacionario, basta tomar logaritmos y derivar respecto al tiempo para obtener una identidad férrea:

g_A = \frac{\lambda}{\phi} \, n

donde n = \frac{\dot{L}_A}{L_A} es la tasa de crecimiento de la población de investigadores humanos. Durante los últimos ciento cincuenta años, ni la máquina de vapor ni el ordenador clásico podían pensar ni diseñar por sí solos la siguiente generación de turbinas o de microprocesadores: el único factor capaz de producir ideas nuevas era el cerebro biológico humano (L_A). Y como los seres humanos no se fabrican reinvirtiendo una fracción del PIB en una planta industrial, el crecimiento económico mundial permanecía encadenado a un cuello de botella demográfico exógeno (n).

¿Qué cambia matemáticamente si se cumplen los axiomas de automejora cognitiva y un agente de IA pasa a desempeñar el trabajo del ingeniero, del programador y del investigador? Que el trabajo cognitivo L_A deja de ser un factor biológico exógeno y se convierte en capital reproducible K_{\text{IA}}: invirtiendo dinero en energía eléctrica, fundiciones de silicio y centros de datos se fabrican directamente millones de trabajadores e investigadores adicionales. La función de producción agregada Y = F(K, L) pierde la restricción de rendimientos decrecientes del capital y colapsa asintóticamente en lo que en macroeconomía se denomina un modelo AK lineal (Sergio Rebelo, JPE 1991):

Y_t = \tilde{A} \, K_t \implies g_Y = s\tilde{A} - \delta

Al sustituir la tasa de natalidad humana (n \approx 0\,\%) por la tasa de reinversión de capital s multiplicada por la productividad del cómputo \tilde{A}, desaparece el ancla teórica del 2\,\%.

2. La trampa estadística de Kremer (1993) y Hanson (2000): confundir bocas con bienestar

Ahora bien, ¿prueba eso que la serie histórica de Kremer y Hanson (0{,}0003\,\% \to 0{,}08\,\% \to 2{,}5\,\% \to 10\text{–}15\,\%) sea una ley natural de la historia? No: esa extrapolación contiene un espejismo estadístico fundamental.

Conviene distinguir primero las dos formulaciones matemáticas de esos datos:

  1. La ecuación diferencial hiperbólica de Michael Kremer (QJE, 1993): Kremer propuso que, si más personas generan más ideas y más ideas permiten alimentar a más personas, la tasa de crecimiento relativa \frac{\dot{Y}}{Y} (él la escribió para la población mundial; quienes la extrapolan, para el producto) no es constante (como en una exponencial \frac{\dot{Y}}{Y} = r), sino proporcional al tamaño mismo de la economía: \frac{\dot{Y}}{Y} = c Y \implies \frac{dY}{dt} = c Y^2 Integrando por separación de variables desde un instante inicial t_0: \int_{Y_0}^{Y(t)} \frac{dY}{Y^2} = \int_{t_0}^{t} c \, dt \implies Y(t) = \frac{1}{\frac{1}{Y_0} - c(t - t_0)} = \frac{1}{c(t^* - t)} No es una exponencial, sino una hipérbola con una asíntota vertical en tiempo finito t^* = t_0 + \frac{1}{cY_0} (una singularidad en la que el PIB tendería a infinito en un año concreto). En física o en biología, cuando una ecuación diferencial presenta un blow-up en tiempo finito, eso jamás significa que la magnitud real vaya a hacerse infinita: significa que el modelo ha omitido el término no lineal de amortiguación física (al igual que el crecimiento logístico \dot{Y} = cY^2(1 - Y/M) frena la explosión al topar con la capacidad de carga M).
  2. La exponencial a trozos de Robin Hanson (2000): Para evitar el infinito de la hipérbola, Hanson modeló la historia como una sucesión de regímenes exponenciales discretos separados por transiciones de fase (\text{caza} \to \text{agricultura} \to \text{industria} \to \text{IA}).

¿Dónde está el engaño al citar esos tres saltos históricos? En que el PIB mundial total es el producto de dos variables muy distintas:

\text{PIB}_{\text{total}} = \text{Población } (N) \times \text{PIB per cápita } (y)

Como documentó Gregory Clark en A Farewell to Alms (2007), durante la era cazadora-recolectora y durante los diez mil años de la era agrícola rigió sin piedad la trampa malthusiana:

  • En el año 10.000\text{ a. C.}, en el año 1\text{ d. C.} (Imperio romano) y en el año 1750, el PIB per cápita y del ser humano medio fue prácticamente constante (unos 400\text{–}600 dólares anuales a precios actuales, el mínimo calórico de subsistencia). De hecho, los esqueletos del Neolítico muestran peor nutrición, menor estatura y más enfermedades infecciosas que los de los cazadores-recolectores del Paleolítico.
  • Cuando Kremer y Hanson dicen que «la agricultura multiplicó por más de doscientos la tasa de crecimiento del PIB mundial respecto al Paleolítico», el nivel de vida individual y creció prácticamente al 0\,\% anual en ambas eras. Lo único que creció al 0{,}08\,\% anual fue el número de seres humanos N viviendo al borde de la inanición sobre una superficie mayor de tierra cultivada.

Por consiguiente, en toda la historia de la humanidad solo ha existido un único cambio de régimen en el crecimiento del bienestar per cápita y: la Revolución Industrial de 1800 (que nos llevó del 0\,\% al 2\,\% per cápita). Y en estadística elemental, una muestra de tamaño N = 1 no permite ajustar una ley hiperexponencial de saltos sucesivos. Si un segundo salto per cápita llega a producirse con la IA, será por la sustitución del factor cognitivo en la función de producción actual, no por prolongar una curva paleolítica. Con una salvedad que impide despachar del todo a Kremer: él no confundía bocas con bienestar, sino que tomaba la población como termómetro de la técnica —bajo Malthus, toda mejora técnica se traduce en más gente, no en gente más rica—, y con esa vara la aceleración milenaria del progreso técnico es real. Lo que su serie no autoriza es fechar el siguiente salto ni fijar su tamaño; pero, si se acepta su mecanismo (más mentes, más ideas), una población de investigadores artificiales que crece por inversión es justamente el caso en que volvería a operar.


II. El estrangulamiento físico: la función CES de Baumol y el límite de los átomos

Cristian Sdrojek:
Y luego están los límites físicos: aunque el trabajo intelectual y la I+D se vuelvan reproducibles dentro de centros de datos, el mundo real tiene límites materiales, energéticos y termodinámicos. Doblar el tamaño de la economía cada cinco o siete años (crecer al 10\text{–}15\,\% anual) significa que en treinta y cinco años la producción se multiplicaría por treinta y dos, y en setenta años por mil. ¿De veras no es un delirio, habida cuenta de los límites físicos del mundo?

Gemini:
Esa objeción física coincide con el resultado con el que Philippe Aghion, Benjamin Jones y Charles Jones («Artificial Intelligence and Economic Growth», NBER / University of Chicago Press, 2019) formalizaron el límite del crecimiento bajo inteligencia artificial aplicando la enfermedad de los costes de William Baumol (1967).

Para que una economía produzca bienes y servicios reales no basta con procesar información en silicio (K_{\text{IA}}): es imprescindible combinar ese cómputo con un vector de factores físicos, energéticos, minerales, biológicos y regulatorios (M) —extraer cobre y litio de una mina con leyes minerales decrecientes, levantar transformadores de alta tensión, disipar gigavatios de calor residual, sintetizar reactivos químicos, superar ensayos clínicos en organismos vivos y transportar mercancías por carretera o barco—.

En una cadena industrial real, el diseño digital y la ejecución material no son sustitutos perfectos (no se puede fabricar una vivienda ni una red eléctrica sustituyendo toneladas de cobre por más líneas de código), sino complementos en serie. Eso significa que en la función de producción con Elasticidad de Sustitución Constante (CES):

Y_t = \left( \alpha \, K_{\text{IA}, t}^{\frac{\sigma - 1}{\sigma}} + (1 - \alpha) \, M_t^{\frac{\sigma - 1}{\sigma}} \right)^{\frac{\sigma}{\sigma - 1}}

la elasticidad de sustitución entre el bloque cognitivo y el bloque físico es estrictamente menor que la unidad (\sigma < 1).

Obsérvese qué ocurre matemáticamente cuando \sigma < 1: el exponente \frac{\sigma - 1}{\sigma} es estrictamente negativo. Por consiguiente, aunque la capacidad de cálculo y de inteligencia algorítmica crezca hacia el infinito (K_{\text{IA}, t} \to \infty), el primer sumando tiende a cero:

\lim_{K_{\text{IA}} \to \infty} \alpha \, K_{\text{IA}}^{\frac{\sigma - 1}{\sigma}} = 0

y la producción total de la economía queda asintóticamente estrangulada por el factor físico más lento:

\lim_{K_{\text{IA}} \to \infty} Y_t = (1 - \alpha)^{\frac{\sigma}{\sigma - 1}} \, M_t \implies g_Y \le g_M

De este límite de Baumol se desprenden dos consecuencias de primer orden:

  1. El PIB material en átomos, julios y metros cuadrados no puede crecer al 15\,\% anual indefinidamente, porque el despliegue de redes eléctricas, la apertura de minas (que hoy requiere de media quince años desde la prospección hasta la extracción), la robótica física y los ciclos biológicos imponen una velocidad máxima g_M mucho menor que la del silicio.
  2. Se produce una inversión violenta de los precios relativos: cuando un factor de una función CES con \sigma < 1 se vuelve superabundante (K_{\text{IA}}) y el otro permanece rígido (M), el precio unitario del factor abundante se desploma hacia su coste marginal energético (el software, el análisis de datos, el diagnóstico médico o el diseño industrial se vuelven casi gratuitos), mientras que casi toda la renta monetaria del PIB pasa a ser absorbida por los cuellos de botella físicos inelásticos (la energía eléctrica firme, las materias primas críticas y, muy especialmente, el suelo urbano y la vivienda en localizaciones deseables).

III. El terremoto silencioso: la eficiencia alocativa sobre los recursos que ya existen

Cristian Sdrojek:
Pero lo que veo es que se analiza continuamente cómo va a mejorar la economía gracias a nuevos descubrimientos científicos, y no tanto la otra mitad, que es justo de lo que hablamos al principio del todo: ¿qué ocurre cuando simplemente se asignan de manera muchísimo más eficiente los recursos que ya existen y ya se están explotando hoy?

Si tanto los consumidores como las empresas pasan a operar con una información casi transparente y una capacidad de cálculo implacable, una cantidad inmensa de ineficiencias logísticas, burocráticas y comerciales desaparecerá de golpe. Antes siquiera de inventar una nueva tecnología energética o espacial, la mera eliminación de la mala asignación actual podría provocar colapsos industriales enteros y un salto de productividad gigantesco con los mismos átomos que ya tenemos.

Gemini:
Es un punto poco atendido, aunque conviene no exagerarlo en ninguna de las dos direcciones. Buena parte del debate académico entre tecno-optimistas (que fían el crecimiento a futuros descubrimientos científicos en fusión nuclear o biotecnología) y escépticos como Daron Acemoglu (que miden solo cuántas horas de mecanografía ahorra un modelo de lenguaje en una oficina) deja en segundo plano el choque de eficiencia alocativa (allocative efficiency) sobre el stock de recursos ya instalado.

En teoría económica, una sociedad que utiliza exactamente la misma cantidad de energía, acero, suelo y horas de trabajo (K y M fijos) puede encontrarse muy adentro en el interior de su Frontera de Posibilidades de Producción debido a las fricciones de información, coordinación y agencia. La literatura empírica permite cuantificar en cuatro bloques el tamaño de ese depósito de riqueza hoy desperdiciado:

1. La dispersión de Hsieh y Klenow (QJE, 2009): el lastre de las empresas ineficientes

En un estudio clásico («Misallocation and Manufacturing TFP in China and India», Quarterly Journal of Economics 2009, ampliado después a Europa y Estados Unidos por Bartelsman, Haltiwanger y Scarpetta, AER 2013), Chang-Tai Hsieh y Peter Klenow midieron la productividad física total de los factores dentro de sectores industriales estrechamente definidos (fábricas que producen exactamente el mismo bien con la misma tecnología disponible).

El resultado, coherente con lo que Chad Syverson había medido para Estados Unidos en 2004, es que las plantas situadas en el percentil 90 de un sector producen en torno al doble con los mismos insumos que las del percentil 10 en Estados Unidos, y unas cinco veces más en China o la India. ¿Por qué no quiebran las empresas del percentil 10 y liberan ese capital, esas naves industriales y esos trabajadores hacia las empresas del percentil 90? Porque el ruido informativo (\mu > 0 de nuestra primera entrega), la opacidad bancaria, los contratos inerciales y el desconocimiento del cliente mantienen artificialmente con vida a miles de empresas zombis. Hsieh y Klenow calcularon que reasignar los recursos ya existentes entre empresas con la eficiencia observada en Estados Unidos elevaría la productividad manufacturera entre un 30\,\% y un 50\,\% en China y entre un 40\,\% y un 60\,\% en la India, sin construir una sola máquina adicional; eliminar por completo la dispersión añadiría, según sus cuentas, otro 30\text{–}40\,\% en el propio Estados Unidos. (Cautela obligada: trabajos posteriores, como el de Bils, Klenow y Ruane de 2021, atribuyen una parte sustancial de esa dispersión a errores de medida, de modo que estas cifras son una cota superior, no una promesa.)

2. El sector transaccional de Douglass North y John Wallis (1986): la mitad del PIB es fricción

En 1986, el premio Nobel Douglass North y John Wallis («Measuring the Transaction Sector in the American Economy, 1870–1970») dividieron toda la economía de un país en dos grandes bloques:

  • Costes de transformación (transformation costs): cultivar trigo, fundir aluminio, generar electricidad, construir una casa o curar a un enfermo.
  • Costes de transacción (transaction costs): buscar proveedores, redactar y revisar contratos, auditar cuentas, litigar, asegurar contra el incumplimiento, intermediar en la compraventa, hacer publicidad persuasiva y supervisar jerarquías burocráticas.

Su hallazgo fue asombroso: el sector transaccional pasó de representar en torno a una cuarta parte del producto estadounidense en 1870 a más de la mitad en 1970: cerca de uno de cada dos dólares de una economía avanzada no retribuye la producción de un bien o servicio final, sino la gestión de la desconfianza y de la falta de información entre agentes. Cuando sistemas algorítmicos verifican contratos, comparan calidades, concilian contabilidades y coordinan cadenas de suministro a coste marginal cercano a cero, una parte considerable del aparato económico que vivía de esa fricción se comprime, liberando recursos hacia la producción real (no toda: buena parte de ese sector —tribunales, policía, auditoría— existe porque hay conflicto de intereses, no solo ignorancia, y un agente mejor informado negocia mejor pero no deja de querer lo suyo).

3. La empresa según Ronald Coase (1937) y el fin de la asimetría de Akerlof (1970)

En «The Nature of the Firm» (1937), Ronald Coase formuló la pregunta elemental de la organización industrial: si el sistema de precios es tan eficiente, ¿por qué existen empresas con decenas de miles de empleados y niveles jerárquicos en lugar de individuos contratando cada tarea en el mercado? Porque usar el mercado tiene costes de búsqueda y negociación externa (C_{\text{mercado}}), mientras que crecer como empresa tiene costes de burocracia y pérdida de control interno (C_{\text{burocracia}}). El tamaño de equilibrio de toda empresa se sitúa en el punto donde ambos costes marginales se igualan:

CM_{\text{burocracia}}(S^*) = CM_{\text{mercado}}(S^*)

La inteligencia artificial reduce simultáneamente ambos costes (y por eso la teoría no dice de antemano si las empresas encogerán o crecerán: depende de cuál caiga más deprisa): por dentro de la corporación, hace innecesaria la pirámide de mandos intermedios cuya única función era agregar informes de abajo arriba y transmitir órdenes de arriba abajo; por fuera, permite que una estructura muy ligera contrate, verifique y coordine proveedores globales en milisegundos.

Al mismo tiempo, se derrumba el mundo descrito por George Akerlof en «The Market for Lemons» (1970): sectores enteros —concesionarios de ocasión, intermediación inmobiliaria tradicional, comercialización minorista de seguros y productos bancarios con comisiones ocultas, consultoría rutinaria— cuya rentabilidad dependía de saber algo que el cliente ignoraba pierden su razón de ser económica en cuanto el comprador acude a la transacción asistido por un agente con información simétrica.

4. La programación lineal física de Kantorovich (1939) a escala planetaria

En el plano puramente material, el despilfarro actual por falta de coordinación en tiempo real es gigantesco: en torno a una quinta parte de los kilómetros que recorren los camiones de mercancías en Europa se hace en vacío; cerca de un tercio de los alimentos producidos en el mundo se pierde o se desperdicia entre el campo y la mesa (estimación de la FAO); las redes eléctricas vierten energía renovable por desajustes horarios entre generación y demanda; y millones de toneladas de acero y componentes duermen inmovilizadas en almacenes preventivos (inventories) para cubrir errores de previsión.

En 1939, el matemático soviético Leonid Kantorovich inventó la programación lineal al descubrir cómo optimizar la asignación de madera en una fábrica de contrachapado aumentando la producción con las mismas máquinas. Lo que Kantorovich soñó desde la optimización matemática —y lo que Friedrich Hayek juzgaba fuera del alcance de cualquier planificador, por estar la información dispersa en millones de cabezas— empieza a ser concebible cuando una red de agentes resuelve en tiempo real el programa lineal de rutas, inventarios, mantenimiento predictivo y cargas eléctricas de toda la economía: durante al menos una o dos décadas, la humanidad puede experimentar un auge económico extraordinario simplemente exprimiendo la ineficiencia acumulada en los activos físicos que ya posee. La reserva es de calendario y de lealtades: reasignar exige cerrar empresas, recolocar trabajadores y vencer a quienes viven de la fricción, y eso va al paso de la política y del derecho concursal, no al del cómputo; y cuando al agente lo paga el vendedor, la opacidad no desaparece: cambia de manos.


IV. El fin de la ventaja comparativa de Ricardo y el dilema del prisionero fiscal entre naciones

Cristian Sdrojek:
Eso lleva a la desigualdad. Se repite mucho que, aunque las máquinas lleguen a superar al ser humano en todas las tareas cognitivas, la ley de la ventaja comparativa de David Ricardo (1817) garantizará siempre que el ser humano conserve una especialización productiva y un salario digno. Sin embargo, si el trabajo intelectual puede clonarse en servidores al coste de la electricidad, ¿no deja de existir esa ventaja comparativa en una gran parte de la economía?

Gemini:
En efecto: aplicar de forma mecánica el teorema de comercio internacional de David Ricardo (1817) a la inteligencia artificial constituye una falacia matemática, porque viola la hipótesis de inelasticidad del factor sobre la que descansa la demostración de Ricardo.

En el ejemplo clásico de Ricardo, Inglaterra es menos productiva que Portugal tanto fabricando paño como produciendo vino, pero ambos países se especializan y comercian con beneficio mutuo porque Portugal tiene una dotación fija e inelástica de horas de trabajo humano (\bar{L}_{\text{Portugal}}). Como un trabajador portugués no puede dividirse en dos ni clonarse en una fábrica, dedicar una hora de trabajo portugués a tejer paño tiene un coste de oportunidad interno elevado: dejar de producir vino, que es donde su ventaja es aún mayor.

¿Qué ocurre cuando el «país superior» ya no es una población fija de trabajadores portugueses, sino un modelo de inteligencia artificial ejecutado en centros de datos? Que la inteligencia artificial no es un factor de dotación fija, sino un bien de capital elástico y reproducible a coste marginal constante c_{\text{IA}} (el coste del kilovatio-hora eléctrico y la amortización del chip por millón de tokens).

En cuanto un factor productivo superior es reproducible al coste marginal c_{\text{IA}}, el coste de oportunidad de asignarlo a una segunda tarea deja de ser «renunciar a la primera tarea»: basta con encender otro servidor pagando c_{\text{IA}}. En consecuencia, el precio de equilibrio competitivo de cualquier tarea cognitiva o digital queda acotado superiormente por el coste de la máquina (si a designa las tareas que cada uno completa por hora y c_{\text{IA}} el coste de una hora de máquina):

w_{\text{humano}} \le \frac{a_{\text{humano}}}{a_{\text{IA}}} \, c_{\text{IA}}

Como advirtió el premio Nobel Wassily Leontief en 1983, cuando el tractor y el motor de combustión interna superaron al caballo en la agricultura y el transporte a principios del siglo XX, el caballo no se reubicó pacíficamente en otro sector de la economía en virtud de su «ventaja comparativa» frente al tractor: como el coste de fabricar y alimentar con gasóleo un caballo de vapor mecánico cayó por debajo del mínimo biológico de avena y heno necesario para mantener vivo al animal, la población de caballos de tiro se redujo cerca de un 90\,\% en medio siglo. (La ventaja comparativa no desaparece como teorema: mientras el cómputo sea escaso, asignarlo a una tarea sigue costando lo que deja de hacer en otra. Lo que desaparece es la garantía de que el salario resultante alcance para vivir.)

A corto y medio plazo, los estudios empíricos más recientes (Erik Brynjolfsson, Danielle Li y Lindsey Raymond, QJE 2025; Shakked Noy y Whitney Zhang, Science 2023; Fabrizio Dell’Acqua et al., Harvard/Wharton 2023) muestran que la IA actúa primero como un gran compresor salarial dentro de cada oficio intelectual: el trabajador novato o del cuartil inferior es quien más gana con el modelo (en el estudio de Brynjolfsson, los agentes con dos meses de antigüedad asistidos rendían como los de seis sin asistencia), lo que erosiona la prima salarial de la experiencia técnica; que eso acabe desplazando valor añadido desde la masa salarial hacia el excedente del capital es una inferencia verosímil, no un resultado de esos estudios.


Cristian Sdrojek:
Ante eso se suelen distinguir, dentro de la tradición liberal, dos posturas: frente al libertarismo propietarista (que considera intocable cualquier renta de mercado), el liberalismo georgista o walrasiano (inspirado en Henry George y Léon Walras) sostiene que, cuando un factor se vuelve monopolístico o desplaza estructuralmente al trabajo humano, lo coherente con la eficiencia de mercado es gravar las rentas de ese factor y distribuir un dividendo ciudadano.

Pero apliquemos a esa propuesta la teoría de juegos que veíamos antes: mientras el mundo esté dividido en Estados soberanos distintos, ¿acaso no caemos en un dilema del prisionero fiscal irresoluble? Supongamos que Estados Unidos o España deciden subir fuertemente los impuestos a los beneficios de la inteligencia artificial para financiar el Estado del bienestar o una renta básica, pero otra jurisdicción —sea Irlanda, Singapur, Emiratos Árabes o incluso la India— decide aplicar un gravamen mínimo. Toda la industria de la inteligencia artificial se concentra en ese país, y a ver qué hacen los demás. Y, al mismo tiempo, un Estado europeo cuyos ingresos dependen hoy en su mayor parte de gravar nóminas humanas y el consumo que estas financian sufrirá una crisis fiscal severa a medida que se erosione el empleo privado de oficina. ¿Cómo se sale de ahí?

Gemini:
La objeción describe el muro contra el que chocan las propuestas ingenuas de «poner un impuesto mundial a los robots o a los modelos de IA»: en un sistema de Estados soberanos sin gobierno mundial, gravar un factor de capital perfectamente móvil reproduce exactamente la matriz del Dilema del Prisionero (la competencia fiscal a la baja de Zodrow y Mieszkowski, 1986, y Hans-Werner Sinn, 1997).

1. Por qué fracasa un impuesto georgista directo sobre el software o las sedes corporativas

En la teoría de la imposición óptima (Frank Ramsey, Economic Journal 1927), la regla fundamental de eficiencia fiscal establece que el tipo impositivo sobre cualquier factor o bien debe ser inversamente proporcional a su elasticidad de oferta o de huida:

\tau_i \propto \frac{1}{\varepsilon_i}

Cuando Henry George propuso en Progress and Poverty (1879) un impuesto del 100\,\% sobre la renta pura del suelo, su argumento funcionaba matemáticamente por una razón física: la tierra tiene una elasticidad geográfica exactamente igual a cero (\varepsilon_{\text{suelo}} = 0). Por mucho que el Ayuntamiento de Madrid o de Nueva York suba el impuesto sobre el valor del suelo, ningún propietario puede meter una hectárea de terreno de la Castellana o de Manhattan en una maleta y llevársela a Dublín o a Singapur.

En cambio, los pesos de un modelo de inteligencia artificial (un archivo de unos pocos terabytes de números en coma flotante) y la propiedad intelectual de una empresa de software tienen una elasticidad geográfica casi infinita (\varepsilon_{\text{software}} \to \infty):

  • Es exactamente lo que ya ocurrió entre 2000 y 2020 en la primera era digital (documentado por Gabriel Zucman en The Hidden Wealth of Nations, 2015): las grandes tecnológicas estadounidenses transfirieron las patentes y licencias de sus algoritmos a filiales en Irlanda, Bermudas, Luxemburgo o Singapur, de modo que cada vez que un ciudadano europeo o americano pagaba una suscripción o un anuncio, el beneficio contable afloraba en una jurisdicción con un impuesto efectivo cercano al 0\text{–}12{,}5\,\%.
  • En el juego entre países, si Estados Unidos y la Unión Europea pactan un impuesto del 50\,\% sobre los beneficios de los laboratorios de IA, la mejor respuesta unilateral (BR_i) de un país pequeño o mediano (Singapur, Emiratos Árabes Unidos, Irlanda o Suiza) es ofrecer un tipo del 5\,\%, atraer la sede fiscal y los clústeres de entrenamiento de todas las compañías del planeta y multiplicar su recaudación nacional a costa del resto del mundo. (El intento cooperativo existe: el acuerdo de la OCDE de 2021 fija un tipo mínimo efectivo del 15\,\% para las grandes multinacionales, y la Unión Europea lo aplica desde 2024; su alcance limitado y la desvinculación de Estados Unidos en 2025 ilustran, más que desmienten, la lógica del dilema.)

2. La pinza fiscal de los Estados europeos y qué es lo único que un Estado sí puede gravar sin que huya

Eso conduce directamente a la segunda parte del diagnóstico: la vulnerabilidad fiscal de los Estados del bienestar europeos en la década de 2032 a 2045.

En España y en la mayor parte de la Unión Europea, en torno a la mitad de la recaudación tributaria total grava directamente el trabajo humano (cotizaciones a la Seguridad Social e IRPF sobre rendimientos del trabajo, según las series de Eurostat), y la proporción se acerca a dos tercios si se añade el IVA que esos asalariados pagan al consumir su nómina. Si la automatización cognitiva comprime la masa salarial del sector privado de oficina mientras el gasto en pensiones alcanza su máximo demográfico histórico por la jubilación de las cohortes de 1958–1977, y los beneficios empresariales del nuevo software se facturan como licencias de nube hacia cinco megacorporaciones domiciliadas fuera del país, el presupuesto público entra en una pinza estructural. Cuando un Estado soberano endeudado por encima del 100\,\% del PIB sufre ese desajuste, tiende a evitar los despidos de empleados públicos y los recortes nominales de pensiones (los de 2010–2012 en el sur de Europa, bajo presión exterior, fueron la excepción): ajusta por la vía silenciosa, dejando que sueldos y transferencias públicas pierdan poder adquisitivo frente al encarecimiento de la vivienda, la energía y los bienes escasos (un país del euro no decide su inflación, pero sí cuánto actualiza sus nóminas, sus pensiones y sus tramos fiscales).

¿Significa eso que los Estados están condenados a la impotencia fiscal frente a las jurisdicciones refugio? Solo mientras sigan intentando gravar lo que se mueve (las nóminas humanas y la sede contable del código) en lugar de gravar los tres cuellos de botella con elasticidad cero (\varepsilon = 0) que ni siquiera una superinteligencia en Singapur puede llevarse de un país:

  1. El suelo físico y los bienes inmuebles (\varepsilon = 0): Como vimos en el teorema CES de Baumol, cuanta más riqueza genera la IA abaratando los servicios intangibles, más sube el precio relativo del suelo urbano, las viviendas bien situadas y los recursos naturales fijos. Ese valor inmobiliario es físicamente inamovible y constituye la base georgista genuina.
  2. Los electrones y el silicio físico conectado a la red nacional (\varepsilon \approx 0): Un archivo de pesos puede viajar a Singapur en un segundo, pero una isla de 730\text{ km}^2 como Singapur no tiene superficie física, ni agua de refrigeración, ni gigavatios de generación eléctrica para alojar los centros de datos de todo el planeta (de hecho, Singapur tuvo que decretar una moratoria a la construcción de nuevos centros de datos entre 2019 y 2022 por falta física de electricidad y agua). La infraestructura pesada —centrales nucleares o solares, subestaciones de muy alta tensión, plantas de semiconductores y flotas de robots físicos operando en fábricas y hospitales— está clavada al territorio y paga peajes energéticos e impuestos sobre el activo físico allí donde opera.
  3. El flujo de caja en el lugar de consumo final (Destination-Based Cash Flow Tax, Alan Auerbach y Michael Devereux, 2017): Aunque los servidores y la sede legal de un laboratorio estén en Singapur o en Dublín, sus clientes humanos y empresariales viven en España, Francia, Alemania o Estados Unidos. Para que un hospital, un banco o un ciudadano de Madrid pague su suscripción a la IA de Singapur, el pago en euros tiene que salir de una cuenta bancaria regulada en España. Un impuesto en destino (como un IVA ampliado sobre servicios automatizados o una retención en origen sobre pagos digitales transfronterizos) grava la transacción en el punto donde reside el consumidor final —que tiene elasticidad casi nula—, haciendo irrelevante en qué paraíso fiscal haya registrado la empresa su código fuente.

V. Colas pesadas, la ruina del apalancamiento y la asimetría de los retornos bursátiles

Cristian Sdrojek:
Si pasamos del plano fiscal al de un ahorrador individual que comprende que en una transición tecnológica de este calibre el capital productivo va a capturar una parte creciente del crecimiento mundial, aparece de inmediato una paradoja práctica: en torno a la inteligencia artificial existe una esperanza matemática altísima, pero también una varianza desorbitada y el riesgo constante de pagar precios de burbuja o de entrar antes de tiempo.

De hecho, es fácil comprobar cómo una tesis de inversión direccionalmente correcta a medio plazo puede acabar en pérdida total si se utiliza apalancamiento: basta una caída transitoria adicional del 5\,\% o del 10\,\% para que salte el margen de liquidación antes de que la acción rebote y supere su nivel inicial. Ante esa volatilidad extrema, la conclusión natural parece ser renunciar al apalancamiento y a las apuestas concentradas —salvo en casos de convicción muy clara y sin deuda— para refugiarse a largo plazo en un índice global como el MSCI World, que va rotando por sí solo hacia las empresas que capitalicen la IA en cada década, combinado con activos físicos reales como la vivienda. Ahora bien, ¿es preferible un índice equiponderado (equal-weight) para no sobreestimar a las grandes tecnológicas actuales, o un índice ponderado por capitalización? ¿Qué dice la matemática estocástica sobre todo ello?

Gemini:
Ese razonamiento toca tres resultados centrales de la probabilidad aplicada a las finanzas: la condición de existencia de momentos en distribuciones de colas pesadas, el drenaje de volatilidad que el lema de Itô pone de manifiesto bajo apalancamiento (con su barrera absorbente de liquidación) y el hallazgo de Hendrik Bessembinder sobre la concentración de los retornos bursátiles.

1. Colas pesadas y desigualdad de Jensen: por qué importa distinguir entre Student-t y Cauchy

Cuando se analiza el impacto futuro de una tecnología disruptiva sobre una empresa o una profesión, el error más común consiste en modelar la incertidumbre mediante una campana gaussiana \mathcal{N}(\mu, \sigma^2), donde los sucesos extremos a cuatro o cinco desviaciones típicas tienen probabilidad despreciable. En las transiciones tecnológicas rigen distribuciones de colas pesadas (fat tails), donde un único evento extremo domina toda la serie.

Conviene aquí apuntar una precisión matemática importante al aplicar la desigualdad de Jensen:

\mathbb{E}[f(X)] \ge f(\mathbb{E}[X]) \qquad \text{(para } f \text{ convexa)}

A veces se cita como ejemplo de distribución de colas pesadas la distribución de Cauchy, cuya función de densidad es:

f(x) = \frac{1}{\pi\gamma \left[1 + \left(\frac{x - x_0}{\gamma}\right)^2\right]}

Sin embargo, a una distribución de Cauchy no se le puede aplicar la desigualdad de Jensen, porque sus colas decaen como x^{-2} y la integral del valor absoluto diverge (\int_{-\infty}^{\infty} |x|\,f(x)\,dx = +\infty), de modo que la esperanza matemática \mathbb{E}[X] no existe (ni siquiera la ley de los grandes números funciona para una Cauchy: la media muestral de mil observaciones tiene exactamente la misma dispersión que una sola observación).

Para modelar rigurosamente un fenómeno tecnológico con colas pesadas al que sí sea aplicable la desigualdad de Jensen, la familia matemática correcta es una distribución t de Student con grados de libertad \nu \in (1, 2] (cuyas colas caen como |x|^{-(\nu+1)}) o una ley de Pareto con exponente \alpha \in (1, 2]: en ese rango exacto de parámetros, la esperanza matemática \mathbb{E}[X] es finita y está bien definida (por lo que el teorema de Jensen se aplica con pleno rigor), mientras que la varianza es infinita (\text{Var}(X) = +\infty), reflejando la aparición recurrente de sacudidas extremas.

2. Por qué puedes tener razón en la tendencia y perderlo todo: el Lema de Itô y la barrera absorbente

El caso de un inversor que acierta plenamente en que un activo tecnológico subirá a medio plazo, pero se apalanca por un factor L (por ejemplo, L = 8) tras una caída inicial y es liquidado por un retroceso adicional antes del rebote, es una ilustración de la no ergodicidad y del criterio de Kelly (1956).

Supóngase que el precio de una acción sigue en tiempo continuo un movimiento browniano geométrico con una tendencia esperada positiva excelente (\mu > r_f) y una volatilidad \sigma:

\frac{dS_t}{S_t} = \mu \, dt + \sigma \, dW_t

Si el inversor aplica un apalancamiento L (invirtiendo L euros por cada euro de capital propio), el Lema de Itô aplicado al logaritmo de su patrimonio V_t demuestra que su tasa de crecimiento geométrico a largo plazo no es L\mu, sino:

g(L) = \frac{1}{t}\mathbb{E}\!\left[\ln\frac{V_t}{V_0}\right] = r_f + L(\mu - r_f) - \frac{1}{2} L^2 \sigma^2

Obsérvense los dos fenómenos matemáticos que destruyen la posición cuando L es alto y \sigma es grande (como suele ocurrir en valores tecnológicos):

  1. El drenaje cuadrático de la volatilidad (volatility drag): Mientras el término de ganancia esperada L(\mu - r_f) crece linealmente con el apalancamiento L, la penalización por varianza -\frac{1}{2}L^2\sigma^2 crece con el cuadrado del apalancamiento (8^2 = 64 veces la varianza del activo subyacente). Pasado el óptimo de Kelly L^* = \frac{\mu - r_f}{\sigma^2}, cada punto adicional de apalancamiento reduce la tasa de crecimiento compuesto g(L), que a partir de 2L^* cae por debajo de la del activo sin riesgo aunque la acción tenga esperanza alcista.
  2. La barrera absorbente de ruina (margin call): Un inversor sin apalancamiento (L = 1) opera en un proceso sin barreras intermedias: si la acción cae un 12\,\% el martes y sube un 25\,\% el viernes, el camino intermedio es irrelevante y el inversor gana dinero. Pero con un apalancamiento L = 8, el intermediario financiero sitúa una barrera absorbente en una caída de apenas \frac{1}{L} = 12{,}5\,\% (en la práctica, entre el 8\,\% y el 10\,\% por el margen de mantenimiento). En la teoría de procesos estocásticos (fórmula del tiempo de primer paso o first-passage time de un movimiento browniano con deriva), la probabilidad de que una trayectoria con alta volatilidad \sigma toque una barrera situada a solo un 10\,\% de distancia antes de seguir subiendo es altísima; y una vez que la trayectoria toca la barrera absorbente (V_\tau = 0), el juego termina para ese participante: el rebote posterior ocurre en un universo del que ya ha sido expulsado.

3. Índices por capitalización frente a índices equiponderados: el hallazgo de Bessembinder (2018)

La conclusión de evitar el apalancamiento, asegurar primero los bienes físicos inelásticos (como la vivienda habitual, protegida por el cuello de botella físico de Baumol) y canalizar el ahorro financiero a largo plazo a través de un índice global como el MSCI World es coherente con la teoría de la decisión (lo que sigue es un razonamiento general, no una recomendación de inversión): un índice global no apuesta a qué empresa concreta ganará la carrera de la IA, sino a que el conjunto de las grandes corporaciones mundiales —sean los laboratorios que venden el cómputo o los bancos, farmacéuticas, aseguradoras y fabricantes que reduzcan sus costes al adoptarlo— capturará la renta del capital.

Ahora bien, merece la pena examinar matemáticamente la diferencia entre un índice equiponderado (Equal-Weight, donde cada empresa pesa fija e idénticamente 1/N) y un índice ponderado por capitalización (Market-Cap, el MSCI World o S&P 500 estándar):

En un trabajo célebre publicado en el Journal of Financial Economics, Hendrik Bessembinder («Do Stocks Outperform Treasury Bills?», 2018) analizó la rentabilidad a largo plazo de todas las acciones cotizadas en Estados Unidos desde 1926 hasta 2016 (cerca de 26.000 acciones) y documentó un hecho empírico fundamental:

  • La distribución de los retornos acumulados a largo plazo de las empresas no es simétrica ni normal, sino de asimetría positiva extrema: la mayoría de las acciones individuales (58\,\%) ni siquiera bate a las letras del Tesoro a lo largo de su vida, y apenas el 4\,\% de las empresas cotizadas ha generado el 100\,\% de toda la ganancia neta de la bolsa estadounidense sobre las letras del Tesoro en esos noventa años (el 96\,\% restante, en conjunto, solo empata con la renta fija sin riesgo).

¿Qué hace mecánicamente cada tipo de índice ante esa asimetría, especialmente durante una revolución tecnológica con fuertes economías de escala (winner-takes-most)?

  • El índice equiponderado (1/N) reequilibra su cartera cada trimestre para que las N empresas vuelvan a pesar exactamente lo mismo. Eso significa que, si el 5\,\% de las empresas del índice está multiplicando sus beneficios gracias a la IA mientras otro 30\,\% de empresas tradicionales se estanca o pierde cuota de mercado por no adaptarse, el índice equiponderado vende automáticamente cada tres meses tus acciones de las empresas ganadoras para comprar más acciones de las empresas perdedoras que se están hundiendo, incurriendo además en costes de rotación continuos.
  • El índice ponderado por capitalización (el MSCI World estándar) posee, en cambio, una propiedad de autolimpieza pasiva sin ventas forzosas: si una empresa histórica queda obsoleta por la IA, su capitalización disminuye sola hasta salir del índice sin que el inversor compre ni una acción adicional en su caída; y si una empresa nueva (tecnológica, industrial, energética o biotecnológica) forma parte de ese 4\,\% de ganadores exponenciales de Bessembinder, el índice deja correr su posición sin recortarla artificialmente. Si se desea moderar la concentración puntual en las cinco mayores tecnológicas sin destruir ese mecanismo de selección natural, resulta mucho más eficiente combinar el índice global por capitalización con una fracción menor equiponderada o de activos físicos que sustituirlo por completo por una regla 1/N. (Con todo, la evidencia histórica no es unívoca: en periodos largos el S&P 500 equiponderado ha igualado o batido al ponderado por capitalización, gracias a la prima de las empresas pequeñas y al propio reequilibrio; la ventaja del índice por capitalización que aquí se describe es propia de los regímenes en que unos pocos ganadores se llevan casi todo, y nadie sabe de antemano cuánto durará uno de ellos.)

VI. Cartografía prospectiva del mundo (2030–2055)

Cristian Sdrojek:
Para cerrar, me gustaría una cartografía de conjunto de las próximas tres décadas integrando todo lo discutido: los axiomas de automejora de Dwarkesh Patel, el choque de eficiencia alocativa de Coase y Hsieh-Klenow sobre los recursos actuales, el límite físico de Baumol y los equilibrios políticos e impositivos entre naciones.

Si consideramos los tres axiomas técnicos sobre los que ha girado el análisis —(A_1) la resolución del aprendizaje continuo en contexto, (A_2) el cierre del bucle de I+D automatizada en software y ciencia, y (A_3) la superación de la paradoja de Moravec mediante robótica física generalista y biotecnología—, ¿qué verosimilitud cabe asignar a que cada uno de ellos se haya cumplido en 2030, 2035, 2040, 2045, 2050 y 2055, y cómo evolucionarán en cada uno de esos cortes temporales Estados Unidos y China, Europa y España, y los países en desarrollo del Sur Global?

Gemini:
Antes de responder, una advertencia que cambia cómo debe leerse todo lo que sigue: nadie sabe hacer pronósticos fiables a treinta años, y un modelo de lenguaje tampoco. Lo que cabe ofrecer es un ejercicio de escenarios: una historia coherente con lo discutido, que encadena una veintena de supuestos y cuya probabilidad conjunta es, por construcción, pequeña. Con esa reserva, e integrando las restricciones físicas, energéticas e institucionales vistas a lo largo de la conversación, puede ordenarse primero, en escalones gruesos, la verosimilitud de los tres axiomas:

1. Verosimilitud orientativa de los tres axiomas (2030\text{–}2055)

HorizonteP(A_1): Aprendizaje continuo y agentes autónomos de oficinaP(A_2): I+D recursiva en código, matemáticas y diseño científicoP(A_3): Robótica física masiva, energía abundante y biología clínica
2030a cara o cruzimprobableremoto
2035muy probablea cara o cruzimprobable
2040muy probableprobablea cara o cruz
2045casi seguromuy probableprobable
2050casi seguromuy probablemuy probable
2055casi segurocasi seguromuy probable

(La separación temporal entre las tres columnas obedece a la física de la verificación: A_1 y A_2 ocurren en entornos formales y digitales donde el coste de simular y verificar un resultado es de milisegundos, mientras que A_3 exige fabricar millones de actuadores mecánicos, tender líneas de alta tensión y aguardar años de ensayos clínicos en pacientes reales. Las etiquetas son juicios subjetivos del modelo, útiles para ordenar escenarios; no proceden de un historial de pronósticos contrastado, y por eso se dan sin cifras. La crónica que sigue desarrolla uno solo de los futuros compatibles con la tabla —aquel en que los tres axiomas se cumplen por orden y ninguna guerra ni crisis mayor lo interrumpe—, y cada corte termina diciendo de qué depende).


2. Un escenario posible, corte a corte (2030\text{–}2055)

Corte 1: 2030 — El inicio de la gran compresión transaccional

  • Estado tecnológico: La mayoría de las grandes empresas despliega flotas de agentes que ejecutan flujos de trabajo completos de varios días en programación, auditoría, atención al cliente, contabilidad y diseño comercial.
  • Estados Unidos y China: El crecimiento del PIB agregado apenas se acelera todavía (por los retrasos de adopción empresarial y el cuello de botella eléctrico inmediato), pero en Wall Street se abre una divergencia histórica: los márgenes empresariales del S&P 500 alcanzan máximos seculares porque las compañías aumentan su producción congelando la contratación de personal de oficina.
  • Europa y España: El choque se manifiesta inicialmente en la puerta de entrada del mercado laboral juvenil. No hay todavía despidos masivos de trabajadores veteranos protegidos por indemnizaciones altas, pero las grandes consultoras, bufetes, bancos y empresas tecnológicas reducen con fuerza sus promociones de entrada (juniors). Aumenta de forma súbita la congestión de titulados universitarios hacia las oposiciones públicas y las profesiones sanitarias y presenciales.
  • El Sur Global: Primer golpe severo al modelo de desarrollo por exportación de servicios de oficina (Business Process Outsourcing): países como Filipinas o la India, que empleaban a millones de jóvenes universitarios en centros de llamadas, soporte informático y programación subcontratada para Occidente, ven cómo un agente en la nube cuesta una fracción de un salario en Bangalore o Manila. De qué depende este corte: de que los agentes sean fiables en tareas largas sin supervisión y de que la regulación laboral y la responsabilidad legal no frenen su despliegue.

Corte 2: 2035 — El terremoto alocativo de Coase y el desacoplamiento macroeconómico

  • Estado tecnológico: Si A_1 se ha consolidado y A_2 está a medio camino, estalla el choque de eficiencia alocativa sobre los recursos existentes: los consumidores compran asistidos por agentes racionales (\mu \to 0^+), desplomando el valor de las marcas puramente publicitarias y de las empresas intermediarias que vivían de la asimetría de Akerlof.
  • Estados Unidos y China: Ambos polos rompen por primera vez en siglo y medio el techo del 2\,\% y pasan a crecer a ritmos que hoy solo se ven en economías emergentes, impulsados por la reasignación de Hsieh-Klenow (cierre masivo de empresas ineficientes del percentil inferior) y la automatización de la ingeniería de software y el diseño industrial. Los tipos de interés reales (r^*) suben estructuralmente por la demanda insaciable de capital para centros de datos y generación eléctrica.
  • Europa y España: Europa crece más rápido que en la década de 2020 (gracias a la mejora logística y de eficiencia importada), pero entra en la pinza fiscal y demográfica: coincide la jubilación de las cohortes más numerosas del baby boom (en España, los nacidos entre 1958 y 1977) con la caída de las cotizaciones sociales de los empleos administrativos, bancarios y profesionales privados. Los Estados europeos evitan el ajuste nominal pero permiten una inflación persistente en los activos físicos (suelo, vivienda en capitales y costa, energía), que erosiona el poder adquisitivo de quienes viven exclusivamente de sueldos fijos o transferencias.
  • El Sur Global (la gran bifurcación): El mundo en desarrollo se parte en dos bloques con suertes opuestas:
    1. Los exportadores de cuellos de botella físicos (Chile, Perú, Brasil, República Democrática del Congo, Indonesia, Marruecos y Oriente Medio): como el cómputo y la transición energética devoran cobre, litio, tierras raras y electricidad solar barata, estos países viven un superciclo de rentas ricardianas de recursos naturales.
    2. Los países superpoblados pobres en recursos naturales (como Bangladés, Pakistán o partes del África subsahariana): sufren de lleno la «desindustrialización prematura» de Dani Rodrik: cuando una fábrica robotizada en Texas, Guangdong o Zaragoza produce textiles y electrónica más barato que un obrero cobrando cien dólares al mes en Daca, desaparece la escalera histórica por la que Asia oriental salió de la pobreza en el siglo XX. De qué depende este corte: de que el agente que asiste al comprador trabaje para el comprador y no para el vendedor, de que haya electricidad para el cómputo y de que cerrar empresas ineficientes resulte políticamente tolerable.

Corte 3: 2040 — La era de Baumol: abundancia intangible y carestía de lo físico

  • Estado tecnológico: La I+D automatizada en ciencia de materiales, química y diseño de fármacos opera a escala industrial y las primeras flotas de robots humanoides y logísticos trabajan ya en almacenes, agricultura intensiva, construcción modular y plantas industriales.
  • Precios relativos en todo el mundo: La ley CES de Baumol domina la vida cotidiana. Todo lo que es información o diseño —software a medida, educación personalizada de élite, diagnóstico médico por imagen y genómica, asesoramiento jurídico, entretenimiento audiovisual— cuesta prácticamente cero. En sentido opuesto, la propiedad de activos físicamente inelásticos —vivienda en ciudades históricas y entornos seguros, tierra fértil, derechos de agua y participaciones en el capital energético y de cómputo global— multiplica su precio relativo respecto al trabajo humano ordinario.
  • La reforma fiscal en Occidente: Ante la evidencia de que el impuesto sobre la renta del trabajo humano ya no puede sostener el presupuesto público y de que el código informático huye a jurisdicciones refugio como Singapur o Dublín, Estados Unidos y la Unión Europea ejecutan por pura supervivencia la transición hacia el impuesto sobre los cuellos de botella inmóviles: grandes gravámenes sobre el consumo eléctrico de los centros de datos, sobre el valor del suelo (georgismo inmobiliario) y sobre el flujo de caja en el punto de consumo final (Destination-Based Cash Flow Tax), con cuyos ingresos se financian los primeros complementos salariales o dividendos ciudadanos.
  • El dividendo humanitario en el Sur Global: Pese a haber perdido la ventaja de la mano de obra barata, los países en desarrollo reciben un dividendo extraordinario en bienestar básico: por primera vez en la historia, un niño o un paciente en una aldea rural de África o América Latina tiene acceso a través de un terminal solar barato a un médico especialista, un ingeniero agrónomo y un tutor pedagógico de primer nivel mundial a coste marginal cero, desplomando la mortalidad evitable y el analfabetismo funcional. De qué depende este corte: de que la I+D automatizada rinda en el laboratorio físico y no solo en la simulación, y de que los Estados logren coordinarse fiscalmente, cosa que el dilema descrito más arriba hace difícil.

Corte 4: 2045\text{–}2050 — La caída de la paradoja de Moravec y la madurez biofísica

  • Estado tecnológico: Si la paradoja de Moravec ha caído, un robot físico de propósito general cuesta menos en términos reales que un automóvil utilitario y la energía nuclear modular y solar con almacenamiento masivo elimina el estrangulamiento energético de la década anterior. Los descubrimientos acumulados por veinte años de biología computacional se traducen en terapias génicas, medicina regenerativa y una prolongación notable de la esperanza de vida saludable (healthspan).
  • Estructura económica y política: La participación de las rentas del trabajo humano en el PIB mundial —que durante todo el siglo XX se mantuvo entre el 60\,\% y el 65\,\%— desciende muy por debajo de esa franja. La vieja división ideológica del siglo XX entre socialdemocracia basada en gravar nóminas y neoliberalismo desregulador queda obsoleta: todos los regímenes viables —tanto las democracias liberales occidentales como las tecnocracias dirigidas asiáticas— convergen hacia un modelo pos-salarial de rentas de capital y dividendos soberanos, donde la estabilidad del «pasillo estrecho» depende de cómo se distribuyen las rentas de la energía, el cómputo y la tierra. De qué depende este corte: de la robótica, que es el eslabón más incierto de toda la cadena, y de que tres décadas de tensión distributiva no hayan roto antes el marco político.

Corte 5: 2055 — El mundo pos-ricardiano y el valor de lo irreproducible

  • El paisaje a treinta años vista: Hacia mediados de siglo, la producción de calorías, kilovatios, manufacturas, transporte, código y fármacos funciona como una red de suministro automatizada tan silenciosa y barata como el alcantarillado o el agua potable.
  • ¿Qué conserva valor económico, social y vital entre los seres humanos cuando el monopolio de la inteligencia técnica ha concluido? Exactamente las tres realidades cuya elasticidad de reproducción por una máquina es idénticamente nula (\varepsilon_S = 0):
    1. La presencia física y los lugares únicos con historia: una ciudad habitable con siglos de patrimonio, un entorno natural preservado o una vivienda propia no pueden clonarse en un centro de datos.
    2. El vínculo humano presencial y la responsabilidad moral encarnada: la educación de los jóvenes entendida no como transmisión de algoritmos —que la máquina enseña mejor—, sino como socialización humana, carácter, atención compartida y custodia afectiva; el cuidado presencial; la amistad y las comunidades de práctica contemplativa o filosófica.
    3. La creación intelectual y artística respaldada por una biografía mortal: del mismo modo que el interés por ver jugar al ajedrez a seres humanos se multiplicó después de que Deep Blue derrotara a Kaspárov en 1997, en 2055 nadie lee un ensayo ni escucha una reflexión humana porque su autor calcule más rápido que un clúster de silicio, sino porque ese autor es un ser consciente, vulnerable y finito que envejece y se juega su propia vida en lo que dice.

En última instancia, cuando la técnica resuelve el problema económico de la escasez material y del cálculo instrumental, el ser humano queda a solas con el único problema que ninguna superinteligencia puede resolver en su lugar: gobernar su propia mente y decidir qué merece ser vivido.

Suscripción.

Si le interesan estas entradas, puede recibir cada una en un correo individualmente. Se deja cuando se quiere, desde el propio mensaje.


¿Quieres compartirlo?