GAGI: A Gini-Adjusted GDP-per-Capita Index for Distribution-Aware Macroeconomic Welfare Monitoring

Resumen Técnico: GAGI – Un índice de PIB per cápita ajustado por el coeficiente de Gini para el monitoreo del bienestar macroeconómico consciente de la distribución

Planteamiento del problema
El monitoreo macroeconómico actual depende en gran medida del Producto Interno Bruto (PIB) per cápita como la métrica principal de la prosperidad económica. El artículo sostiene que esta métrica es fundamentalmente insuficiente para rastrear las consecuencias de bienestar de los cambios tecnológicos rápidos, específicamente la automatización impulsada por la IA. El PIB per cápita es un promedio a nivel de población que es "ciego" a dos determinantes de primer orden de la prosperidad vivida: la distribución del ingreso (desigualdad) y el poder adquisitivo (inflación). En consecuencia, un país puede reportar un crecimiento récord del PIB mientras el estándar de vida real y ajustado por desigualdad del hogar mediano se estanca o declina. El autor identifica una brecha en el conjunto de herramientas regulatorias: la ausencia de un estadístico mínimo, reproducible y transparente que pueda servir como un "disparador de alerta temprana" operativo para el daño distributivo, computable anualmente a partir de datos públicos sin supuestos de modelado propietarios.

Metodología: La métrica GAGI
El artículo introduce el Índice de PIB per cápita ajustado por el Gini (GAGI). Está diseñado como un índice de bienestar de propósito general aplicable a cualquier población, región o período de tiempo, aunque el artículo lo aplica específicamente a las economías del G7 (2010–2026).

La métrica se define para el país $k$ y el año $t$ como:
$$GAGI_{k,t} = \frac{(1 - G_{k,t}) \times \frac{PIB\text{-}pc_{k,t}}{\pi_{k,t}}}{(1 - G_{k,2010}) \times \frac{PIB\text{-}pc_{k,2010}}{\pi_{k,2010}}}$$

Donde:

• $G_{k,t}$ es el coeficiente de Gini (desigualdad).
• $PIB\text{-}pc_{k,t}$ es el PIB per cápita en USD constantes de 2015.
• $\pi_{k,t}$ es el Índice de Precios al Consumidor (IPC), con 2010 como base (100).

Características clave de diseño:

1. Ajuste por Desigualdad: El índice reescala el PIB mediante $(1 - G)$, penalizando efectivamente el crecimiento que ocurre junto con una creciente desigualdad.
2. Corrección del Poder Adquisitivo: El autor divide explícitamente el PIB a precios constantes (ya deflactado por el deflactor del PIB) por el IPC. Esta es una elección de modelado deliberada para dar cuenta de la "cuña" entre los precios de los bienes producidos (producción nacional) y los precios de los bienes consumidos (canasta de los hogares), particularmente relevante durante choques de oferta donde los precios de las importaciones y la energía divergen de los precios de la producción nacional.
3. Normalización: El resultado se normaliza respecto a una base de 2010 (valor = 1.0). Esto convierte la métrica de un nivel absoluto a una medida de cambio, permitiendo comparaciones transnacionales significativas a pesar de las vastas diferencias en los niveles absolutos de ingresos y desigualdad.
4. Minimalismo de Datos: El índice depende de tres insumos (Gini, PIB per cápita, IPC) publicados anualmente por el Banco Mundial, el FMI o las agencias estadísticas nacionales, lo que garantiza la auditabilidad y reproducibilidad total sin datos propietarios.

Resultados empíricos (G7, 2010–2026)
Al aplicar el GAGI a las economías del G7 se revelan cinco patrones empíricos distintos:

1. La cuña GAGI–PIB: En todas las economías del G7, el índice GAGI se sitúa consistentemente por debajo del índice estándar de PIB per cápita. Esta brecha se ha ampliado materialmente desde 2022, coincidiendo con la aceleración de la inversión en IA. Esto indica que el crecimiento bruto sobrestima sistemáticamente la prosperidad ajustada por el bienestar.
2. Trayectorias nacionales divergentes:
   • Estados Unidos: Exhibe la divergencia GAGI–PIB más grande y sostenida. Esto se correlaciona con una alta inversión en IA y débiles instituciones de absorción laboral (bajo gasto en políticas activas del mercado laboral, baja cobertura de negociación colectiva). El artículo señala un aumento de 13 veces en los despidos atribuidos por empleadores a la IA en EE. UU. entre 2023 y 2025.
   • Japón e Italia: Muestran un GAGI casi plano a pesar de la baja inversión en IA, revelando un modo de falla de "estancamiento estructural" donde el bienestar falla debido a la falta de un crecimiento subyacente de la productividad, independientemente de la intensidad de la automatización.
   • Comparadores Nórdicos (Dinamarca, Suecia): Fuera del G7, estas economías muestran una "automatización con absorción". A pesar de las altas densidades de robots, su GAGI permanece estable debido a los fuertes mecanismos de redistribución (alto gasto en ALMP, altas tasas de reemplazo de beneficios y alta cobertura de negociación colectiva).
3. Divergencia Productividad–Salario: El artículo documenta una brecha acumulada de 14 puntos porcentuales entre el crecimiento de la productividad laboral y el crecimiento del salario real en los países de altos ingresos (1999–2024). En EE. UU., la brecha es de 20 puntos porcentales; en Japón, la productividad aumentó un 18% mientras que la compensación real cayó un 4%.
4. Vaciamiento de habilidades medias: Los datos confirman un declive en las participaciones de empleo de habilidades medias (por ejemplo, las ocupaciones de salario medio en EE. UU. cayeron del 38.4% en 2000 al 26.4% en 2024), con exposición específica en roles administrativos, legales y de servicio al cliente.
5. Proyecciones de escenarios (2024–2035): El artículo presenta tres proyecciones basadas en escenarios para el promedio del G7 para el GAGI:
   • Escenario A (Negocios como de costumbre): Asume una creciente desigualdad y un crecimiento modesto, proyectando que el GAGI caiga por debajo de un umbral crítico de estabilidad (aprox. 0.85) para principios de la década de 2030.
   • Escenario B (Gobernanza con restricciones): Asume que la desigualdad se mantiene controlada mediante la activación de políticas, manteniendo la estabilidad del GAGI.
   • Escenario C (Complementariedad total): Asume un empleo y una transformación de habilidades óptimos.
     El autor enfatiza que estas son ilustraciones de los límites de las apuestas de política, no pronósticos puntuales.

Significancia y Reivindicaciones
El artículo posiciona al GAGI no como un concepto novedoso de economía del bienestar (citando predecesores como el índice de Atkinson y el HDI ajustado por desigualdad), sino como una herramienta de monitoreo operativa. Su contribución principal es la "aptitud para la gobernanza":

• Auditabilidad: Proporciona un disparador transparente y reproducible para que los reguladores actúen ante el daño distributivo, de manera similar a cómo los bancos centrales rastrean la inflación.
• Detección de Daño Oculto: Demuestra que el monitoreo únicamente del producto agregado pierde sistemáticamente de vista los costos distributivos de la automatización, incluso cuando el crecimiento de las cifras principales sigue siendo fuerte.
• Relevancia de Política: La divergencia entre el GAGI y el PIB sirve como evidencia de que la "prosperidad ajustada por el bienestar" de una nación se está desacoplando de su "prosperidad ajustada por la producción".
• Integración con HUF: El GAGI se presenta como un proxy empírico de inserción para el componente de "Estabilidad Económica (E)" del Factor de Utilidad Humana (HUF), un marco más amplio para alinear la automatización con el bienestar macro-socioeconómico.

El artículo concluye que los patrones observados —específicamente la ampliación de la cuña GAGI–PIB y la separación de los regímenes nacionales basados en la política— son visibles en las estadísticas públicas sin necesidad de modelos especulativos, lo que requiere un cambio en el monitoreo macroeconómico para incluir métricas conscientes de la distribución.