Beyond headcount and human capital: The Effective Cognitive Population as a decomposable capacity unit for AI-era planning

Resumen Técnico: Más allá del número de habitantes y el capital humano

Planteamiento del problema
La planificación nacional depende actualmente de libros contables dispares: el recuento de la población para la escala, las proporciones de edad laboral para la oferta de mano de obra, los índices de capital humano para los stocks ajustados por habilidades y los índices de preparación tecnológica para las condiciones ambientales. Existe una brecha crítica en la era de la IA: ningún índice existente cuantifica la capacidad productiva humana total disponible bajo las condiciones prevalecientes específicas de un país en términos de salud, aprendizaje, empleo, infraestructura tecnológica y gobernanza. Los índices existentes o bien no tienen en cuenta las condiciones tecnológicas necesarias para desplegar la capacidad humana, o bien duplican el conteo del capital humano al combinar los índices de capital humano con los índices de preparación para la IA. Además, las cuentas demográficas estándar suelen tratar la estructura de edad como el determinante principal de la capacidad, pasando por alto la amplia variación de la capacidad dentro de estructuras de edad similares.

Metodología
El estudio introduce la Población Cognitiva Efectiva (PCE), una unidad de capacidad decomponible diseñada para ponderar la población por su capacidad y las condiciones de su despliegue. La metodología procede a través de los siguientes pasos:

1. Base de Capital Humano ($H$): El estudio utiliza el Índice de Capital Humano Plus (HCI+) del Banco Mundial, que traduce los resultados de salud, educación y mercado laboral en productividad esperada de por vida. Las puntuaciones del HCI+ se transforman de un índice logarítmico (escalado a un punto de referencia de 325) en un nivel de productividad relativa ($H_i = \exp((S_i - 325)/100)$).
2. Oportunidad de IA y Gobernanza ($A$ y $C$): El estudio utiliza el Índice de Preparación para la IA (AIPI) del Fondo Monetario Internacional (FMI). Para evitar el doble conteo del capital humano (que ya está embebido en el HCI+), se excluye la dimensión de capital humano del AIPI.
   • Oportunidad de IA ($A$): Definida como la media de pesos iguales de las dimensiones de "Infraestructura Digital" e "Innovación e Integración Económica".
   • Gobernanza de Conversión ($C$): Definida por la dimensión de "Regulación y Ética".
3. Construcción del Punto de Referencia: El stock de la PCE se calcula como $PCE_i = N_i \times H_i \times (1 + \lambda A_i C_i)$.
   • $N_i$ es la población total o en edad de trabajar.
   • El término $(1 + \lambda A_i C_i)$ representa una regla de planificación conjuntiva. Penaliza la preparación unilateral (por ejemplo, alta infraestructura con gobernanza débil) al hacer que el factor de aumento sea multiplicativo en lugar de aditivo.
   • $\lambda$ es un parámetro de calibración establecido en 1 en el punto de referencia, con análisis de sensibilidad realizados a través de un rango de valores (0 a 1) y un "multiverso de la regla 27" de combinaciones de exponentes.
4. Validación y Pruebas:
   • Validez de Criterio Concurrente: La PCE se regresa contra la producción total de 2024 en una muestra de 144 países. El rendimiento se mide mediante $R^2$ y el Error Cuadrático Medio (RMSE) de Validación Cruzada de Dejar un País Fuera (LOOCV), comparado contra el recuento de habitantes y la población ajustada por HCI+.
   • Validez Incremental: Modelos anidados condicionan la intensidad del capital físico para probar si los componentes de la PCE añaden poder explicativo más allá de los factores de producción estándar.
   • Prueba de Interacción: El estudio prueba explícitamente una interacción causal entre la oportunidad de la IA y la gobernanza ($A \times C$) para determinar si la regla conjuntiva refleja una complementariedad empírica o una restricción normativa de planificación.
   • Análisis de Sensibilidad: Se comprueba la robustez a través de diferentes denominadores de población (total vs. edad laboral), versiones de HCI+ (2020 vs. 2025), reglas de agregación y parámetros de amplitud.

Resultados Clave

• Mejora del Ajuste Predictivo: En la muestra de 144 países, la extensión de la PCE mejora el poder explicativo de los modelos de capacidad nacional. Frente a la producción total de 2024, el $R^2$ aumenta de 0.849 (stock ajustado por HCI+) a 0.882 (PCE), y el LOOCV RMSE disminuye de 0.723 a 0.641. Estas ganancias son estadísticamente significativas (bootstrap $p < 0.0001$) y se mantienen tanto para la población total como para la población en edad de trabajar.
• Reclasificación de Rango: 89 de 144 países cambian al menos diez posiciones al pasar de un libro contable de recuento de habitantes a un libro contable de PCE. Aunque la mayoría de este cambio es impulsado por el ajuste de capital humano, la extensión de la IA proporciona un valor diagnóstico distinto. Los países de alto rendimiento en el ranking de la PCE incluyen a Singapur, Suiza y Dinamarca, mientras que países como Chad, Guinea y Malí experimentan una reclasificación descendente significativa.
• Independencia de la Estructura de Edad: Dentro de los cuartiles de la proporción de población en edad laboral, la capacidad per cápita ($Z$) abarca ratios de hasta 4.78 entre los percentiles 90 y 10. Esto demuestra que la estructura de edad por sí sola es un proxy tosco para la capacidad; la PCE captura una variación significativa no explicada por la demografía.
• Naturaleza de la Regla Conjuntiva: La interacción estadística directa entre la oportunidad de la IA y la gobernanza ($A \times C$) no está apoyada estadísticamente (el coeficiente es negativo e insignificante, $p = 0.371$). Por consiguiente, el artículo concluye que la regla conjuntiva es una regla de planificación (una restricción normativa para evitar el exceso de crédito a la preparación unilateral) más que una complementariedad empíricamente estimada.
• Análisis de Residuos: Un residuo de conversión identifica países donde el PIB per cápita realizado cae por debajo del nivel predicho por la intensidad del capital y la capacidad de la PCE. Este residuo no está significativamente correlacionado con las rentas de recursos naturales, la efectividad gubernamental o los controles de corrupción, lo que sugiere que sirve como un orden de cribado para diagnósticos posteriores en lugar de una puntuación de eficiencia validada.

Significancia y Reivindicaciones
El artículo posiciona la PCE no como una nueva ley de producción o un pronóstico de declive poblacional, sino como un libro contable de diagnóstico para la planificación del sector público. Sus principales contribuciones son:

1. Decomponibilidad: A diferencia de los índices compuestos que oscurecen las compensaciones, la PCE permite a los planificadores descomponer la capacidad de un país en capital humano ($H$), oportunidad tecnológica ($A$) y condiciones de gobernanza ($C$). Esto permite identificar cuellos de botella específicos (por ejemplo, un país con altas habilidades pero gobernanza débil).
2. Evitación del Doble Conteo: Al eliminar explícitamente la dimensión de capital humano del AIPI antes de la combinación, el índice evita el error metodológico de contar el mismo activo dos veces.
3. Stock Equivalente de Escenario: La unidad define la capacidad bajo las condiciones prevalecientes en lugar de contar equivalentes de trabajadores actuales, lo que permite comparaciones relativas y análisis de brechas de política.
4. Alcance Modesto: El autor establece explícitamente que la PCE no infiere las consecuencias del declive de la fertilidad, ni afirma haber identificado el efecto de productividad causal de la IA. El estudio reconoce que la regla conjuntiva es una elección normativa, no un hallazgo empírico de complementariedad, y que la métrica requiere evidencia longitudinal y de micro-nivel futura para validar la interacción entre la oportunidad y la gobernanza.

El estudio concluye que la PCE proporciona una unidad transparente, auditable y estable para la comparación transnacional que integra la capacidad humana con las condiciones necesarias para su despliegue, ofreciendo una base más matizada para la planificación que los recuentos de habitantes o los índices de capital humano por sí solos.