The Reverse Big Push: Generative AI and Self-Fulfilling Automation

En la economía moderna, la forma en que las empresas ganan dinero a menudo depende de un delicado equilibrio entre lo que gastan para operar y el dinero que fluye de vuelta de los clientes. Cuando una empresa contrata trabajadores, les paga salarios. Esos trabajadores luego gastan sus cheques en otros negocios locales, creando un ciclo de demanda que mantiene en movimiento toda la economía. Este ciclo es una parte fundamental de cómo funcionan los mercados locales. Durante décadas, los economistas han estudiado cómo las nuevas tecnologías cambian este equilibrio. A veces, una nueva máquina es tan cara de comprar que solo unas pocas empresas pueden permitírsela, y esas empresas deben trabajar duro para encontrar suficientes clientes que paguen por la máquina. Esta es la idea clásica de un "gran impulso" (big push), donde los altos costos obligan a un grupo de empresas a crecer juntas para sobrevivir.

Sin embargo, el auge de la inteligencia artificial generativa ha invertido este guion. Hoy en día, la parte más costosa de usar IA avanzada —el costo de entrenar el sistema informático— es pagada por la empresa que la construyó, no por la empresa que la utiliza. Un bufete de abogados o un estudio de diseño simplemente pueden alquilar la potencia de la IA por hora a medida que obtienen nuevos trabajos. Esto hace que la automatización parese un gasto operativo flexible en lugar de una pesada inversión inicial. Pero hay un inconveniente. Si una empresa decide usar esta IA para reemplazar a su equipo humano, deja de pagar esos salarios. Si muchas empresas hacen esto al mismo tiempo, los trabajadores que pierden sus empleos dejan de gastar dinero en la economía local. Esto reduce el mercado para todos los demás, haciendo que sea más difícil la supervivencia de los negocios restantes. La pregunta que se hacen los investigadores es si este cambio crea una trampa donde las empresas, actuando en su propio interés, destruyen accidentalmente el mismo mercado en el que dependen.

Un equipo de economistas de China ha construido un modelo para explorar esta dinámica específica, centrándose en cómo se desarrolla la elección entre usar la IA con ayuda humana frente al uso de la IA para reemplazar humanos en una economía de servicios locales. Encontraron que la economía puede estancarse en dos estados muy diferentes, dependiendo de lo que las empresas esperan que suceda después. En un estado, las empresas mantienen sus equipos humanos, los salarios se mantienen altos y la economía local es vibrante. En el otro, las empresas recortan sus equipos para ahorrar dinero, los salandos caen, la economía local se contrae y las empresas recortan aún más sus equipos para sobrevivir. Los investigadores llaman a esto un "impulso inverso" (reverse big push). A diferencia del modelo antiguo donde los altos costos forzaban el crecimiento, aquí la capacidad de recortar costos fácilmente puede desencadenar un colapso de autocumplimiento.

El núcleo de su descubrimiento es que la decisión de automatizar no se trata solo de si la tecnología funciona bien; se trata de cuántas otras empresas están haciendo lo mismo. Si una empresa cree que la mayoría de las otras mantendrán sus equipos humanos, tiene sentido que ellos también mantengan su equipo, porque la economía local será lo suficientemente fuerte como para soportar los salarios más altos. Pero si una empresa cree que todos los demás están despidiendo trabajadores para cambiar a la IA, entonces lo más inteligente es despedir trabajadores también, porque la economía local será demasiado débil para soportar un equipo completo. Esto crea una situación donde la economía puede asentarse en un equilibrio de "baja demanda", donde la automatización es la única opción, a pesar de que un equilibrio de "alta demanda", donde humanos e IA trabajan juntos, sería mejor para todos.

Los investigadores muestran que este problema no desaparece incluso si se permite que los salarios bajen. En un mercado normal, si la demanda cae, los salarios caen, lo que hace que sea más barato contratar personas nuevamente. El modelo confirma que la caída de los salarios efectivamente hace que contratar sea más barato, pero también significa que los trabajadores tienen menos dinero para gastar. El estudio encuentra que si la pérdida de poder adquisitivo es mayor que el ahorro de los salarios más bajos, el ciclo de declive continúa. La economía se queda atrapada en un estado de bajos salarios y bajo empleo porque la caída en la demanda es demasiado severa para ser corregida únicamente por costos laborales más bajos. Esto significa que simplemente dejar que el mercado ajuste los salarios no es suficiente para prevenir un colapso si las empresas pierden la confianza en el futuro.

Para entender cómo ocurre esto, los autores analizaron cómo las empresas toman decisiones a lo largo del tiempo. Imaginaron un escenario en el que las firmas tienen la oportunidad de cambiar su estrategia en diferentes momentos. Si una firma es pesimista y espera que otros automaticen, automatizará primero, validando el pesimismo de la siguiente firma, creando una cascada de despidos. Si una firma es optimista y espera que otros mantengan sus equipos, mantendrá su equipo, alentando a otros a hacer lo mismo. El punto de partida importa, pero también lo hace la expectativa. Los investigadores encontraron que existe un rango específico de condiciones donde ambos resultados son posibles. En este rango, la economía no está determinada por la tecnología en sí, sino por el ánimo colectivo de la comunidad empresarial.

El estudio también examinó qué sucede cuando ocurre un choque público, como un cambio repentino en la salud general de la economía. Encontraron que si la economía se encuentra en ese terreno intermedio de incertidumbre, un fundamento público capaz de alcanzar ambas regiones de dominancia puede seleccionar un camino único. Si la economía ya se inclina hacia la automatización, un choque negativo puede empujarla al borde de un colapso total. Por el contrario, si se inclina hacia la cooperación humano-IA, un choque positivo puede asegurar ese camino. Los investigadores utilizaron el concepto de "dominancia de riesgo" para predecir qué estado es más probable que sea elegido cuando el futuro es incierto. Encontraron que si el punto de inflexión estático para la cooperación humano-IA se sitúa por debajo de un medio, la economía probablemente elegirá el camino cooperativo. Pero si el punto de inflexión está por encima de un medio, la economía probablemente elegirá el camino automatizado, incluso si el camino cooperativo hubiera sido mejor para la sociedad en su conjunto.

Los autores luego analizaron lo que esto significa para las políticas públicas. Calcularon que en muchos sectores de servicios profesionales, las condiciones para este "fallo de coordinación" son reales. Utilizando datos de los Estados Unidos, estimaron que para ciertos tipos de tareas de IA de alta autonomía, la economía podría caer fácilmente en el mal equilibrio. Encontraron que la brecha entre el estado "bueno" y el estado "malo" no es enorme, pero es lo suficientemente amplia como para importar. En sus simulaciones, un cambio en cuánto de un trabajo puede ser realizado por la IA sin ayuda humana podría mover la economía de un estado estable donde humanos y máquinas trabajan juntos a un estado donde las máquinas reemplazan a los humanos por completo, simplemente porque el mercado se encogió demasiado para soportar a los equipos.

Los investigadores argumentan que la solución no es prohibir la IA o forzar a las empresas a mantener a los trabajadores. En su lugar, sugieren que una intervención gubernamental temporal podría ayudar a la economía a cruzar la brecha. Si la economía está estancada en el estado de baja demanda, un pequeño subsidio temporal o un impuesto a la automatización pura podría actuar como un puente. Este puente daría a las empresas la confianza para mantener sus equipos humanos hasta que la economía crezca lo suficiente como para soportarlos por sí misma. Una vez que la economía alcance cierto tamaño, el subsidio podría eliminarse, y el modelo humano-IA se convertiría en la elección natural y autosustentable. La clave es que este apoyo debe ser temporal y dirigido; no se trata de salvar cada empleo para siempre, sino de evitar que la economía se quede estancada en un mal estado donde todos salen perdiendo.

El documento también aclara que este problema es específico de ciertos tipos de trabajo. Se aplica con mayor fuerza a la automatización "defensiva", donde las empresas usan la IA para recortar costos porque temen que el mercado se esté contrayendo. Es menos probable que ocurra con la automatización "ofensiva", donde la IA crea nuevos productos que expanden el mercado. En el caso defensivo, el miedo a un mercado que se reduce impulsa la decisión de recortar costos, lo que a su vez reduce el mercado. Los investigadores muestran que si una empresa está recortando costos porque espera que el mercado se reduzca, a menudo es mejor para toda la economía que esa empresa mantenga a sus trabajadores, porque sus salarios ayudarán a mantener vivo el mercado.

En su análisis final, los autores utilizaron números del mundo real para mostrar cuán sensible es este sistema. Observaron la relación entre ingresos y nómina en los servicios profesionales y encontraron que, en muchos casos, la economía está justo en el borde de la región de coordinación. Un pequeño cambio en el costo de la IA o en la capacidad de la IA para realizar tareas podría inclinar la balanza. Encontraron que los ajustes salariales, aunque útiles, comprimen el rango donde puede ocurrir este fallo de coordinación, pero no lo eliminan. El estudio concluye que el futuro del trabajo en la era de la IA generativa depende menos del poder bruto de la tecnología y más de la confianza colectiva de las empresas que la utilizan. Si las empresas pueden coordinarse para mantener sus equipos humanos, la economía puede prosperar. Si no pueden, corren el riesgo de un colapso de autocumplimiento donde las mismas herramientas destinadas a ayudarlas terminen dañando el mercado al que sirven.

El trabajo proporciona una clara advertencia de que la transición hacia una economía impulsada por la IA no es automática. Requiere navegar por un camino estrecho donde las expectativas y la realidad se refuerzan mutuamente. Los investigadores muestran que, sin un mecanismo para romper el ciclo de pesimismo, la economía puede asentarse en un estado que es estable pero ineficiente, donde todos son más pobres de lo que podrían ser. La solución radica en comprender que la elección de la tecnología no es solo una decisión técnica, sino una decisión social que depende de la salud de toda la economía local. Al reconocer esto, los responsables de las políticas pueden diseñar intervenciones que ayuden a la economía a encontrar su camino hacia el mejor resultado, asegurando que los beneficios de la IA se compartan en lugar de perderse en un ciclo de declive.