The paradox of faster learning and slower cost reduction as technologies mature
Este artículo analiza 145 series de tecnologías limpias para revelar una paradoja en la que, a medida que las tecnologías maduran, la eficiencia del aprendizaje aumenta mientras que la reducción anual de costos se desacelera debido al crecimiento desacelerado de la producción, lo que requiere políticas que tanto catalicen las innovaciones en etapas tempranas como sostengan el despliegue de las maduras.
Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo
Imagina que estás viendo cómo una nueva consola de videojuegos llega a las estanterías. Al principio es cara, escasa y un poco defectuosa. Pero a medida que más personas la compran, las fábricas mejoran su producción, los ingenieros descubren cómo recortar gastos sin romper el producto y, de repente, el precio cae en picado. Esto no es magia; es un patrón bien conocido en la ciencia llamado "aprendizaje tecnológico". Piensa en ello como un estudiante que mejora en una materia: cuanto más practica (o cuanto más unidades se producen), más barato y fácil resulta fabricarlo. Los científicos han utilizado durante mucho tiempo dos reglas principales para predecir esto. Una regla, a menudo llamada la Ley de Wright, dice que los costes bajan cada vez que la producción se duplica. La otra, la Ley de Moore, dice que los costes bajan cada año que transcurre. Durante décadas, la mayoría de los modelos informáticos utilizados para planificar nuestro futuro energético asumieron que estas reglas eran como un metrónomo constante: clic, clic, clic, siempre al mismo ritmo. Pero, ¿y si el ritmo cambia? ¿Y si la música se acelera en algunas partes y se ralentiza en otras? Comprender esto es crucial porque, si nos equivocamos al calcular qué tan rápido se abaratarán las energías limpias (como los paneles solares o los coches eléctricos), podríamos entrar en pánico innecesariamente o, lo que es peor, no actuar con la rapidez suficiente para salvar el planeta.
Ahora, sumerjámonos en el nuevo estudio de Jessica Jewell, Huaxuan Wang y su equipo, que pone de cabeza la vieja idea del metrónomo. Reunieron una biblioteca masiva de datos: 145 historias diferentes de tecnologías que crecieron desde pequeños experimentos hasta gigantes globales, cubriendo desde paneles solares hasta energía nuclear. Organizaron estas historias en tres capítulos: el caótico inicio "formativo", el medio de "crecimiento acelerado" y la fase madura de "crecimiento constante".
Aquí está el giro que descubrieron, y es un poco paradójico. A medida que las tecnologías envejecen y maduran, en realidad se vuelven mejores aprendiendo. Imagina a un trabajador de una fábrica que empieza siendo torpe pero termina convirtiéndose en un maestro artesano. El estudio encontró que las "tasas de aprendizaje" (cuánto bajan los costes cada vez que la producción se duplica) aumentan significamente. Para una tecnología nueva, la tasa de aprendizaje es de aproximadamente un 15%. Pero para una tecnología madura, ¡se dispara a más del 30%! ¡Las fábricas están aprendiendo más rápido que nunca!
Sin embargo, aquí está el truco: aunque las fábricas aprenden más rápido, el precio real de la tecnología deja de caer con la misma velocidad. En los primeros días, los costes podrían caer un 10% cada año. Pero una vez que la tecnología madura, esa caída anual se ralentiza a solo un 3%. ¿Cómo puedes volverte mejor aprendiendo pero peor reduciendo costes? Los autores explican esto usando una metáfora sencilla: correr una carrera. Al principio, corres en una pista corta, por lo que cada paso que das (cada duplicación de la producción) ocurre rápidamente y tu velocidad (reducción de costes) es alta. Pero a medida que la carrera avanza, la pista se vuelve cada vez más larga. Incluso si eres un corredor más rápido (mayor tasa de aprendizaje), te toma mucho más tiempo completar la siguiente vuelta (la siguiente duplicación de la producción) porque la pista es enorme. La "experiencia" se está acumulando, pero se acumula más lentamente porque el mercado se está saturando.
El equipo no solo lo supuso; lo probaron con simulaciones por computadora. Crearon 10,000 tecnologías ficticias para ver qué pasaría bajo diferentes reglas. Descubrieron que la única forma de recrear el patrón del mundo real —donde el aprendizaje se acelera pero la caída anual de costes se ralentiza— es si dos cosas están sucediendo al mismo tiempo: la tecnología está mejorando en el aprendizaje mediante la práctica (learning-by-doing), y también está mejorando simplemente porque pasa el tiempo (progreso autónomo). Si solo tuvieras una de las dos, los números no coincidirían con la realidad.
Entonces, ¿qué significa esto para nosotros? Sugiere que la vieja forma de modelar el futuro —asumiendo que los costes caerán a un ritmo constante y predecible para siempre— es probablemente errónea. El ciclo de "retroalimentación positiva" donde la tecnología barata conduce a más ventas, lo que conduce a una tecnología aún más barata, comienza a debilitarse a medida que las tecnologías maduran. Los autores sugieren que no podemos simplemente sentarnos a esperar a que los precios se desplomen. En cambio, necesitamos políticas inteligentes. Para las nuevas tecnologías, necesitamos impulsarlas con fuerza para que entren en la fase de "aceleración". Pero para las tecnologías maduras, no podemos confiar en la vieja magia del crecimiento rápido; necesitamos políticas específicas para mantener el despliegue y superar las nuevas barreras que ralentizan todo. El aprendizaje sigue ocurriendo, pero la carrera ha cambiado y necesitamos correrla de manera diferente.
¿Ahogado en artículos de tu campo?
Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.