Las Economías Emergentes y la adopción de la Inteligencia Artificial.

Durante un reciente viaje a Kazajistán, el premio Nobel de economía Michael Spence quedó sorprendido por el entusiasmo generalizado hacia la inteligencia artificial. Académicos, empresarios y funcionarios públicos compartían una convicción: la IA ayudaría a resolver desafíos fundamentales para cada una de sus actividades, impulsando su crecimiento y con ello el de su economía como un todo. Desde diversificar su economía dependiente de recursos naturales hasta expandir servicios críticos en poblaciones remotas. Esta actitud contrasta marcadamente
con el escepticismo que predomina en economías avanzadas y por ciertas resistencias y descalificaciones al interior de instituciones privadas y públicas en nuestros países, donde las conversaciones sobre IA rápidamente derivan hacia temores de desempleo masivo y amenazas a las jerarquías laborales establecidas.
¿Quién tiene razón? ¿Son las economías emergentes ingenuamente optimistas, o están captando una oportunidad que los países ricos están demasiado asustados para aprovechar? La evidencia sugiere que el optimismo está justificado, pero solo si los gobiernos evitan el error de sofocar la innovación con regulaciones prematuras.

La ventaja inesperada de llegar tarde

Existe una percepción común de que se está formando una “brecha digital de IA”, con países de altos ingresos beneficiándose desproporcionadamente de la tecnología mientras las naciones en desarrollo quedan más rezagadas. Esta preocupación, aunque comprensible, malinterpreta fundamentalmente cómo funciona la revolución de IA.
Es cierto que solo un puñado de países —principalmente Estados Unidos y China— lideran el desarrollo de los modelos de IA más poderosos. Construir estos sistemas requiere inversiones masivas en computación, talento especializado e infraestructura que pocos países pueden costear.
Sin embargo, esta es solo una dimensión de la revolución de IA. La otra dimensión, igualmente importante y mucho más accesible, es la adaptación, el ajuste fino y la aplicación de herramientas existentes para resolver problemas específicos de cada contexto.[1] Los costos de estas actividades son significativamente menores y, con la expansión

1 Profesor Numerario del ITAM. Las opiniones vertidas son responsabilidad del autor.

de modelos de código abierto —muchos desarrollados en China— seguirán disminuyendo. Como señala Spence, el campo está ampliamente abierto para la innovación en un amplio rango de países. Esta dinámica es crucial de entender. Las economías emergentes no necesitan desarrollar el próximo GPT-5 para beneficiarse enormemente de la IA. Necesitan infraestructura básica:
electricidad confiable, conectividad móvil a internet y acceso a datos asequibles. Una vez establecidas estas condiciones, las posibilidades son prácticamente ilimitadas.

Beneficios económicos reales y medibles

Contrario a la percepción de que los beneficios de IA son puramente especulativos, estamos observando impactos económicos tangibles. Un estudio reciente de Avinash Collis y Erik Brynjolfsson estima que los estadounidenses disfrutaron de aproximadamente 97 mil millones de
dólares en “excedente del consumidor” solo en 2024 por el uso de herramientas de IA generativa.[2] Este excedente —la diferencia entre lo que los consumidores estarían dispuestos a pagar por un servicio y su precio real— representa valor económico genuino, incluso si no aparece directamente en las mediciones tradicionales del PIB.
Pero los beneficios van mucho más allá del ahorro en tiempo o costos para usuarios individuales.

En el ámbito empresarial, la evidencia es contundente. Un estudio sobre empresas francesas entre 2018 y 2020 encontró que la adopción de IA está positivamente asociada con aumentos en el empleo total y las ventas a nivel de empresa.[3] Este hallazgo contradice directamente las
narrativas apocalípticas sobre desplazamiento laboral.
¿Por qué?, porque la IA no solo reemplaza tareas, también expande las capacidades de las empresas. Cuando una compañía se vuelve más productiva, puede ofrecer mejores precios, llegar a más clientes y expandir su negocio. El efecto neto, al menos hasta ahora, es creación de empleo, no destrucción. Incluso en ocupaciones típicamente consideradas vulnerables a la automatización —contabilidad, telemarketing, trabajo secretarial— el impacto sobre el empleo ha sido mayormente positivo o neutral.

Para las economías emergentes, esta dinámica es especialmente prometedora. Consideremos algunos ejemplos concretos:

Servicios Financieros Inclusivos:

Tradicionalmente, las personas con activos limitados y sin historial crediticio han estado excluidas del sistema financiero formal. Los canales tradicionales hacen prohibitivamente caro o imposible extender crédito a estos grupos. Pero las herramientas digitales ahora ofrecen medios accesibles para cerrar estas brechas de información. A medida que las economías de
efectivo dan paso a sistemas de pago digital y los hogares adquieren cuentas bancarias y billeteras electrónicas, la acumulación de datos resuelve el problema de la ausencia de información de los potenciales acreditados. La evaluación crediticia impulsada por IA puede entonces sustentar versiones sostenibles, escalables y rentables de microcrédito, permitiendo que los negocios crezcan y contraten más personas.[1]

Salud y Educación:

En sectores donde el acceso tradicionalmente ha estado limitado por la geografía, la IA está democratizando servicios críticos. Asistentes digitales de aprendizaje pueden acelerar la adquisición de conocimientos y habilidades. No todos pueden acceder a un aula o tutor, pero con la infraestructura adecuada, cualquiera puede consultar un modelo de IA generativa que ha “leído” y comprende la vasta literatura digital que existe en cada campo e idioma. El impacto directo sobre productividad, crecimiento y desarrollo es difícil de exagerar.

Mejora en Productividad Laboral:

En ciertos lugares de trabajo, la IA puede reducir drásticamente los tiempos de capacitación y aumentar la productividad de los trabajadores. En servicio al cliente, por ejemplo, asistentes de IA pueden proporcionar orientación personalizada, basada en experiencia acumulada, en comparación con los agentes humanos, acelerando el proceso de aprendizaje y permitiendo a los agentes proporcionar mejor soporte desde etapas tempranas en la relación con clientes actuales y potenciales. Este efecto se puede lograr en una amplia gama de trabajos y sectores, desde enfermería hasta desarrollo de software.[1]

El costo del miedo: Las lecciones de Europa

Si los beneficios de la IA son tan claros, ¿por qué algunos países no están aprovechándolos?

La respuestafrecuentemente radica en el enfoque regulatorio, y el contraste entre Europa y Estados Unidos es ilustrativo.
La Unión Europea promulgó la primera regulación integral de IA del mundo en agosto de 2024, estableciendo salvaguardas contra riesgos como discriminación, desinformación, violaciones de privacidad y sistemas de IA que podrían poner en peligro vidas humanas o amenazar la
estabilidad social. La ley asigna diferentes niveles de riesgo a sistemas de IA, con tratamientos diferenciados para cada uno. Mientras que los sistemas de “puntuación” social impulsados por IA están prohibidos por completo, los sistemas de mayor riesgo están fuertemente regulados y
supervisados, con una lista de multas exorbitantes por incumplimiento. El problema no es que estas preocupaciones sean infundadas. Son legítimas. El problema es el momento y la magnitud de la respuesta. Como señala Raghuram Rajan, ex gobernador del Banco de la Reserva de India, el enfoque europeo carga a las empresas incipientes con costos de cumplimiento regulatorio antes de que el potencial de la tecnología se haya vuelto claro.[4]
Los resultados hablan por sí mismos: Europa tiene poca presencia en la floreciente industria de IA, especialmente en comparación con Estados Unidos o China. Los líderes en IA generativa son empresas estadounidenses como OpenAI, Anthropic y Google; ninguna empresa europea alcanza ese nivel. Esta brecha no es accidental; es el resultado predecible de sofocar la experimentación temprana. Lo mismo que pasó en telecomunicaciones cuando Europa de aferró a la regulación ex ante y la desagregación que posteriormente fue contagiada a países como México.
Cuando se exige casi-perfección a criterio del regulador en turno desde el inicio, no se protege tanto a la sociedad como se sofoca el proceso de prueba y error a través del cual emergen los avances. Debe haber cierta tolerancia o margen para errores en las etapas tempranas del desarrollo de un sistema. Cuando los desarrolladores pueden explorar las posibilidades positivas de un sistema más libremente, también tienen tiempo para descubrir formas costo efectivas de abordar problemas que socavan la confiabilidad del sistema. Los números económicos refuerzan este punto. Investigadores estiman que la revolución de IA debería aumentar el crecimiento de la productividad agregada entre 0.8 y 1.3 puntos porcentuales por año durante la próxima década, con una estimación mediana de 0.68.[3] En comparación, el economista Daron Acemoglu proyecta un aumento de solo 0.07 puntos porcentuales. La diferencia radica en supuestos sobre qué tan rápido se adoptará y difundirá la IA, lo cual está directamente afectado por el entorno regulatorio.

El problema con las “Cajas de Arena” regulatorias

Reconociendo que la regulación prematura puede sofocar la innovación, algunos reguladores han recurrido a enfoques de “sandbox” (caja de arena): permitir que nuevos productos se prueben solo en entornos estrictamente controlados. Los innovadores pueden experimentar con un grupo limitado de usuarios, siempre bajo la atenta mirada del regulador. Este enfoque ayuda a contener cualquier daño potencial.
Superficialmente, esto parece un compromiso razonable. Pero las “cajas de arena” también pueden limitar lo que puede salir bien. Las pruebas con grupos pequeños y restringidos no pueden capturar los beneficios de los efectos de red, mediante los cuales los productos se vuelven más valiosos a medida que más personas los usan. Tampoco pueden revelar avances inesperados que surgen cuando las personas “equivocadas” adoptan un producto. En resumen, las pruebas en “caja de arena” pueden mantener limitados los usos o resultados no deseados, pero también arriesgan sofocar el descubrimiento.[4] Son mejores que las prohibiciones absolutas, pero aún pueden causar que los innovadores entierren demasiadas ideas prometedoras antes de que puedan escalar.

El Modelo Estadounidense: La Descentralización Innovadora

En contraste con la cautela europea, el enfoque estadounidense ha sido dejar que florezca el entorno y ecosistemas de IA, a pesar de que varios estados de la unión regulan la IA en forma desordenada. El Plan de Acción de IA de la administración Trump, busca limitar la burocracia, el desorden y descoordinación entre las legislaciones de los Estados en materia de regulación en IA, encarna esta filosofía de la dejar evolucionar y actuar ex post antes que limitar ex ante. Este enfoque laissez-faire tiene sus propios riesgos. Como señala Rajan, el sistema puede explotar debido a productos defectuosos, como sucedió con los valores respaldados por hipotecas subprime antes de la crisis financiera global de 2008.[4]. Aun así, el enfoque estadounidense ha demostrado permitir innovación rápida. Cuando Erik Brynjolfsson y sus coautores examinaron el impacto de la IA generativa en agentes de servicio al
cliente en una empresa de software estadounidense, encontraron que la productividad entre trabajadores con acceso a un asistente de IA aumentó casi 14% en el primer mes de uso, luego se estabilizó en un nivel aproximadamente 25% más alto después de tres meses.[3].

La opción intermedia: aprendiendo de ambos modelos

Ni el enfoque estadounidense ni el europeo logran el equilibrio correcto. Estados Unidos tiende a regular muy poco, demasiado tarde, mientras que Europa hace demasiado, demasiado pronto. Las economías emergentes tienen la oportunidad de aprender de ambos experimentos.
Como argumenta Rajan, el mundo puede beneficiarse de tener enfoques diferentes.[4] Los chatbots estadounidenses pueden prosperar en un entorno relativamente no regulado,
experimentando y escalando rápidamente. Pero una vez que busquen presencia global, se encontrarán con estándares más estrictos de Europa. Con recursos suficientes e incentivos fuertes, encontrarán formas creativas y de bajo costo de cumplir, y esas estrategias de reducción de riesgos eventualmente pueden fluir de vuelta a Estados Unidos, dejando al mundo con más innovación, y con mayor seguridad. Para las economías emergentes, esto sugiere un camino pragmático: establecer requisitos básicos de infraestructura y protecciones de datos, pero evitar regulación excesivamente prescriptiva de aplicaciones específicas de IA. El enfoque debería estar en habilitar experimentación mientras se mantienen redes de seguridad fundamentales.

La medición de la IA dentro de la economía.

Un desafío importante para entender el impacto de la IA es que las métricas económicas tradicionales no capturan bien sus beneficios. Como señala Diane Coyle de la Universidad de Cambridge, el PIB es en el mejor de los casos un indicador rezagado del cambio estructural.[5]
Los historiadores económicos han demostrado que las tecnologías transformadoras como la energía de vapor y la electricidad tardaron décadas en registrarse en las estadísticas oficiales. El problema es conceptual. El PIB captura el valor de la mayoría de las cosas compradas y
vendidas. Pero con pocas excepciones, los bienes gratuitos son invisibles en las cifras del PIB, incluso si mejoran el bienestar de los consumidores. Cuando un consumidor aprovecha un chatbot de nivel gratuito o un generador de imágenes, no ocurre ninguna transacción de mercado,
por lo que los beneficios que los usuarios obtienen —ahorrar una hora redactando un informe, automatizando una invitación a fiesta de cumpleaños, tutorando a un niño en álgebra— no se contabilizan. Esta medición errónea crece cuando las personas reemplazan un servicio costoso como fotos de stock con una alternativa gratuita. Para abordar esta brecha, investigadores han desarrollado medidas como “GDP-B” (PIB-B, donde B significa beneficios).[2]

En lugar de preguntar qué pagan las personas por un bien, preguntan qué necesitarían recibir para renunciar a él. Para las economías emergentes, esto significa que los beneficios de la adopción de IA pueden ser aún mayores de lo que sugieren las estadísticas oficiales. Los hogares de menores ingresos, en particular, ganan más, en relación con sus ingresos de referencia, de herramientas gratuitas.

Acelerando la Curva de Aprendizaje

Uno de los aspectos más notables de la IA es cómo acelera fundamentalmente el aprendizaje y la innovación. Durante casi un siglo, los planificadores industriales han confiado en la Ley de Wright: los costos caen de manera predecible cada vez que se duplica la producción. Más produces, más barato se vuelve, en parte porque el costo de aprendizaje por unidad disminuye. La IA está reescribiendo esta ley. Como señalan Jonathan Rosenthal y Neal Zuckerman en el Wall Street Journal, la IA hace posible que la experiencia venga antes de la producción.[6] La simulación puede ocurrir millones de veces antes de que se envíe una sola caja. La experiencia escala casi instantáneamente sin costo real. La curva de aprendizaje no solo se vuelve más empinada; colapsa. Esto significa que el conocimiento que alguna vez tomó décadas de prueba y error humano puede emerger en semanas, días, incluso horas. Para las economías emergentes, esto es un cambio profundo. Las decisiones sobre capacidad, espacio de almacenamiento, enrutamiento, adopción de tecnología y gestión de riesgos pueden modelarse, probarse y optimizarse por adelantado. Los
costos de planificación imprecisa se reducen dramáticamente. La investigación del grupo METR (Model Evaluation and Threat Research) demuestra esto
cuantitativamente.[7] Su trabajo muestra que las capacidades de los modelos de IA para completar tareas largas se han duplicado aproximadamente cada 6-7 meses. En un gráfico notable, se demuestra la cantidad de tiempo que les toma a los humanos completar tareas que los
modelos de IA pueden resolver con al menos 50% de éxito. El resultado en una escala logarítmica, significa crecimiento exponencial: el horizonte temporal de tareas que los modelos pueden manejar se cuadruplica cada año.
Si esta tendencia continúa —y la evidencia sugiere que puede estar acelerándose— las implicaciones son extraordinarias. Como escribe el teórico informático Boaz Barak, una vez que la IA alcanza un cierto horizonte temporal, puede esencialmente simular cualquier combinación de humanos trabajando durante cantidades arbitrariamente grandes de tiempo.[7]

Navegando la Disrupción Laboral

No sería honesto discutir los beneficios de la IA sin reconocer sus riesgos, particularmente en el mercado laboral. Un informe emitido por el Comité de Salud, Educación, Trabajo y Pensiones del Senado de Estados Unidos estima que la IA y la automatización podrían destruir casi 100 millones de empleos estadounidenses durante la próxima década. Preguntémonos ¿cuál fue el costo en empleo del desfase de la taquimecanografía, la máquina de escribir, los conmutadores manuales, los libros de contabilidad etc.? Sin embargo, este temor no es nuevo. El miedo a que las máquinas destruyan empleos humanos
tiene raíces profundas en la historia. Cuando William Lee presentó una máquina de tejer medias a la reina Isabel I de Inglaterra en 1589 buscando obtener una patente, ella la rechazó declarando:
“Considera lo que tu invención podría hacer a mis pobres súbditos. Sin duda los arruinaría al privarlos de empleo, convirtiéndolos así en mendigos.”[12]
Este mismo temor resurgiría con los luditas en la Inglaterra del siglo XIX, quienes destruyeron maquinaria textil por miedo a perder sus empleos. En 1930, John Maynard Keynes predijo que el progreso tecnológico eventualmente llevaría a un “desempleo tecnológico” masivo. Sin embargo, la historia ha demostrado consistentemente que estas predicciones apocalípticas han sido erróneas.
Investigaciones recientes de Philippe Aghion y sus colegas proporcionan evidencia contundente que contradice directamente las narrativas de desempleo masivo. Sus estudios demuestran que el impacto de la automatización sobre los empleos no solo es positivo, sino que se incrementa con el tiempo.[12]
Los datos son reveladores: un aumento del 1% en automatización en una planta hoy aumenta el
empleo en 0.25% después de dos años y en 0.4% después de diez años. Notablemente, este efecto se mantiene incluso para trabajadores manufactureros no calificados.[12]
¿Cómo es esto posible? La automatización genera ganancias de productividad que benefician simultáneamente a tres grupos: empleados (a través de mayores salarios y más oportunidades), consumidores (mediante precios más bajos) y empresas (vía aumento en ventas).[12] Este círculo
virtuoso crea demanda para más trabajadores, incluso mientras algunos empleos específicos son automatizados.
Este patrón se explica por el concepto de “destrucción creativa”, acuñado por el economista Joseph Schumpeter. La destrucción creativa se refiere al proceso mediante el cual las innovaciones continuamente desplazan tecnologías existentes y formas de hacer las cosas. Las nuevas empresas constantemente entran al mercado y los nuevos empleos reemplazan a los obsoletos. En suma, lo nuevo destruye lo viejo.[12]
Esta innovación constante es la fuerza impulsora del capitalismo y el catalizador del crecimiento a largo plazo. Contrario a lo que muchos temen, este proceso no conduce al desempleo neto, sino a una transformación continua del paisaje laboral hacia actividades de mayor valor.
Para las economías emergentes, entender esta dinámica es crucial. La historia económica ofrece lecciones importantes. El PIB per cápita mundial fue prácticamente el mismo en el año 1000 que en el año 1 de nuestra era. Desde allí, la tasa promedio de crecimiento anual apenas alcanzó una vigésima parte del 1%. Pero en 1820, en el Reino Unido y luego en Francia, el crecimiento económico repentinamente se aceleró, alcanzando cerca del 0.5% anual durante 50 años.[12]
¿Por qué? Debido a la convergencia de cuatro factores: mayor transferencia de conocimiento, protección efectiva de los derechos de propiedad, competencia saludable entre naciones europeas (permitiendo que los inventores rechazados en un país llevaran su talento a otro) y el desarrollo de instrumentos financieros que dinamizaron la innovación y la toma de riesgos.[12] Estos mismos factores son relevantes hoy para las economías emergentes que buscan aprovechar la IA. La evidencia no respalda la narrativa apocalíptica en el empleo. Los estudios a nivel de empresa muestran que la adopción de IA está asociada con aumentos en el empleo, no disminuciones.[3]
El principal riesgo para los trabajadores no es que sean desplazados por la IA directamente, sino que sean desplazados por trabajadores en otras empresas que usan IA. Esto apunta a la verdadera preocupación política: ralentizar el ritmo de adopción de IA probablemente sería contraproducente para el empleo doméstico, porque muchas empresas competirán internacionalmente con adoptantes de IA. La respuesta no es resistir la tecnología,
sino asegurar que los trabajadores tengan las habilidades para prosperar junto a ella.
Para las economías emergentes, esto requiere inversiones serias en educación, programas de capacitación y políticas activas del mercado laboral. También significa evitar la trampa de sobreproteger industrias existentes a expensas de nuevas oportunidades. La historia muestra que el progreso tecnológico, aunque disruptivo a corto plazo, crea más empleo del que destruye a largo plazo, pero solo si los trabajadores pueden moverse hacia nuevos roles.

Como explica el economista laboral David Autor del MIT, la preocupación fundamental no es tanto perder empleos per se, sino la devaluación de la experiencia especializada.[11] Las personas son pagadas no solo por su educación o por presentarse en el lugar de trabajo, sino porque tienen experiencia en algo específico: codificar una aplicación, cocinar, diagnosticar pacientes o reemplazar un calentador de agua. La IA afectará principalmente ocupaciones, roles y
tareas específicas en lugar de industrias enteras. No esperamos que industrias completas desaparezcan. Para muchas empresas, percibirán la IA como un aumento de productividad. Como enfatiza Autor, “el futuro no es solo un ejercicio de predicción, es un ejercicio de diseño.”[11] No deberíamos tratar la tecnología como autónoma; debemos pensar en moldear hacia dónde queremos dirigirla, no solo adaptarnos a lo que pueda suceder. Esto requiere un enfoque tanto sistemas de seguridad para ayudar a las personas desplazadas como políticas activas para dirigir la tecnología hacia usos que colaboren con las personas en
lugar de simplemente reemplazarlas. Esto implica que más allá de las redes de seguridad, necesitamos dirigir activamente cómo se usa la IA. Esto significa usarla de maneras que colaboren con las personas para hacer su experiencia más valiosa, en lugar de simplemente automatizar tareas.

Cuando la tecnología automatiza una tarea que alguien estaba haciendo, la experiencia en la que esa persona invirtió pierde su valor de mercado. Solía valer mucho conocer calles y rutas como conductor de taxi —ese era conocimiento especializado— pero ahora todo eso está en un teléfono. La traducción de idiomas es una habilidad cognitiva de alto nivel, pero ahora tenemos máquinas que pueden hacerlo bastante bien. Cuando las personas son desplazadas, no es que no puedan encontrar otro trabajo; es que es poco probable que encuentren trabajo igualmente bien remunerado.[11]

Una preocupación válida es que la IA pueda ampliar la brecha entre trabajadores “superestrella” y trabajadores promedio. Investigación de Matthew Call de Texas A&M sugiere que son los “superestrella” mismos quienes ganarán más de la IA, ampliando el abismo entre los mejores
desempeños y todos los demás.[8] Los “superestrella” aprovechan su experiencia de dominio para extraer fundamentalmente más valor de los sistemas de IA que los desempeños promedio. Para las empresas y los gobiernos, esto significa que no es suficiente simplemente proporcionar
acceso a herramientas de IA. También deben invertir en capacitación que ayude a los trabajadores promedio a usar estas herramientas estratégicamente, crear plantillas y mejores prácticas que democraticen conocimiento efectivo, y rediseñar sistemas de evaluación para dar crédito justo por trabajo asistido por IA.[8]

La Transformación Organizacional

Más allá del impacto individual en trabajadores y empresas, la IA está desafiando la estructura misma de las organizaciones. Como argumenta Sami Mahroum en un análisis provocativo, la empresa tradicional —tal como la conocemos desde la Revolución Industrial— puede no
sobrevivir en su forma actual.[9]
Las empresas existen, según la teoría económica clásica, porque resuelven problemas de coordinación que los mercados no pueden manejar eficientemente. Pero la IA puede diseñar ahora acuerdos confiables que se ejecutan automáticamente mediante contratos inteligentes,
mientras que los servicios en la nube hacen que el conocimiento y los activos sean instantáneamente compartibles. Con los problemas de coordinación que alguna vez justificaron jerarquías corporativas aparentemente resueltos por código de computadora, la justificación tradicional de las empresas comienza a desvanecerse. Esto podría llevar a lo que Mahroum llama la “economía de actor-red”: un sistema donde humanos aumentados por IA forman redes temporales para proyectos específicos, capturando directamente el valor que crean en lugar de cederlo a intermediarios organizacionales. Para las
economías emergentes, esto representa tanto oportunidad como desafío: la oportunidad de saltar estructuras corporativas tradicionales, pero el desafío de crear nuevas formas de coordinación social y redes de seguridad que no dependan del empleo tradicional.

Señales del Mercado

Una forma de cortar a través de la especulación sobre el futuro de la IA es examinar qué creen aquellos con “dinero en juego”. Isaiah Andrews y Maryam Farboodi realizaron un estudio fascinante sobre cómo responden los mercados financieros a los anuncios importantes de IA.[10]
Los resultados son sorprendentes y matizados. Por un lado, las valoraciones bursátiles de empresas de tecnología sugieren que los inversionistas esperan enormes ganancias del sector de IA. Pero cuando los investigadores examinaron los rendimientos de bonos del Tesoro estadounidense alrededor de lanzamientos importantes de modelos de IA, encontraron que los rendimientos a largo plazo caían, típicamente en más de diez puntos base.
¿Por qué importa esto? Si los inversionistas genuinamente esperaran un crecimiento mucho mayor de ingresos futuros por productividad impulsada por IA, se elevarían las tasas de interés en bonos a largo plazo. Las tasas decrecientes sugieren que los inversionistas están revisando las
expectativas a la baja, ya sea reduciendo las tasas anticipadas de crecimiento del consumo o reduciendo la probabilidad percibida de eventos extremos.
En otras palabras, los mercados parecen pensar que el camino desde capacidades impresionantes de IA hasta prosperidad generalizada es menos directo de lo que sugieren las narrativas optimistas. Quizás los inversionistas se preocupan de que la IA produzca disrupción y desplazamiento sin generar crecimiento sustancial, o que los beneficios de la IA fluyan principalmente a empresas tecnológicas mientras los costos se distribuyen ampliamente. Para las economías emergentes, esta cautela del mercado sugiere la importancia de políticas que
aseguren que los beneficios de la IA se distribuyan ampliamente en lugar de concentrarse en unos pocos sectores o empresas.

Implicación para las Economías Emergentes.

Las economías emergentes se encuentran en un momento decisivo. La revolución de IA ofrece una oportunidad sin precedentes para saltar etapas de desarrollo, expandir acceso a servicios críticos y acelerar el crecimiento económico. Pero capturar estos beneficios requiere tomar
decisiones inteligentes ahora. La primera prioridad debe ser infraestructura básica: electricidad confiable, conectividad a
internet de alta velocidad y planes de datos asequibles.

Fuente: Measuring digital development: Global Connectivity Report 2025.

Sin estos cimientos, incluso las herramientas de IA más poderosas permanecerán fuera de alcance.
La segunda prioridad es resistir la tentación de sobre-regular prematuramente. Sí, la IA plantea riesgos reales, pero la respuesta no es sofocar la experimentación temprana. Sobre regular emulando lo ocurrido en telecomunicaciones en los años 90’s y 00’s garantiza que estos países nunca desarrollarán sus propios ecosistemas de IA. El enfoque correcto es establecer principios básicos —protección de privacidad, movilidad de datos, estándares de transparencia— mientras se permite amplia libertad en cómo se aplican las herramientas de IA. La tercera prioridad es invertir en capital humano.

Fuente: https://www.microsoft.com/en-us/research/group/aiei/ai-diffusion/

La IA no reemplaza la necesidad de educación; la hace más urgente. Los trabajadores necesitan no solo habilidades técnicas sino también capacidad de adaptación: la habilidad de aprender continuamente, colaborar con sistemas de IA y aplicar juicio humano donde las máquinas se quedan cortas. Finalmente, los países emergentes deben recordar que no están en esta carrera solos. Como argumenta Rajan, el mundo puede beneficiarse de diferentes enfoques regulatorios.[4] Las innovaciones que emergen de experimentos estadounidenses pueden eventualmente adoptar salvaguardas desarrolladas en Europa. De manera similar, las soluciones creativas desarrolladas en economías emergentes —ya sea servicios financieros inclusivos en India o aplicaciones de agricultura de precisión en África— pueden eventualmente fluir de vuelta a mercados ricos. La brecha digital dará origen a la brecha en IA, la gráfica siguiente da cuenta de que acceso a banda ancha no implica que tal acceso este correlacionado con el uso de la IA. Por ejemplo la uso de internet en México se ubica en el rango de mayor o igual a 80% mientras la difusión de IA es entre 10 y 19%, una nueva brecha está surgiendo lo que puede profundizar las brechas de ingreso entre economías.

Conclusión: Optimismo vigilante

El entusiasmo que Michael Spence encontró en Kazajistán no está fuera de lugar. Las economías emergentes tienen razones reales para estar optimistas sobre la IA, no porque ignoren los riesgos sino porque entienden las oportunidades. A diferencia de revoluciones tecnológicas pasadas —electrificación, combustión interna, internet— que requirieron infraestructura física masiva y décadas de despliegue, las herramientas de IA están disponibles de inmediato para cualquiera con una conexión a internet. Los costos están cayendo rápidamente. Los modelos de código abierto están proliferando. El campo de juego, aunque no perfectamente nivelado, es más accesible de lo que ha sido para cualquier tecnología transformadora en la historia moderna. Pero el optimismo debe estar templado por realismo. Los beneficios de la IA no se materializarán
automáticamente. Requieren inversiones deliberadas en infraestructura, educación y capacidades institucionales. Requieren un entorno regulatorio que equilibre la innovación con la protección sin caer en la trampa de la parálisis regulatoria. ¿Se desplazarán algunos empleos en el proceso? Por supuesto, y es por eso que la destrucción
creativa tiene una advertencia importante, o quizás corolario: el Estado debe asegurar a los empleados contra las consecuencias potencialmente adversas de la pérdida de empleo.[12] La solución no es frenar el progreso tecnológico, sino crear redes de seguridad robustas que ayuden a las personas a navegar las transiciones. La pregunta no es si la IA transformará las economías emergentes, sino si estas economías se posicionarán para aprovechar la transformación. Aquellos que actúen decisivamente
—estableciendo bases, empoderando a experimentadores y resistiendo el impulso de sobreproteger— pueden encontrarse no solo alcanzando a economías avanzadas sino en algunosdominios dejándolas atrás.
La historia recordará los próximos diez años como el momento en que se decidió el destino económico del siglo XXI. Las economías emergentes que entiendan esto, y actúen en consecuencia, pueden escribir un capítulo muy diferente de lo que muchos predicen. No uno de ampliación de brechas digitales sino de convergencia acelerada. No de pérdida de empleos sino de nuevas oportunidades. No de dependencia perpetua sino de cambio tecnológico transversal que saque a los países de la trampa de crecer a menos del 1% anual. El excedente de 97 mil millones de dólares que los usuarios estadounidenses obtuvieron de la IA en 2024 es solo el comienzo.[2] Para las economías emergentes con poblaciones mucho más grandes y necesidades mucho más grandes, el potencial es ordenes de magnitud mayor. La pregunta es si tendrán el disposición política de alcanzarlo. Para las economías emergentes, existe un desafío adicional conocido como la “trampa del ingreso medio”. Los países en desarrollo deben implementar políticas enfocadas en inversión para alcanzar inicialmente a las economías desarrolladas, pero en algún punto deben cambiar a políticas que promuevan la innovación para competir dentro del mundo de las economías desarrolladas.