La tecnología no reparte sus beneficios

NO FIRMA CONTRATOS

Power and Progress comienza atacando una idea profundamente instalada: si una tecnología aumenta productividad, tarde o temprano todos se beneficiarán.

La historia no garantiza esa secuencia.

Acemoglu y Johnson encuentran períodos en los que innovaciones decisivas elevaron producción mientras las mayorías recibían una porción pequeña de las ganancias. El crecimiento podía coexistir con jornadas brutales, salarios estancados o nuevas formas de concentración.

Eso no convierte a la tecnología en enemiga del bienestar. La vuelve insuficiente.

Para que un aumento de productividad mejore de forma amplia las condiciones de vida, alguien tiene que transformar esa nueva capacidad en salarios, servicios, derechos, reducción de tiempo de trabajo, nuevas ocupaciones o acceso más barato a bienes importantes.

Las máquinas producen posibilidades económicas.

No negocian cómo se distribuyen.

ESTÁ HECHO DE TAREAS

Una de las herramientas más útiles de Acemoglu consiste en dejar de hablar de “empleos” como unidades indivisibles.

Un trabajo contiene tareas distintas. Algunas pueden automatizarse; otras se vuelven más valiosas gracias a una tecnología; otras aparecen porque la propia tecnología crea necesidades nuevas.

Esta mirada permite escapar de una pregunta demasiado simple: “¿la IA va a destruir este empleo?”

Tal vez automatice una parte, aumente la productividad de otra y genere tareas que antes no existían. El resultado depende de cómo se reorganice el puesto y de quién tenga poder para apropiarse de la ganancia.

Cuando una máquina toma una tarea que antes hacía una persona, reduce la demanda de trabajo humano en esa actividad. Acemoglu y Pascual Restrepo llaman a ese mecanismo desplazamiento. La economía puede compensarlo si aparecen nuevas tareas donde el trabajo humano conserve o aumente valor.

La historia de la automatización es, en buena medida, una disputa entre esas dos fuerzas.

PUEDE SER UNA MALA IDEA

La palabra automatización suele venir acompañada por una presunción de eficiencia.

Acemoglu insiste en que no toda automatización produce grandes mejoras. Algunas tecnologías reemplazan una tarea humana y ofrecen apenas una ganancia de productividad. Él y Restrepo han utilizado la expresión so-so automation para describir ese tipo de innovación mediocre: suficiente para desplazar trabajo, demasiado débil para generar un salto económico que compense el costo social.

El incentivo de una empresa tampoco coincide necesariamente con el beneficio de la economía completa.

Si automatizar permite reducir salarios, debilitar poder de negociación o eliminar puestos que recibían una prima, puede resultar atractivo incluso cuando la mejora productiva es modesta.

Investigaciones recientes de Acemoglu y Restrepo sobre Estados Unidos muestran justamente que las firmas pueden dirigir automatización hacia tareas con salarios relativamente altos, disipando parte de esas rentas laborales y ampliando desigualdades.

La pregunta cambia entonces de tono.

No alcanza con preguntar cuánto trabajo puede automatizarse. Importa saber qué problema estamos resolviendo al automatizarlo.

TECNOLÓGICA NO ES NATURAL

Acemoglu utiliza con frecuencia la idea de dirección del cambio tecnológico.

La innovación no avanza por una única vía predeterminada. Empresas, universidades y Estados eligen qué problemas financiar, qué productos desarrollar, qué costos reducir y qué capacidades ampliar.

Durante las últimas décadas, sostiene, los incentivos económicos favorecieron tecnologías orientadas a automatizar y controlar trabajo. Ese camino fue presentado muchas veces como consecuencia inevitable de la digitalización.

Podría haberse invertido más en herramientas que aumentaran capacidades de trabajadores, distribuyeran conocimiento especializado o crearan nuevas tareas.

La inteligencia artificial amplifica esa bifurcación porque es una tecnología general. Puede convertirse en sustituto de trabajo cognitivo o en instrumento que permita a más personas realizar tareas de mayor complejidad.

La decisión no está contenida dentro del modelo.

Está en el ecosistema que decide para qué entrenarlo y dónde desplegarlo.

A FAVOR DEL TRABAJADOR

Acemoglu, David Autor y Simon Johnson llaman pro-worker AI a un camino que busca aumentar el valor de las capacidades humanas.

No se trata simplemente de poner un asistente junto a cada empleado. Una herramienta puede aumentar productividad y, al mismo tiempo, facilitar que la empresa reduzca personal o devalúe conocimiento experto.

En sus trabajos de 2026 distinguen varias formas en que una tecnología puede relacionarse con el trabajo. La categoría que consideran más claramente favorable es la creación de nuevas tareas donde la experiencia humana vuelva a ser necesaria y valiosa.

Imaginan sistemas capaces de ayudar a enfermeros, técnicos, docentes, electricistas o trabajadores de mantenimiento a manejar información compleja, detectar problemas y ampliar su repertorio profesional.

El objetivo no es conservar cada ocupación exactamente como existe.

Es conseguir que la innovación cree demanda por nuevas capacidades humanas en lugar de concentrarse en descubrir qué persona puede ser eliminada del proceso.

TAMBIÉN SE PUEDE DISTRIBUIR

La IA generativa tiene una característica que vuelve especialmente interesante el enfoque de Acemoglu: puede convertir conocimiento experto en asistencia disponible durante una tarea.

Eso abre una posibilidad de democratización real.

Un trabajador con menos formación formal podría acceder a información, diagnósticos preliminares, procedimientos o ayudas que antes dependían de especialistas escasos. Bien diseñada, una herramienta así puede elevar su capacidad y autonomía.

Pero el mismo mecanismo admite una lectura inversa.

Si el sistema captura suficiente conocimiento del experto, una organización puede utilizarlo para estandarizar el trabajo, reducir salarios o sustituir a quienes antes poseían esa experiencia.

La diferencia entre difundir conocimiento y devaluar al que sabe no la resuelve el algoritmo.

Depende de propiedad, organización del trabajo, negociación y diseño institucional.

Por eso Acemoglu vuelve una y otra vez al poder.

TAMBIÉN DISEÑA

Las empresas desarrollan tecnologías dentro de incentivos concretos.

Los impuestos pueden favorecer inversión en maquinaria frente a contratación. El capital de riesgo premia modelos escalables. Las plataformas buscan reducir costos marginales. La vigilancia puede ofrecer a una empresa información valiosa sobre productividad individual.

Acemoglu sostiene que esas reglas inclinan la innovación.

Por eso sus propuestas incluyen financiamiento público para tecnologías complementarias al trabajo, límites a la vigilancia laboral, capacidad técnica dentro del Estado y una estructura tributaria que no premie artificialmente sustituir personas por equipos o algoritmos.

Puede discutirse cada instrumento. El punto más profundo es otro: el mercado no descubre pasivamente qué tecnología era inevitable construir.

También selecciona futuros.

Y lo hace respondiendo a precios, propiedad, regulación y relaciones de poder creadas por nosotros.

El enfoque de Acemoglu tiene una virtud y un riesgo: vuelve legible una transformación enorme a través de tareas, incentivos y distribución.

Ese marco no captura por sí solo todo lo que la inteligencia artificial modifica. El trabajo también contiene identidad, cooperación, deseo, prestigio, vigilancia y formas de conocimiento difíciles de traducir a productividad y salarios.

Además, los economistas mantienen desacuerdos importantes sobre la magnitud que tendrá la automatización por IA. El International AI Safety Report 2026 señala que todavía existe incertidumbre sobre empleo agregado: algunos esperan desplazamientos importantes; otros creen que nuevas tareas y actividades compensarán buena parte de las pérdidas.

Acemoglu tampoco propone congelar el mercado laboral.

Su argumento es direccional: si invertimos casi exclusivamente en reemplazo, obtendremos más tecnologías de reemplazo.

Parece una obviedad.

Durante décadas actuamos como si no lo fuera.

Daron Acemoglu no discute la utilidad de la innovación. Discute la superstición de que sus beneficios se reparten solos.

Una máquina más productiva puede enriquecer una empresa, una sociedad entera o principalmente a quienes poseen esa máquina. La historia contiene ejemplos de las tres cosas.

La inteligencia artificial vuelve visible esa elección a una velocidad incómoda. Empresas y gobiernos están decidiendo ahora si utilizarla para sustituir tareas, intensificar vigilancia, ampliar capacidades humanas o crear trabajos que todavía no existen.

Cada una de esas rutas produce una economía distinta.

La tecnología no reparte sus beneficios porque nunca tuvo esa función.

Construye capacidades. El reparto aparece después, dentro de instituciones donde trabajadores, propietarios, Estados y comunidades tienen fuerzas desiguales.

Tal vez el aporte más importante de Acemoglu sea quitarle a la automatización su apariencia meteorológica. Si el rumbo puede orientarse, también puede discutirse.

Y si puede discutirse, todavía no es destino.