Desde el lanzamiento de ChatGPT a finales del 2022 se ha venido especulando sobre qué implicancias tendrá la IA en la economía global: se ha hablado de todo, desde un mayor crecimiento potencial del PIB hasta su impacto en la generación de empleo. Son consecuencias que solo podremos verificar en décadas, pero ya se puede evidenciar la formación de algunas tendencias.
La primera ha sido su impacto en el empleo, especialmente en la gente joven. Un estudio de Stanford, basado en datos de nómina de millones de trabajadores en Estados Unidos, encontró que las personas de 22 a 25 años en los puestos más expuestos a la IA sufrieron una caída relativa del empleo de 13%, mientras que sus colegas mayores en esos mismos roles se mantuvieron estables o siguieron creciendo. En agregado, esto se ha traducido en una creación de empleo más débil.
La otra cara de la moneda ha sido su impacto en la productividad y, por ende, en el crecimiento. El US Bureau of Labor Statistics publica trimestralmente la productividad laboral, medida como la producción económica por hora de un trabajador promedio. En los últimos tres años esta métrica ha crecido 2,8% en promedio, muy por encima de su tendencia de 1,2% entre 2010 y 2019, y una de las posibles causas de esa aceleración es justamente la adopción de IA.
Esto ha tenido un impacto directo: a pesar de que la creación de empleo esté débil en Estados Unidos, el crecimiento de su PIB en los últimos años ha estado por sobre su tendencia histórica. Esto ha ocurrido principalmente en ese país, mientras que en Chile y en otros el crecimiento de sus economías continúa débil. Esta divergencia entre el país del norte y el resto del mundo puede explicarse, en parte, por la mayor capacidad de adopción de IA y el consecuente aumento de productividad.
El mejor ejemplo de esta capacidad de adopción es lo que está ocurriendo en las tecnológicas americanas. Antes de 2022, las hyperscalers (Microsoft, Alphabet, Meta y Amazon), las cuatro compañías que lideran la inversión en IA, veían crecer sus utilidades prácticamente al mismo ritmo que su número de trabajadores, lo que reflejaba que contratar era una estrategia necesaria para escalar el negocio. Y a partir de ese año todo cambió. Sus utilidades se duplicaron mientras que el tamaño de sus planillas se mantuvo igual, y la vieja ecuación de que crecer significaba contratar más, dejó de aplicar.
Y no es solo una tendencia de estas cuatro empresas. Se observa un efecto similar en todo el Nasdaq. Esto ha generado apalancamiento operativo y una expansión de márgenes,
impulsando con fuerza el crecimiento de utilidades de las compañías americanas en los últimos años.
Volviendo a los hyperscalers, este cambio de paradigma también transformó su estructura de costos, llevándolas a un modelo de negocios más intensivo en capital. Desde el boom de la IA en 2023, estas empresas han invertido sumas considerables en datacenters. Esa inversión se ha financiado principalmente con flujo de caja, pero también con sus menores costos administrativos, asociados a la tendencia que discutimos antes.
El resultado es una estructura de costos que pasó de estar dominada por lo administrativo a estar liderada por la depreciación, ligada al aumento de Inversión, y la investigación. En otras palabras, los hyperscalers están recortando los costos administrativos para volcar esos recursos a construir infraestructura y desarrollar tecnología.
Esta tendencia solo irá aumentando con el tiempo, dado los grandes niveles de inversión que están haciendo estas compañías, el porcentaje que representa la depreciación de los costos solo irá aumentando, entonces la capacidad que tengan de monetizar esa inversión será la gran incógnita que tendrá el mercado los próximos años.
Aún es temprano para sacar conclusiones del impacto que está teniendo la IA a nivel agregado en la economía, sin embargo, en las empresas el cambio ya es evidente, y algunos líderes están modificando su estrategia de crecimiento para adaptarse a este nuevo paradigma.
