La intel·ligència artificial (IA) s’està convertint ràpidament en una tecnologia capaç d’automatitzar tasques que fins fa poc eren exclusivament humanes: escriure codi, analitzar dades, redactar informes o resoldre problemes complexos. Tot i això, l’evidència empírica sobre el seu impacte en el mercat de treball és aparentment contradictòria. Alguns estudis suggereixen que la IA beneficia sobretot els treballadors menys qualificats; d’altres, que reforça el valor dels més experts. Com s’explica aquesta aparent contradicció?
En un article recentment publicat al Journal of Political Economy, Enrique Ide i jo proposem un marc que ens pot ajudar a entendre aquesta tensió. El punt de partida és una idea clàssica de l’economia de les organitzacions: en moltes activitats de coneixement, la producció depèn en gran mesura de coneixement tàcit, és a dir, coneixement que no es pot codificar en manuals ni en regles clares, i que s’adquireix amb l’experiència.
Això té una conseqüència fonamental: el recurs realment escàs a l’economia del coneixement és el temps dels experts. Els experts no poden estar a tot arreu alhora, ni poden explicar ex ante com resoldre cada problema. Les empreses s’organitzen jeràrquicament en part per això: els treballadors menys experts absorbeixen la feina rutinària i només escalen els casos difícils, de manera que el temps de l’expert s’utilitza allà on és indispensable.
La gran novetat de la IA és que, per primera vegada, aquest coll d’ampolla es pot automatitzar. A diferència de tecnologies anteriors, la IA pot aprendre i aplicar coneixement tàcit. I, un cop entrenada, aquest coneixement es pot escalar: una mateixa “ment artificial” pot treballar en paral·lel en milers de tasques. Això és un canvi estructural perquè replica, per primera vegada, el temps de l’expert, que fins ara era el coll d’ampolla de l’economia del coneixement.
Ara bé, això no vol dir que els efectes siguin automàticament bons o dolents. Tot depèn de com s’integra la IA dins les organitzacions, i aquí la paraula clau és autonomia.
Una IA no autònoma actua com a assistent: respon preguntes, suggereix solucions, però no treballa sola. En aquest cas, tendeix a beneficiar sobretot els treballadors menys experts, perquè els permet resoldre problemes que abans estaven fora del seu abast. En canvi, ajuda poc els experts: una eina que només dona consells no els estalvia temps, i el temps és precisament el seu recurs escàs.
Una IA autònoma, en canvi, pot fer feina pel seu compte. Pot assumir tasques rutinàries, perseguir objectius i produir sense supervisió humana. Això permet als experts delegar feina, ampliar enormement el seu abast i concentrar-se en els problemes realment difícils. El resultat és intuïtiu: la IA autònoma augmenta molt la producció, però tendeix a substituir els treballadors menys qualificats i complementar el més qualificats, de manera que amplifica la desigualtat de salaris.
Això ajuda a entendre per què l’evidència empírica sobre la IA no apunta en una única direcció. Molts estudis se centren en aplicacions no autònomes, en què la IA actua principalment com a eina de suport, i troben efectes positius sobretot entre els treballadors menys experts. D’altres analitzen entorns en què la IA pot operar amb més autonomia i documenten patrons diferents, amb una major substitució del treball rutinari i un reforç del valor de l’experiència. Lluny de ser incompatibles, aquests resultats reflecteixen que els efectes de la IA depenen críticament de la seva autonomia i del seu rol dins les organitzacions.
Arribats aquí, algú podria dir: “Cap problema. Si la IA autònoma genera més riquesa, som-hi i després ja redistribuirem”. En teoria, això és cert. Si els mecanismes redistributius fossin perfectes, no caldria preocupar-se gaire per qui captura els guanys inicialment.
El problema és que aquest argument ja l’hem provat abans. És exactament el que es va dir durant la globalització dels anys 1990 i 2000: l’obertura comercial augmentaria l’eficiència, i després compensaríem els perdedors. En la pràctica, la redistribució va ser parcial, tardana o inexistent. El resultat va ser una reacció política que encara arrosseguem avui.
El problema de la desigualtat també té un component geogràfic. En un altre article molt recent al Journal of Monetary Economics, Enrique Ide i jo partim de dos fets empírics molt clars sobre l’economia global actual. Primer, la globalització dels últims anys ha estat sobretot una globalització de l’economia del coneixement: les economies més avançades s’han especialitzat en tasques de resolució de problemes complexos, mentre que altres països han assumit feina de coneixement més rutinària. Segon, la IA depèn d’un input molt específic –recursos computacionals especialitzats– que avui estan altament concentrats en uns pocs països (cap d’ells europeu).
Aquests dos fets combinats tenen una implicació important: tot i que la IA pot alterar la divisió internacional del treball, ho fa d’una manera profundament asimètrica. Els països que controlen els recursos computacionals necessaris poden decidir si la IA pot operar de manera autònoma o només com a assistent, i amb això redistribuir part dels guanys cap als treballadors menys qualificats.
En canvi, els països que no controlen la tecnologia només poden regular com els seus ciutadans interactuen amb la IA. I això, en equilibri, serveix de ben poc: els treballadors menys qualificats hi surten perdent perquè la tecnologia continua competint indirectament a través d’altres països, mentre que els treballadors més qualificats del país regulador acaben sent els grans perjudicats.
En definitiva, la IA no és una tecnologia fonamentalment nova perquè automatitza el coll d’ampolla central de l’economia del coneixement. I quan això passa, canvia l’estructura òptima de les organitzacions i crea guanyadors i perdedors. Entendre aquest mecanisme és essencial si volem aprofitar els beneficis de la IA sense repetir els errors més costosos de la globalització.
La imatge de capçalera pertany a Google DeepMind de Pexels.
