José Carlos Díez Gangas (Universidad de Alcalá)
1. Introducción
En 1776 Adam Smith publica su célebre libro Una investigación sobre la naturaleza y causas de la riqueza de las naciones en el que determina la división del trabajo como la principal causa. Hoy, a la división del trabajo le llamamos productividad por ocupado o por hora trabajada, que es una medida más correcta, pero más difícil de medir, ya que las estadísticas de horas trabajadas son menos fiables que las de empleo.
En 1956 Robert Solow publica en el Quaterly Journal of Economics el artículo que le permitió recibir el premio Nobel de economía: “Una contribución a la teoría del crecimiento económico”. Solow desarrolla un modelo matemático dinámico en el que hay una relación causal entre progreso técnico y productividad. Según las estimaciones de Solow, el 80% del crecimiento a largo plazo de EEUU los desarrolla la incorporación de tecnología. .
Hay dos variables que aumentan la productividad en el modelo de Solow: el aumento del stock de capital o máquinas por empleado y el denominado residuo de Solow, que incluye el desarrollo tecnológico. Posteriormente, los economistas han ido buscando evidencia empírica que relacione más variables en ese residuo. Pero la incorporación de tecnología e innovación a la producción de bienes y servicios sigue siendo determinante.
En la actualidad nos encontramos inmersos en una de las grandes revoluciones tecnológicas de la especie humana, junto con el periodo neolítico, en el que desarrollamos la agricultura y la ganadería, y la incorporación de la máquina de vapor en el siglo XVIII. La digitalización surge con el desarrollo de las comunicaciones, de internet, de los móviles inteligentes y ahora de la inteligencia artificial.
A continuación se analizará la revolución digital, para dimensionar el fenómeno que se está registrando y sus implicaciones en la economía en general. En el siguiente apartado se estudiará la evolución de la productividad en las dos últimas décadas y el impacto en la productividad y en el crecimiento de la renta por habitante y de la riqueza de las naciones. Posteriormente, se hará un ejercicio de prospectiva para anticipar los escenarios más probables a los que nos enfrentamos en el futuro en términos de crecimiento de la productividad y también en términos de equidad y de desigualdad.
2. La revolución de los datos
En 1996 comencé mis cursos de doctorado en la Universidad de Alcalá y elegí una asignatura optativa de investigación empírica en finanzas. Fue mi primera conexión con los algoritmos genéticos y las redes neuronales, que hoy son determinantes para el desarrollo de la inteligencia artificial. En esa época, en finanzas había mercados digitales y datos masivos y era un buen centro de experimentación para desarrollar esas técnicas.
Hoy, los algoritmos y las redes que se usan son muy similares, pero la inteligencia artificial ha tenido un desarrollo espectacular. ¿Qué ha pasado? En los debates económicos minusvaloramos la influencia de los precios relativos, pero son determinantes para explicar las decisiones humanas. Hoy una videoconsola cuestas unos 600 euros y permite conectarte a la nube y jugar campeonatos con amigos en red. Si hubiéramos querido tener la misma capacidad para almacenar datos que tiene hoy esa videoconsola en 1996, nos habría costado unos 60.000 euros, 100 veces más. Y para tener la capacidad de conexión a la red y acceso a la nube que tiene hoy, nos habría costado otros 60.000 euros.
En los años 90 empezábamos a hablar de megabytes, que eran diez elevado a seis bytes. Hoy se usa habitualmente exabytes, que son diez bytes elevados al exponente dieciocho. Para conseguir esta revolución ha sido necesario que se produjeran más revoluciones antes. Primero fue el desarrollo de internet y luego, del teléfono inteligente con conexión móvil a la red y a la nube. Eso ha permitido sensorizar muchas actividades de las personas y las empresas y generar millones de datos, lo que se conoce como el internet de las cosas.
Grandes multinacionales, principalmente de EEUU y China, han hecho inversiones billonarias para desarrollar capacidad de acumulación de datos en la nube y sistemas para procesar esos datos más rápidamente. La demanda de chips y el desarrollo de la nanotecnología ha permitido que esos procesadores sean cada vez más pequeños, más rápidos y más precisos. En 1996, cuando yo estudiaba en la universidad, el Excel ya nos parecía una revolución para poder acumular datos masivos.
Gracias a todas estas revoluciones, hoy cada persona y cada empresa genera millones de datos en cada segundo, y un coste mínimo hace muy rentable para las empresas usar esos datos para tomar decisiones. Sobre esos datos, la inteligencia artificial modeliza comportamientos con patrones regulares y permite tomar decisiones rutinarias que hasta ahora tenía que tomar un ser humano. Por ejemplo, yo todas las mañanas llevo a mis hijos al colegio a la misma hora y el móvil me propone usar la ruta más rápida. Las aplicaciones de mapas del móvil se conectan con satélites que permiten medir la densidad de tráfico en imágenes del trayecto, y sus sistemas de inteligencia artificial te eligen el camino crítico para llegar más rápido. Si la densidad de tráfico es la normal, ese día suelen ser bastante precisos en la predicción. Si se ha producido algún accidente o alguna anomalía, suelen cometer errores.
La revolución digital la lideran EEUU y China, como explican Andrés Pedreño y Luis Merino en su libro Prevenir el declive en la era de la inteligencia artificial. Europa ha aprobado regulaciones más restrictivas en el uso de datos, que son la materia prima para desarrollar la inteligencia artificial. Y el primero que regula y limita sale el último en la revolución.
3. Digitalización y productividad
En las empresas, el uso de datos masivo y la inteligencia artificial afectan a su relación con los clientes, con los proveedores, con los trabajadores, con la hacienda pública, etcétera. Desde un punto de vista microeconómico, las empresas que mejor se están adaptando a la revolución son las que ganan cuota de mercado, valoración bursátil y mejor acceso a la financiación. Aunque es posible que estemos ante el nacimiento de otra burbuja tecnológica, sólo siete empresas explican toda la subida del Nasdaq en el primer semestre de 2023, y las siete están en el sector de la inteligencia artificial o la usan para diferenciarse de la competencia, como es el caso de Tesla y su coche autónomo.
No obstante, la paradoja es que en la macroeconomía y en la contabilidad nacional la revolución digital no se refleja en las estadísticas. Steve Jobs presentó su primer Iphone en público en 2007, revolucionando el mundo de los teléfonos inteligentes, el internet de las cosas y el uso de datos masivos. En el gráfico anterior se ha seleccionado dos periodos expansivos de la economía mundial: entre 2001 y 2007, antes de la Gran recesión, y entre 2011 y 2019, antes de la pandemia. Exceptuando la India, el resto de países han registrado menor crecimiento de la productividad por trabajador entre 2011 y 2019 que antes de la Gran Recesión.
La productividad depende de muchas variables, pero lo que es evidente es que la revolución digital no está generando más productividad en la contabilidad nacional de los países. China ha transitado de un modelo principalmente agrícola hasta los años ochenta a una, industrialización orientada a la exportación muy exitosa. La subida de salarios y de renta por habitante forzó a reorientar el modelo hacía la demanda interna y el sector servicios, y la productividad se resintió a la baja, pero siguió siendo siete veces superior a la de EEUU entre 2011 y 2019.
Corea del Sur que también es una potencia en inteligencia artificial, ha reducido su productividad a la mitad en el segundo periodo, igual que EEUU, y la Unión Europea, que ya tenía un problema de productividad antes de la Gran Recesión, ahora tiene un crecimiento raquítico.
En el caso de España, el principal problema de su economía es el crecimiento de la productividad. En el periodo entre 2001 y 2007, España llegó a construir más de 700.000 viviendas en un año, casi el triple de su promedio histórico. La construcción de viviendas es muy intensiva en mano de obra y su productividad es un 80% inferior al del promedio de la economía. La crisis de 2008 fue muy intensa y duradera y llevó la tasa de paro al 27%. En el periodo 2011 a 2019, la productividad en España estuvo casi estancada y los únicos años en los que hubo aumentos de productividad es en los que la economía destruye empleo y divides el PIB por menos trabajadores en el denominador. Ese modelo de aumentar la productividad sólo en las crisis y destruyendo empleo genera serios problemas de precariedad y desigualdad. España lidera la tasa de pobreza en Europa, junto a Grecia y Bulgaria, desde 2010.
El resultado de más de dos décadas sin crecimiento de la productividad en España se observa en el gráfico anterior. La productividad por hora trabajada en España es un 30% inferior a la de Alemania, Francia o EEUU. España tiene una tasa de empleo inferior a esos países y tiene que trabajar más horas para conseguir más PIB. Pero lo hace con salarios más bajos, especialmente en el percentil 30, donde se concentra la pobreza, y afecta sobre todo a mujeres, jóvenes y desempleados. El objetivo en España para reducir la elevada tasa de desempleo, aumentar los salarios y reducir la desigualdad será con mayor productividad por hora trabajada o no será.
El problema de productividad en España está muy relacionado con el tamaño empresarial. Las empresas de más de 50 trabajadores tienen similares niveles de productividad que sus homólogas de la OCDE. Pero el peso de esas empresas en el total del parque empresarial es la mitad que el promedio europeo y una cuarta parte de Alemania. Por el contrario, España tiene el doble de peso en empresas de menos de 10 trabajadores, con la mitad de productividad que las empresas alemanas del mismo tamaño. España necesita que empresas de menos de 50 trabajadores crezcan y creen empleo con mayor productividad y salarios. Para conseguir este objetivo en una economía globalizada, en la mayor revolución tecnológica desde el siglo XVIII, esas empresas deben ser innovadoras y digitales. Se habla que los fondos europeos Next Generation son una oportunidad. Pero la única política pública financiada con esos fondos para digitalizar a las pymes ha sido el kit digital, que da una subvención de menos de 10.000 euros para mejorar su página web o hacer una estrategia de marketing digital en redes sociales. Con esas cantidades difícilmente veremos un aumento de la productividad en los próximos años.
Para explicar por qué en el periodo de mayor desarrollo tecnológico la productividad por trabajador en el mundo disminuye, los economistas han planteado varias hipótesis, pero ninguna es concluyente. La principal causa de la caída de la productividad y del crecimiento potencial de las economías a largo plazo es la demografía. En el artículo de David López Salido y otros autores de la Reserva Federal de EEUU, “Entendiendo la nueva normalidad: el papel de la demografía”, estiman que el envejecimiento y la caída del crecimiento de la población explican más de la mitad de la caída del PIB potencial y de la productividad. Esta tesis ayuda a explicar que la India sea el único país que no registra caídas de productividad, ya que su población sigue creciendo. En China, la política del único hijo ha frenado en seco el crecimiento de la población y tiene efectos negativos sobre la productividad.
Otra tesis, liderada por el economista estadounidense Robert Gordon, es que, como los países desarrollados ya tienen un nivel elevado de eficiencia y desarrollo tecnológico, marginalmente cuesta más aumentar la productividad. Si tu productividad por hora trabajada es 100 e incorporas una innovación, el índice aumenta poco. Si tu productividad es 30, como es el caso de Bulgaria, la misma innovación tiene el triple de impacto que en EEUU.
Otra hipótesis es que, hasta ahora, la digitalización se ha desarrollado en países con tasas de paro bajo, envejecimiento de población y problemas para reemplazar la mano de obra. En ese escenario, tanto la robotización como el uso masivo de datos y la inteligencia artificial ayudan a mejorar la eficiencia y reducir costes salariales, pero no se reflejan en un aumento de la productividad. La productividad crecerá cuando las empresas usen la inteligencia artificial para conseguir más clientes que la competencia y a precios competitivos, pero no los más baratos. Eso permitirá aumentar los márgenes, el empleo y los salarios y mantener una rentabilidad del capital elevada que facilite la reinversión de los beneficios. Es lo que sucede en las empresas líderes del Silicon Valley, que son ya las empresas con mayor valoración bursátil del mundo, desplazando a industrias tradicionales como el automóvil o las empresas petroleras.
4. El futuro digital
La principal conclusión de lo descrito anteriormente es que estamos en el inicio del inicio de la revolución digital. Es evidente que la inteligencia artificial y el uso masivo de datos permitirá sustituir millones de horas trabajadas en todos los países del mundo. Es lo mismo que consiguió la máquina de vapor de Watt, el tractor, la cosechadora o las lavadoras. Gracias a los avances tecnológicos, la especie humana no ha parado de aumentar en número, en esperanza de vida y en renta por habitante.
Lo que nos enseña la teoría económica es que el desarrollo digital y de inteligencia artificial acabará aumentando la productividad y el nivel de vida. Lo que también nos enseña la historia de las revoluciones tecnológicas es que el problema es que las transiciones generan ganadores y perdedores y son periodos socialmente complejos. Los países y empresas que antes y mejor incorporen el uso masivo de datos y la inteligencia artificial mejorarán la riqueza de sus naciones, y los que no lo hagan se empobrecerán. Por lo tanto, la estrategia no genera dudas; los gobiernos deben priorizar la digitalización de sus economías y adaptar la política educativa y económica para mejorar su competitividad y la de sus empresas y trabajadores en la nueva era de la tecnología global.
El debate sobre proteger a los ciudadanos de los peligros y riesgos del uso masivo de datos también es relevante. El fuego fue un gran avance para la especie humana, pero tiene riesgos y te puedes quemar o quemar la vivienda o el bosque. Si un gobierno en el neolítico hubiera prohibido hacer fuego, la especie no se habría desarrollado. Lo que se ha hecho es permitir que haya fuego, pero regular para gestionar los riesgos. Por ejemplo, se prohíbe hacer fuego en el campo en periodos de elevado viento, elevadas temperaturas y bajos niveles de humedad, que son propicios para que se produzcan incendios. Y se exige una regulación antiincendios en la construcción de edificios y en su uso industrial. Pero se permite cocinar con fuego en los hogares y quemar en hornos para fundir metales en las empresas.
En el uso de datos, Europa está siendo muy restrictiva en su registro, en vez de concentrar sus esfuerzos de regulación en evitar hacer un uso fraudulento de los mismos. Eso está dejando a Europa fuera del desarrollo de esta tecnología clave y dando ventaja a los competidores estadounidenses y chinos. El ejemplo más evidente fue la gestión de la pandemia. Uno de los países referentes en la gestión del Covid19 fue Corea del Sur. Un uso eficiente de la geolocalización por uso de móviles le permitió hacer confinamientos selectivos de personas que habían estado en contacto con contagiados. El resultado fue un mínimo impacto sobre fallecidos y sobre PIB y empleo. En España, se limitó tanto el uso de la aplicación radar Covid que su uso fue minoritario. La alternativa fue confinamientos masivos de toda la población durante periodos más prolongados, que no evitaron que España fuese uno de los países del mundo desarrollado donde más aumentó el número de fallecimientos con respecto a su promedio anterior a la pandemia y con una de las mayores caídas del PIB y de la actividad económica del mundo.
Por último, pero no por ello menos importante, es determinante gestionar la transición y minimizar el impacto sobre los perdedores. La inteligencia artificial afecta a actividades rutinarias y afecta a los segmentos de menor cualificación de la sociedad. La prioridad es adaptar los sistemas educativos y los métodos pedagógicos a la nueva realidad digital. Por ejemplo, en el confinamiento durante la pandemia de 2020, en España en la mayoría de colegios privados y concertados sus alumnos tenían una tableta u ordenador individual y sistemas para conectarse a clases virtuales. Evidentemente, se perdió efectividad con respecto a las clases presenciales, pero su impacto fue mínimo. La mayoría de niños de los colegios públicos no tenían ordenador, ni los sistemas de los colegios permitían a los profesores dar sus clases virtuales, y se tardó muchos meses en tener los sistemas preparados.
En España, el 40% de la población activa en edad de trabajar no ha terminado ni la formación profesional ni la universidad. Son ya la población con mayores tasa de paro y de pobreza y serán los más afectados por el avance de la digitalización. Urge, al igual que en la educación, modernizar los sistemas de políticas activas de empleo para identificar los nichos de demanda de empleo por cubrir y reforzar las habilidades necesarias de los desempleados para cubrirlas. Por ejemplo, cada megavatio de plantas fotovoltaicas instaladas necesita entre uno y tres empleos. Es el sector donde más crece la demanda de empleo, hay escasez de oferta de instaladores en el mercado de trabajo y, con un curso de formación de menos de tres meses, desempleados de baja cualificación podrían encontrar un empleo estable y con un salario digno.
El mayor problema lo tienen los países menos desarrollados con baja cualificación y pobreza en la actualidad, países africanos, asiáticos y de América Latina, principalmente.
África tiene el mayor crecimiento de población del planeta, es una de las áreas del mundo más afectada por el cambio climático, con mayor peso de la agricultura y la ganadería en su PIB y con un porcentaje elevado de su población con difícil acceso a la educación media o superior. La revolución tecnológica y digital ampliará los diferenciales de productividad y renta por habitante de Europa y África, y la presión migratoria en el Mediterráneo aumentará. Europa debería ser la más interesada en establecer políticas de apoyo al desarrollo digital y educativo en África para un desarrollo de sus economías. Lo mismo le sucede a EEUU con América Latina, especialmente con Centroamérica y el Caribe
