En febrero de 2026, un informe de investigación titulado "La crisis global de inteligencia de 2028" generó una gran atención en los mercados financieros. Publicado por Citrini Research, esta simulación de escenarios macroeconómicos imagina la trayectoria económica desde ahora hasta 2028: el desempleo en Estados Unidos supera el 10 %, el S&P 500 cae un 38 % desde su máximo, y una crisis estructural impulsada por la IA se desarrolla silenciosamente.
El informe presenta una visión inquietante: a medida que los agentes de IA realizan tareas complejas de oficina a un coste marginal casi nulo, los modelos de negocio en servicios de software, intermediación financiera y consultoría profesional se desmantelan sistemáticamente. Las empresas utilizan los fondos ahorrados por los despidos para adquirir más capacidad de computación de IA, lo que genera nuevos despidos (un "bucle de retroalimentación sin freno natural"). Aunque la producción económica sigue creciendo, ya no se dirige a los sectores de consumo humano; el informe denomina a este fenómeno "PIB fantasma".
Lo que hace que este informe sea tan impactante no es la precisión de sus predicciones, sino su enfoque en una pregunta fundamental: a medida que la inteligencia artificial reemplaza gradualmente a la inteligencia humana (hasta ahora el factor de producción más escaso), ¿siguen vigentes las teorías económicas existentes? Como enfatizó el coautor Arup Shah en una entrevista: "Esto no es una predicción, sino una prueba de estrés basada en modelos a largo plazo; si la IA realmente sigue fortaleciéndose como todos esperan, ¿qué lógicas empresariales se romperán primero?"
Tomando esto como punto de partida, este artículo construye un marco analítico "Desafío–Tendencia–Impacto–Respuesta", centrado en el "periodo de transición intergeneracional" de 2025 a 2075. Analizamos cómo cambia la estructura de la escasez de factores productivos a medida que el coste de la "ejecución" se acerca a cero, y cómo la distribución de la riqueza y el contrato social pueden evolucionar.
Revalorizando la escasez: el cambio en la escasez de factores productivos
La tendencia hacia la reducción a cero de los costes de ejecución
La "ejecución" se refiere a tareas intelectuales y manuales repetitivas que pueden ser algoritmizadas y rutinizadas: programación básica, contabilidad financiera, generación de contenidos, etc. La IA está impulsando el coste marginal de dicha ejecución hacia cero. El escenario descrito en "La crisis global de inteligencia de 2028": la industria de servicios informáticos de la India, con más de 200 mil millones de dólares en ingresos anuales por exportaciones, se enfrenta a la disrupción cuando los clientes globales recurren a agentes de codificación de IA cuyos costes son, esencialmente, solo electricidad. El informe señala: "Todo el modelo se basa en una propuesta de valor: los desarrolladores indios cuestan una fracción de sus homólogos estadounidenses. Pero el coste marginal de los agentes de codificación de IA se ha reducido, en esencia, al precio de la electricidad".
Esta tendencia ya está respaldada por datos. El empleo en el sector TI de EE. UU. cayó un 8 % desde su máximo en 2022 hasta principios de 2026. Este sector está a la vanguardia de la penetración de la IA. Shah apunta: "Cuanto más fácil es para una industria delegar tareas a la IA, más evidentes son las pérdidas de empleo. Y los trabajos más fácilmente reemplazables son los de oficina". Procesamiento de información, análisis de datos, aprobaciones de flujos de trabajo: tareas que antes requerían trabajadores altamente formados y bien remunerados, ahora pueden ser realizadas por IA a un coste mínimo.
Desde una perspectiva económica, esto supone un ajuste estructural en la escasez relativa de los factores de producción. En un artículo para Financial Review, Zhang Xiaojing y Li Jingjing argumentan que la IA está impulsando un "cambio de escasez": una transformación en la estructura de escasez relativa de los recursos dominantes en medio de la innovación tecnológica. Esto significa que el capital intangible (datos, algoritmos, potencia de computación, etc.) gana peso, mientras que el estatus de escasez de ciertos factores laborales se erosiona.
El valor creciente de la escasez en la toma de decisiones
A medida que caen los costes de ejecución, el valor del "poder de decisión" aumenta. La toma de decisiones incluye: asumir riesgos bajo información incompleta, asignar recursos, fijar objetivos, gestionar dilemas éticos y evaluar críticamente y juzgar los resultados de la IA.
Las teorías económicas sobre el emprendimiento han mostrado durante mucho tiempo que la toma de decisiones y la asunción de riesgos son la fuente fundamental del beneficio. Cuando la oferta de ejecución es ilimitada, su precio (salarios) tiende a cero, haciendo de la "toma de decisiones" el factor limitante y elevando su valor (rentas/beneficios) de forma inevitable. Esta es la otra cara del "cambio de escasez": los sistemas de IA automatizan tareas cognitivas complejas, reduciendo la escasez del trabajo humano en el procesamiento de información, pero generando simultáneamente nuevas fuentes de escasez.
A nivel organizativo, la IA está transformando los mecanismos de toma de decisiones. Las decisiones basadas en reglas, ricas en datos y repetitivas son las más fácilmente reemplazables por IA. Para decisiones de mayor riesgo y responsabilidad, la IA actúa más como un "socio de pensamiento". Un estudio de simulación Monte Carlo sugiere que, en escenarios complejos, la colaboración humano-IA produce la mayor utilidad económica, pero solo si se logra una verdadera "ampliación"; sin sinergia, la colaboración humano-IA puede rendir peor que las estrategias puramente humanas o puramente de máquina.
Cambio estructural de fase: la evolución de la distribución de ingresos
De ingresos laborales a ingresos de capital y toma de decisiones
La IA está transformando la estructura básica de la distribución de ingresos. El análisis de IPPR muestra que los empleos en el Reino Unido con potencial de automatización representan 290 mil millones de libras en salarios (aproximadamente un tercio del total salarial). Si la automatización provoca una reducción de los salarios medios o de las horas trabajadas, una parte significativa de la renta nacional pasará del trabajo al capital.
El informe "La crisis global de inteligencia de 2028" proyecta el resultado extremo de esta tendencia: la participación del trabajo en el PIB cae del 56 % en 2024 al 46 % en el escenario de 2028. La riqueza se concentra cada vez más en manos de los "propietarios de potencia de computación y capital", mientras que los ingresos laborales siguen menguando. Esto no es solo otra ronda de desempleo tecnológico: es una desvinculación entre creación de valor y distribución de valor. "Las máquinas no necesitan gastar dinero en consumo". Cuando el crecimiento de la producción ya no se traduce en poder adquisitivo, la base del ciclo económico empieza a tambalearse.
La polarización distributiva en la era de la IA tiene su raíz en la escasez de nuevo capital intangible, cuyo valor marginal creciente y propiedad concentrada están reconfigurando la lógica de asignación de factores económicos modernos. Cuando la propiedad del capital es muy desigual, el aumento de la participación de los ingresos de capital agrava inevitablemente la desigualdad: "quien posea los robots, poseerá una proporción cada vez mayor de la riqueza nacional".
Este impacto se extiende de industrias específicas a la economía en general. Shah señala que el 20 % superior de perceptores de ingresos representa aproximadamente el 65 % del gasto de consumo en EE. UU. Si los ingresos de los trabajadores de oficina se debilitan, todo el flujo de caja de la cadena de consumo se ve presionado. El informe modela un escenario: un aumento del 5 % en el desempleo de oficina podría provocar una caída en el consumo mucho mayor al 5 %; un gestor de producto que gana 150 000 dólares al año y pierde su empleo para pasar a trabajos esporádicos podría ver su ingreso reducido en más del 70 %.
Debates políticos sobre la socialización de las ganancias de la IA
A medida que la IA se convierte en la fuerza productiva central de la sociedad, ¿deberían sus enormes beneficios redistribuirse mediante algún mecanismo? Esta cuestión está ganando relevancia. Expertos de Baker Tilly señalan: "Para que una economía impulsada por IA prospere, la sociedad debe garantizar que los consumidores mantengan poder adquisitivo. Alguna forma de renta básica universal o variantes puede ofrecer esta red de seguridad".
Los gigantes tecnológicos han propuesto ideas similares. El CEO de OpenAI, Sam Altman, propuso el "American Equity Fund", que gravaría a grandes empresas y terrenos privados con un 2,5 % para pagar dividendos anuales a cada adulto estadounidense. Mustafa Suleyman, responsable de IA de consumo en Microsoft, aboga por los "Servicios Básicos Universales", planteando el acceso a sistemas de IA potentes como un derecho básico.
Pero estas propuestas generan escepticismo. Un análisis más detallado revela que el plan de Altman no aboga por el control de los trabajadores sobre OpenAI ni por la propiedad pública de la infraestructura de IA; solo espera que el gobierno socialice las ganancias, mientras que los chips, algoritmos y plataformas que generan riqueza siguen en manos de unos pocos individuos ultrarricos. Los medios japoneses plantean una cuestión fundamental: cuando tanto valor ya se ha convertido en acciones y riqueza heredada, ¿los dividendos pueden realmente beneficiar a la gente común?
Además, para la mayoría de países sin empresas líderes en IA, si los empleos locales se automatizan y los beneficios se concentran en el extranjero, ¿quién paga ingresos a sus ciudadanos? Una posible solución sería crear un "Fondo Internacional de Dividendos de IA", que gravaría moderadamente los beneficios de las mayores empresas de IA para apoyar a los países más afectados por estos shocks.
Estrategias de adaptación: anclando el valor durante la transición
Nivel individual: de la competencia de habilidades a la alfabetización en toma de decisiones
A medida que la retención de conocimientos y la memoria se convierten en fortalezas absolutas de la IA, la educación debe cambiar. La competitividad central de individuos y organizaciones en el futuro no será cuánto recuerdan, sino cuán rápido aprenden cosas nuevas y se adaptan al cambio.
Esto implica que la educación debe pasar de la "transmisión de conocimientos" a la "alfabetización en toma de decisiones": incluyendo pensamiento crítico, evaluación sistémica de riesgos, análisis de dilemas éticos y la capacidad de "calibrar" y "vetar" los resultados de la IA. Forrester predice que, para 2026, el 30 % de las grandes empresas exigirán formación en IA para aumentar la "AIQ" de los empleados y reducir riesgos de responsabilidad.
El fenómeno de "congelación de empleo" revelado en "La crisis global de inteligencia de 2028" merece atención: las empresas adoptan enfoques más sutiles (el negocio crece, pero todas las nuevas tareas van a la IA, sin nuevas contrataciones). Puede parecer benigno, pero afecta profundamente la capacidad del mercado laboral para regenerarse. Shah señala que incluso empresas con finanzas saludables hoy ven caer sus precios de acciones, por una razón simple: "Si todas las empresas usan IA para reemplazar humanos y proteger márgenes, dentro de tres años, ¿quién comprará sus productos?"
Nivel social: explorando un nuevo contrato social
A nivel institucional, el periodo de transición exige un nuevo contrato social. Las posibles líneas de política incluyen: establecer cuentas de aprendizaje permanente, mejorar las redes de protección social y explorar mecanismos para registrar y devolver valor por el "dato como trabajo".
El PNUD señala que la trayectoria de la IA no está determinada por el ritmo del progreso tecnológico, sino por "quién se beneficia de ella". Este camino no se fija en el momento de la invención, sino que se moldea mediante decisiones cuidadosas sobre cómo, dónde y para quién se utiliza la IA. En la práctica, la expansión de la IA suele producirse no a través de estrategias nacionales, sino mediante decisiones cotidianas de compra, plataforma y operación.
Los marcos de política macroeconómica también necesitan actualización. Los modelos tradicionales asumen escasez de factores y costes marginales crecientes, pero con la IA impulsando los costes marginales hacia cero, la medición de la inflación se vuelve poco fiable y el mercado laboral enfrenta una "desconexión habilidades–reglas". Algunos expertos sugieren incorporar métricas como la "tasa de sustitución algorítmica" y el "coeficiente digital de Gini" en las herramientas de política, pasando del control agregado a un equilibrio dinámico entre costes de gobernanza y retornos de innovación.
Nivel de activos: análisis desde la perspectiva de la propiedad
Dado el diagnóstico anterior de que "la riqueza se inclina hacia el capital y la toma de decisiones", durante la transición intergeneracional, el núcleo del anclaje de la riqueza personal puede pasar de "vender trabajo por dinero" a "poseer activos productivos". En sentido amplio, los "activos productivos" incluyen no solo acciones empresariales tradicionales y bienes inmuebles, sino también nueva infraestructura de la economía IA: potencia de computación, propiedad de datos y tokens de gobernanza de plataformas.
IPPR propone ampliar la asignación de capital y diversificar los modelos de propiedad para democratizar "quién tiene derecho a los dividendos de la economía automatizada". Las estrategias concretas incluyen fondos de riqueza ciudadana, fideicomisos de propiedad de empleados y nuevos modelos de reparto de beneficios. La idea central: nuevos modelos de propiedad diversificada son esenciales para garantizar que la automatización genere prosperidad compartida.
Este análisis no constituye asesoramiento de inversión, sino una evaluación objetiva de tendencias macroeconómicas, para ayudar a los lectores a comprender la lógica económica detrás de los cambios en el valor de los activos. Como señala el PNUD, las decisiones sobre cómo se generan, comparten, retienen y reutilizan los datos determinan si las organizaciones pueden entender cómo los sistemas de IA generan impacto, intervenir cuando surgen problemas y mejorar el rendimiento con el tiempo.
Conclusión: elecciones sociales tras el cambio de escasez
La transformación fundamental de la era de la IA es el desplazamiento del valor desde la "ejecución" hacia la "toma de decisiones" y la "propiedad". Durante la "transición intergeneracional" de 2025 a 2075, el reto es gestionar de forma fluida esta transformación estructural.
Los autores de "La crisis global de inteligencia de 2028" enfatizaron en respuesta a la agitación del mercado: "Si se adopta la visión más optimista del impacto disruptivo de la IA, ¿qué ocurre después? Como sociedad, debemos afrontar y considerar seriamente esta realidad". El valor de este informe no reside en la precisión de sus predicciones, sino en obligarnos a abordar preguntas que de otro modo pasarían desapercibidas.
La forma de la sociedad futura (si tiende hacia una mayor "centralización algorítmica" o hacia una "sociedad de propiedad" más justa) no la determinará solo la tecnología. La cuestión clave ahora no es "si desarrollar IA", sino "cómo desarrollar IA" y "quién se beneficia de la IA". Sin una gobernanza eficaz de los recursos clave, una adaptación anticipada de las estructuras de distribución y una planificación responsable para las próximas generaciones, incluso un progreso tecnológico exponencial puede ver sus beneficios sociales compensados por riesgos estructurales. En última instancia, el objetivo final de toda tecnología debe ser el bienestar humano. Mantener el principio de "centralidad humana" (dirigido a crear una sociedad de prosperidad compartida) debe convertirse en el objetivo central del desarrollo de la IA.
