Acemoglu eleva ligeramente su previsión sobre tareas automatizables con IA
El Nobel ahora situaría por encima de 5% la proporción de tareas automatizables, pero advierte que integrar la IA en las empresas y extender su uso tomará tiempo.
Daron Acemoglu ajustó al alza, aunque sólo ligeramente, su previsión sobre cuánto trabajo puede automatizar la inteligencia artificial. En una entrevista publicada el 6 de octubre, el economista del MIT dijo que hoy colocaría la proporción de tareas completamente automatizables un poco por encima del 5% que planteó en 2024. Al mismo tiempo, advirtió que la integración de estas herramientas en las empresas y su difusión por la economía serán difíciles y lentas.
Un cálculo moderado, con mucha incertidumbre
La actualización surgió durante una conversación con la conductora Marina Mogilko en el pódcast Silicon Valley Girl. Al preguntarle por su estimación de que la IA podría elevar cerca de 1% el PIB de Estados Unidos en diez años, mientras automatizaría alrededor de 5% de las tareas, Acemoglu respondió que, a la luz de los avances recientes en sistemas agénticos, ahora fijaría esa proporción algo más arriba. No ofreció una nueva cifra puntual y subrayó que la incertidumbre sigue siendo considerable.
La cautela se relaciona con la distancia entre lo que un modelo puede hacer en una prueba y lo que una organización consigue incorporar de manera fiable. Las empresas deben adaptar procesos, invertir en herramientas complementarias y decidir quién supervisa los sistemas. La capacidad técnica, por sí sola, no garantiza que el cambio produzca ahorros ni mejoras de productividad.
Qué mide la proyección de Acemoglu
En su estudio The Simple Macroeconomics of AI, publicado como documento de trabajo del National Bureau of Economic Research y posteriormente en Economic Policy, Acemoglu estima que la IA podría aumentar la productividad total de los factores hasta 0.66% en una década. Al considerar que muchas tareas futuras son difíciles de aprender para los sistemas porque dependen del contexto y carecen de resultados fáciles de medir, plantea que el efecto podría quedar por debajo de 0.53%.
La productividad total de los factores y el PIB son indicadores distintos. Al incorporar una respuesta de la inversión, el documento calcula un aumento del PIB de aproximadamente 0.93% a 1.16% en diez años; bajo supuestos alternativos sobre la acumulación de capital, el límite estimado llega a alrededor de 1.4% a 1.56%. Son proyecciones respecto de un escenario sin esos avances de IA: no significan que el PIB crecería esa cantidad cada año ni que el resultado ya se haya observado. El MIT también resume el cálculo como un impulso moderado para la economía.
Automatizar tareas no equivale a borrar empleos
El porcentaje citado se refiere a tareas, no a una fracción equivalente de personas o puestos que desaparecerían. Una ocupación reúne actividades distintas: algunas pueden apoyarse en software, otras requieren criterio, interacción humana, manejo de excepciones o responsabilidad profesional. Que una parte sea automatizable no demuestra que todo el puesto pueda eliminarse.
Acemoglu puso como contraste la programación —donde es más sencillo verificar si el código funciona— y la atención a clientes, en la que las consultas cambian según cada persona y abundan los casos límite. En esta segunda clase de trabajo, señaló, desplegar sistemas útiles resulta más complejo y puede requerir supervisión humana.
La adopción depende de las aplicaciones
El economista sostiene que una parte del valor potencial está en herramientas que ayuden a las personas a realizar mejor su trabajo, no sólo en reemplazarlas. En la entrevista planteó como ejemplo que una empresa podría obtener más de elevar la productividad de toda su plantilla que de automatizar una fracción pequeña de puestos y reducir costos en ellos. Lo presentó como una comparación ilustrativa, no como una regla contable aplicable a cualquier negocio.
Para las empresas mexicanas, la lectura práctica es evaluar cada aplicación por la tarea concreta, el costo de integrarla, la capacitación y el resultado que puede medirse. El indicador relevante no es sólo cuántas funciones ejecuta un sistema, sino si mejora tiempos, calidad o capacidad de atención sin trasladar costos a trabajadores o usuarios.
Fuentes: entrevista a Daron Acemoglu, Silicon Valley Girl Podcast, 6 de octubre de 2026; NBER, The Simple Macroeconomics of AI; MIT Economics.
Conversación